今晚刚刷到一条新闻，差点让我从沙发上跳起来——华为诺亚方舟实验室发布了业界首个基于扩散语言模型的Agent（DLLM Agent），在保持准确率的前提下，某些复杂任务的执行速度竟然提升了8倍！

说实话，作为一个关注AI圈几年的老司机，这个消息还是让我有点小激动的。

**为什么说这是个「直道超车」级别的突破？**

先跟大家科普一下背景。目前主流的大语言模型，比如GPT系列、Claude、国内的文心一言、通义千问等，基本都是「自回归」架构。简单来说，就是像写文章一样，一个词一个词地往后生成。这种方式虽然成熟稳定，但有个天然缺陷——生成速度受限，而且容易陷入「局部最优」。

而扩散模型大家应该不陌生，就是Midjourney、Stable Diffusion那些图片生成AI用的技术。它的特点是并行处理，不像自回归模型那样按顺序生成。

**华为这次做了一件很「大胆」的事**：把扩散模型从「画图」带到了「写文字和思考」的领域，而且是直接用在Agent这种需要复杂决策和工具调用的场景上。

这就像是从「手动挡」换到了「自动挡+涡轮增压」，还是那种不用换挡就能加速的。

根据论文数据，在准确率基本持平的前提下，DLLM Agent端到端执行速度平均提升30%以上。更有意思的是，在多约束检索等复杂任务中，它甚至跑出了8倍于传统AR Agent的速度。差距就像是你还在步行，人家已经开着跑车飞驰了。

**8倍速度提升的背后**

论文里举了个很形象的例子：一个涉及动物命名+中国互联网公司+团队合并+软硬件等多个维度的复杂检索任务，传统AR Agent需要调用工具10次才能完成，而DLLM Agent只需要2次。

为什么会这样？研究团队的解释是，扩散模型能够「并行思考」多个可能的路径，然后选择最优解，而不是像自回归模型那样走一步看一步。这就像是你下棋的时候，能同时考虑好几步棋的走法，而不是只盯着眼前这一步。

**但也有「坑」要踩**

当然，任何新技术都不是完美的。论文也坦诚指出，原生DLLM更容易产生结构化的tool-call错误。简单说就是，它思考得快了，有时候「想太多」反而搞错了。

不过这个问题应该不难解决，毕竟这只是第一代产品。就像早期的自动驾驶AI也容易出bug，现在不也越来越靠谱了嘛。

**这事儿意味着什么？**

往大了说，这可能标志着大语言模型的「生成范式」开始出现新的分支。之前大家都在卷自回归模型的参数规模、训练算力，现在华为用扩散模型「另辟蹊径」，说不定能开个新赛道。

往小了说，对于我们这些AI应用开发者来说，以后构建AI Agent的时候，可能多了一个更高效的选择。特别是那些对响应速度要求高的场景，比如实时客服、智能助手等，扩散模型Agent可能会成为新的「性能怪兽」。

**最后唠两句**

说实话，看到国内企业在AI基础架构层面能有这样的突破，还是挺让人欣慰的。之前总有人说中国AI只会「跟随创新」，华为这次算是用实力打脸了。

当然，距离大规模商业化应用还有段路要走。但至少，方向是对的，步子也是稳的。

对了，论文《DLLM Agent: See Farther, Run Faster》已经在arXiv上发布了，感兴趣的朋友可以去看看原文。GitHub上应该也有开源代码，技术宅们可以上手试试。

总之，2026年的AI圈，看来注定不会平静。华为这个「直道超车」，会不会引发一波扩散模型AI Agent的热潮？我们拭目以待。

（完）

Blog

华为刚刚搞了个大动作：扩散语言模型Agent让AI「直道超车」，部分场景提速8倍！