扩散模型推理扩展新研究：不止增加去噪步数，算力堆对地方画质大涨

用过 AI 画图的人大概都有过这种体验：把生图步数从 20 步拉到 50 步，画面细节明显丰富了不少；但如果一狠心拉到 100 步甚至 200 步，画面基本不再变好，有时反而变怪，白白浪费显卡算力。

大语言模型那边靠推理时思考（Inference-Time Scaling）把做题能力拉上了一个台阶，而画图模型却一直被困在这个去噪步数的死胡同里。1 月 16 日发表在 arXiv 上的一篇新论文，试图给扩散模型换一条烧算力的路子。

把画图变成一场「选噪声」的搜索

研究团队指出，扩散模型天生就能靠调整去噪步数来改变推理算力，但这种提升在几十步之后就会迅速放缓。换句话说，光在一个既定的起点上反复精细打磨，算力换来的收益很快就会触顶。

既然步数堆不动了，研究团队把目光转向了更底层的起点：初始噪声。他们把扩散模型的采样过程重新定义成一个搜索问题，核心目标是找到更适合生成目标画面的候选噪声。

他们把这个设计框架拆成了两个维度。第一个轴是验证器，用来评估生成图像的质量并提供反馈信号；第二个轴是搜索算法，负责根据反馈不断寻找更优质的噪声候选。

实验结果表明，在类别条件和文本条件图像生成基准测试中，通过这种框架增加推理阶段的计算量，扩散模型生成的样本质量获得了显著提升。而且因为图像本身复杂度高，框架里的验证器和搜索算法可以像搭积木一样自由组合，适配不同的应用场景。

为什么重要

我们认为，这项研究最聪明的地方在于把大语言模型已经验证过的 Test-Time Compute 范式移植到了图像领域，但没有生搬硬套。

对用户和创作者来说，这指明了一条全新的生图工具升级路线。如果这项技术落地成产品，未来用户可能不再需要为了抽出一张好图狂点几十次生成、自己肉眼去挑，而是直接交给模型在后台多跑几秒，让验证器和算法先帮你筛出最佳初始路径。

对整个行业而言，这可能会改变图像生成赛道的竞争焦点。过去厂商拼命卷底座模型的参数量和预训练数据，导致训练成本居高不下；如果推理阶段增加算力就能直接拔高成图上限，小型模型配合强大的推理搜索策略，完全有机会在特定画质上追平甚至超越大模型。

不过隐患也同样摆在眼前。搜索算法和验证器本身都需要消耗不菲的算力与显存，在实际部署时，每张图的生成延迟和服务器成本肯定会显著增加。如何在搜索带来的画质增益与用户的等待耐心之间找到平衡，会是工程化落地的真正考题。