Apple 发布 STARFlow：绕过扩散模型，高清图像生成比肩 Midjourney

现在只要聊起 AI 画图，大家脑子里跳出来的不是 Midjourney 就是 DALL-E，底层几乎全是扩散模型（Diffusion Models）的天下。

但在别人都在扩散路线上一路狂奔的时候，苹果的研究团队转头走了一条很少有人走通的路。

苹果机器学习研究团队联合加州大学伯克利分校、佐治亚理工学院等学术机构，在上周发表的一篇论文中公开了名为 STARFlow 的图像生成系统。团队表示，这是业内首次成功把归一化流（Normalizing Flows）扩展到如此规模和高分辨率的图像生成任务上，生成质量直逼当下最顶尖的扩散模型。

避开扩散模型，给数学难题换个解法

所谓归一化流，本质上是一种通过可逆数学变换，把简单概率分布变成复杂图像分布的生成模型。过去它一直因为计算复杂度太高、难以处理高分辨率图片，长期被扩散模型和对抗生成网络（GAN）压着打。

为了打破这个瓶颈，苹果团队在架构上玩了几个巧劲。

首先是架构上的深浅搭配。研究人员采用了一个深层 Transformer 块来承担大部分模型表征能力，同时搭配几个计算开销极小的浅层 Transformer 块来辅助，兼顾了表达能力和计算效率。

其次，STARFlow 没有直接死磕原始像素，而是在预训练自编码器的潜在空间（Latent Space）里运行。用压缩后的特征数据替代庞大的像素阵列，大幅减轻了运算负担。

更关键的区别在于数学机制。主流的扩散模型需要经过多步迭代去噪才能拼出一张图，而 STARFlow 保留了归一化流特有的数学属性，支持在连续空间中进行完全不需要离散化的精确最大似然训练。

从实测结果看，无论是按类别生成还是按文字提示词生成，STARFlow 的出图质量都已经能和主流扩散模型正面过招。

为什么重要

对普通用户来说，这项成果目前还停留在论文层面，苹果并没有把它做成功能放进系统，短期内你还不能在 iPhone 上直接体验到。

但对端侧 AI 和开发者生态而言，这套技术指明了一个很有意思的解题思路。扩散模型最大的痛点之一就是多步去噪带来的计算和时间开销，把它们塞进手机和电脑时总要在速度与画质之间做妥协。而 STARFlow 依托归一化流的数学特性，能够支持精确最大似然训练，甚至能让模型准确评估自身的不确定性。这种对生成过程的精确控制，我们认为非常契合对稳定性要求更高的端侧生成和企业级工作流。

从苹果自身的处境来看，这一步走得相当有战略意图。近期彭博社等分析指出 Siri 和 Apple Intelligence 相比对手显得落后，刚开完的 WWDC 上苹果展示的 AI 更新也被外界认为相对保守。在大家都扎堆微调扩散模型的时候，苹果选择拉上流模型先驱 Laurent Dinh 等学界顶尖力量攻坚底层数学架构，看起来是想在算力受限的设备端走出一条属于自己的差异化硬件协同路线。

隐患在于，学术突破到消费级工程落地之间隔着巨大的鸿沟。前沿扩散模型已经积累了庞大的开源生态与商业工具链，STARFlow 就算画质能打平，苹果后续能不能把它真正做成能在 iPhone 上流畅跑起来、且画风足够可控的杀手级功能，仍然有待事实检验。