OpenAI的华人核心研究员宋飏，一位在扩散模型和一致性模型领域都做出关键贡献的少年天才，近日宣布跳槽至Meta的超级智能实验室（MSL），将与同样来自OpenAI的清华校友赵晟佳“强强联合”。这不仅是Meta在人才战线上的又一次胜利，也预示着其在生成式AI领域的野心和布局，未来AI技术竞赛或将迎来更多看点。

Meta近日从OpenAI挖走了扩散模型核心人物宋飏，他将加盟Meta Superintelligence Labs，与赵晟佳共同推动多模态推理研究，这不仅是Meta在AI人才战中的一次重要胜利，也预示着其在通用人工智能领域的战略野心。此次人才流动凸显了AI行业竞争的白热化和未来多模态AI的巨大潜力。

香港科技大学（广州）推出的PhyRMDM框架，通过将物理规律（亥姆霍兹方程）与AI扩散模型深度融合，解决了传统数据驱动无线电地图构建的“伪影”难题，显著提升了6G时代无线电地图的精度和物理一致性。这一技术突破预示着AI从纯数据学习向理解物理世界的重大范式转变，将对智能通信、无人系统及更广泛的科学计算领域产生深远影响，并重塑相关产业生态。

核心生成式AI模型DiT近期因其架构“缺陷”引发X平台热议，质疑其学习能力和设计选择。尽管DiT已成为Sora和Stable Diffusion 3等巨头的基石，其创始人谢赛宁在回应中承认了部分“硬伤”并指出模型优化方向，这场争论揭示了AI模型开发中理论验证与实证效率之间的深层哲学冲突，并预示着下一代模型将在训练效率和架构鲁棒性上实现突破。

Google的扩散AI Agent通过模拟人类起草、搜索和迭代修订的认知模式，为企业研究带来范式转变，显著提升知识生产效率。这项创新不仅强化了Gemini在企业级AI应用的领先地位，更引发了对未来人机协作深度、智能体社会构建及伦理挑战的深层思考。

苹果开源的DiffuCoder是其在AI辅助编程领域的颠覆性尝试，作为一个扩散大语言模型，它通过并行去噪和全局规划，实现了代码生成速度和质量的突破，对传统自回归模型构成挑战。此举不仅预示着AI辅助编程将迈向更高效、智能且可能实现设备端运行的未来，更反映出苹果通过开源策略重塑软件开发生态、抢占核心技术高地的战略意图，深刻影响未来的商业格局与工作模式。

斯坦福大学研究揭示，扩散模型的“创造力”源于其卷积神经网络的固有归纳偏置（如局部性和平移等变性），而非随机涌现。新提出的“等变局部评分机”（ELS）模型以90%以上精度解释了这一机制，不仅为理解AI生成内容的错误提供了理论依据，更为未来开发更可控、高质量的AIGC产品和加速通用人工智能探索奠定了基础，预示着生成式AI商业化和工程化应用的巨大飞跃。

一项突破性研究揭示，扩散模型令人惊叹的“创造力”并非高级智能的标志，而是其内部结构（局部性和等变性）在去噪过程中必然产生的副产品，如同生物系统自组织中的“缺陷”。这一发现不仅重新定义了AI创造力的本质，更预示着未来AI模型将从生物学中汲取灵感，构建出更高效、更具涌现能力的新一代架构。

UNIMATE模型由弗吉尼亚理工学院与Meta AI联合推出，首次通过创新架构统一了机械超材料的拓扑生成、性能预测与条件确认三大核心设计任务。这一突破性进展不仅大幅提升了材料设计的效率与精度，更预示着AI将在材料科学领域扮演更核心的“创造者”角色，加速实现从智能设计到智能制造的产业革命。

谢赛宁团队的Blender Fusion框架通过整合Blender与扩散模型，实现了无需提示词的精准3D画面操控，开创了内容创作的新范式。这一技术创新显著提升了AIGC的实用性和商业化潜力，并将驱动数字内容生产向更高效、更直观的人机协作模式演进，预示着未来3D创作将迈入具身化、智能化的新阶段。

谷歌最新发布的Veo 3视频生成模型凭借其对复杂物理交互的惊人模拟能力，通过病毒式传播的“切水果”等ASMR内容，迅速成为社交媒体的焦点，彰显了AI视频技术的巨大进步。该技术不仅能以极低成本高效产出专业级视频，预示着内容创作范式的深刻变革，也促使人们重新审视人类创意在由AI驱动的“注意力经济”中的核心价值与未来挑战。

康奈尔和CMU研究者推出了名为Eso-LM的新型语言模型，它将离散扩散模型与自回归模型相结合，实现了推理速度高达65倍的突破，同时提升了生成质量并克服了传统扩散模型的效率瓶颈。这项创新通过引入KV缓存、灵活的注意力机制和混合训练策略，有望重塑大语言模型的架构格局，并在AI业界引起了英伟达、谷歌等巨头的关注，预示着语言生成技术迈向更高效、更实用的新阶段。