港大教授创业做dLLM，拿下全球最大融资

10月9日，投中网独家获悉，扩散智能DiffuSpace已连续完成两轮融资，由经纬创投、顺为资本、君联资本联合领投，中科创星、华为哈勃、地平线等跟投，总金额达数亿元，创下全球扩散语言模型最大规模融资纪录。

DiffuSpace团队研发的Dream 7B在全球扩散语言模型中居于领先位置，部分能力可比肩DeepSeek V3（671B）。在ICML相关演讲中，Dream 7B与Google Gemini Diffusion、Inception Mercury被列为三大代表性扩散语言模型。DiffuSpace目前正在训练新一代、更大参数规模的扩散语言模型，计划于近期发布并开源。

DiffuSpace由香港大学NLP实验室联合主管孔令鹏教授与香港大学在读博士龚珊三、叶佳成等成员，于2026年5月在深圳联合创立。早在2022年，公司核心团队便开始研究扩散语言模型，是全球最早系统探索这一技术路线的团队之一。公司明确选择不同于GPT、Claude等主流自回归模型的技术路径——扩散语言模型。自回归模型从左向右逐个生成Token；扩散语言模型则先处理整体，再逐步补全细节，能够同时生成多个位置的内容，并反复修正已有内容。

2026年以来，扩散语言模型发展提速：前8个月相关论文数量已达2025年全年的2.4倍；Google推出开放模型DiffusionGemma，Inception持续迭代Mercury系列，蚂蚁集团也推出了LLaDA 2.2。

自回归模型存在局限：只能从左往右生成，遇到需要全局考量的任务容易陷入局部最优；每生成一个Token都要等前文全部写完，拖慢整体生成速度。扩散模型则允许修改已生成内容，同时生成任意位置时能参考更完整上下文，计算资源可更多分配给难度更高的部分。

团队首先需要证明扩散模型能真正用于语言。图像可处理为连续信号，语言却由离散Token组成，还需同时满足语法、语义和上下文关系。随着相关论文发布，他们首次验证了扩散语言模型技术路径的可行性。2023年，团队搭建了一套完整的、适配离散语言信号的扩散模型训练范式。

2025年4月发布的Dream 7B成为分水岭。70亿参数，在数学、代码、规划等任务上全面超过同参数规模自回归模型，部分指标甚至比肩DeepSeek V3（671B）。随着Dream 7B获得全球认可，DiffuSpace应运而生，目标是将重心放在扩散语言模型上，探索自回归之后下一代基础模型架构。

这条赛道创业玩家极少，核心原因是技术门槛极高、落地难度极大。扩散语言模型涉及生成范式、训练方法、推理系统乃至底层基础设施的一系列变化。目前，DiffuSpace核心成员主要来自香港大学、北京大学、清华大学等知名高校及一线模型公司，已打造覆盖“算法-数据-训练-推理”的完整扩散语言模型系统。公司落在深圳，看中当地完整的芯片、汽车、机器人和智能终端产业链。

成立不到半年，DiffuSpace便连续完成两轮融资。Dream 7B发布并开源后，在HuggingFace累计下载量超过250万。今年内计划发布的全新模型将进一步扩大参数规模，并针对性适配代码Agent、智能推理等复杂任务。较小模型适合端侧设备和具身智能等对延迟敏感、需要本地部署的场景，更大模型则面向办公、代码开发及更复杂的科研计算。

龚珊三透露，测试结果显示，在同等显卡、同等生成长度、单用户单次查询条件下比较TPS，DiffuSpace扩散语言模型的推理速度约为主流自回归模型的10倍。结合模型优势，代码生成、具身智能、自动驾驶成为优先布局方向。2026年9月，DiffuSpace与亚洲智能体计算平台公司Acrab达成合作，围绕端侧Agent进行系统级协同适配。测试显示，在特定条件下，通过dLLM的并行生成和全局建模能力，端侧Agent运行速度可提升5倍。

对于DiffuSpace而言，自身实力仍有待市场进一步检验。自回归模型也没有停在原地，主流模型仍在通过扩大参数、改进推理和训练方法提升能力上限。龚珊三认为，从底层原理来看，扩散语言模型是自回归模型的广义升级版，完全包含自回归模型的所有能力。未来大概率出现两种局面：一是扩散语言模型全面替代自回归模型，成为行业主流范式；二是两类模型依托各自优势，长期并存、适配不同场景。在更长期规划里，DiffuSpace将自己定义为“智能生产商”，探索通用人工智能的边界。