英伟达发布扩散语言模型 TwoTower：生成速度提升 2.4 倍，打破自回归垄断

英伟达发布扩散语言模型 Nemotron TwoTower生成速度提升 2.4 倍打破自回归垄断7 月 1 日英伟达正式开源 Nemotron-Labs-TwoTower 扩散语言模型。这不是一个更大的 GPT而是用了一种完全不同的生成方式。自回归 vs 扩散两种完全不同的生成方式当前所有大语言模型GPT、Claude、DeepSeek都是自回归模型——一个 token 接一个 token 地生成上一个 token 的输出决定下一个 token 是什么。这就像写文章只能一个字一个字写不能跳。Nemotron TwoTower 用的是扩散模型的思路——先粗生成一段文字然后逐步精细细化。就像先用铅笔勾勒轮廓再逐步上色细化。效果在 2 块 H100 GPU 上生成吞吐量提升了2.42 倍质量保留了 98.7%。为什么重要自回归模型的最大瓶颈就是速度。你用得再好生成一篇文章还是要几秒钟甚至几十秒钟的时间。对于需要实时响应的场景客服、对话、实时翻译这个延迟是硬伤。扩散模型的优势在于并行生成——整段文字可以同时生成不需要排队等前面的 token 完成。这意味着延迟可以大幅降低。但是扩散模型目前还有两个短板质量上相比同等的自回归模型会有所损失长文本的连贯性不如自回归。对开发者的影响短期来看扩散模型不会替代自回归模型但在高吞吐场景下已经开始有实用价值批量处理翻译大量文档、数据标注用扩散模型速度翻倍实时场景对话、客服扩散模型的低延迟优势明显嵌入设备手机、IoT 设备上跑模型速度比质量更重要长期来看如果扩散路线持续进步自回归不会永远是唯一方案。生成速度的瓶颈一旦被突破AI 可以进入更多对延迟敏感的场景。总结英伟达的 TwoTower 虽然不是最强的模型但它代表的扩散路线是值得关注的趋势——生成速度比生成质量更重要的场景远比想象中多。你觉得扩散模型会成为自回归的有力补充吗还是一种过渡技术