当全球 AI 竞赛仍围绕自回归大模型（如 GPT-5、Gemini） 激烈缠斗时，一家新锐初创公司正以颠覆性架构悄然突围。由斯坦福大学教授 StefanoErmon 领衔的 AI 公司 Inception 近日宣布完成 5000 万美元种子轮融资，由 MenloVentures 领投，微软 M12、英伟达 NVentures、SnowflakeVentures、DatabricksInvestment 及 Mayfield 跟投，吴恩达 (AndrewNg) 与 AndrejKarpathy 亦以天使投资人身份加入，阵容堪称豪华。
Inception 的核心押注，是将原本用于图像生成的扩散模型（DiffusionModels） 全面引入文本与代码领域，挑战当前主流的自回归范式。Ermon 指出，GPT、Gemini 等模型采用 「逐词预测」 方式，必须串行处理，限制了速度与效率; 而扩散模型通过并行迭代优化整体输出，在处理大规模代码库或长文本时展现出显著优势。
这一理念已落地为产品: 公司同步发布其
为何扩散模型适合代码?
代码不同于自然语言——它结构严谨、依赖全局上下文，且常需跨文件关联。自回归模型在处理此类任务时，易因 「逐字生成」 而忽略整体逻辑一致性。而扩散模型从 「噪声」 出发，通过多轮全局调整逼近目标输出，天然适合高结构化数据。此外，其并行计算特性可充分利用 GPU/TPU 集群，显著降低延迟与能耗，直击当前 AI 基础设施高成本痛点。
巨头为何押注?
在 AI 训练与推理成本飙升的背景下，效率成为新战场。微软、英伟达、Databricks 等投资方均在构建 AI 开发栈，亟需高性能、低开销的模型底座。Inception 的路径，或为大模型商业化提供一条 「省算力、高吞吐」 的新出路。
AIbase 认为，Inception 的崛起标志着 AI 架构探索进入深水区——当参数竞赛边际效益递减，底层范式创新将成为破局关键。如果扩散式 LLM 能在代码、科研、金融等高价值场景持续验证其优势，这场由斯坦福实验室发起的技术革命，或将重塑生成式 AI 的未来版图。
