Sander Dieleman 5 月 6 日在个人网站发布长文《Learning the integral of a diffusion model》，讨论近期生成模型研究里升温的 flow maps。
这篇文章有意思的地方，不是又给扩散模型起了一个新名字。它问的是一个更底层的问题：扩散模型为什么非要一步步采样？
过去大家熟悉的扩散采样，是让 denoiser 或 velocity model 在每个噪声水平预测一个局部方向。然后模型沿着这个方向走一小步，再预测下一步。如此反复，直到从噪声走到数据。
flow map 换了问法。
它不问“下一步往哪走”，而是问“同一条路径上，从这里直接跳到那里，会落在哪个点”。
这就是本文的主线：flow maps 到底只是扩散蒸馏式的加速技巧，还是一种可能重构采样、训练和控制的新接口。
扩散采样为什么总像在小步挪
扩散模型采样有两类视角：随机采样和确定性采样。
随机采样每一步都会从条件分布里抽样。单个样本的路径会抖动，有随机扰动。确定性采样通常只在初始噪声处引入随机性，之后沿一条确定路径前进。
两者容易被混在一起讲，但差别很关键：它们在每个时间点的边际分布可以相同，单个样本走过的轨迹却不同。
flow maps 主要依赖的是后者，也就是确定性路径视角。只有当我们把噪声和数据之间看成一条可追踪的路径，才谈得上学习“路径上两点之间的映射”。
这也是它和传统 denoiser 的关键对比：
| 路线 | 模型预测什么 | 采样怎么走 | 现实压力 |
|---|---|---|---|
| denoiser / velocity model | 当前点的局部切线方向 | 沿路径一步步积分 | 步数多，延迟和推理成本高 |
| flow map | 积分后的目标位置 | 可从路径任一点跳到另一点 | 训练目标、一致性和路径假设更难处理 |
用公式写，就是：F(x_s, s, t)=x_t。
输入是源位置 x_s、源时间 s、目标时间 t。输出是同一路径在目标时间上的位置 x_t。如果这个函数学得好，模型理论上可以从路径任一点跳到另一点，而不必每次都按很小的步长往前挪。
这解释了 flow maps 为什么会被关注。
图像、视频、编辑类生成模型都受采样步数约束。步数越多，延迟越高，推理成本越难压。工程团队不是抽象地追求“优雅公式”，他们关心的是同样质量下能不能少跑几次模型。
但只把 flow maps 看成“少跑几步”，又会低估它。
它不是把蒸馏、Flow Matching、Reflow 换个名字
过去两年，减少扩散模型采样步数一直是主战场。DDIM、ODE 采样、diffusion distillation、Flow Matching、Reflow 都在处理噪声到数据的路径，但处理方式不一样。
Dieleman 的文章比较克制：他没有把 flow maps 包装成全新魔法，而是把它放进这一组方法里看。
| 方法 | 更关心的问题 | 和 flow map 的差别 |
|---|---|---|
| diffusion distillation | 把多步教师模型压成少步学生模型 | 重点常在压缩采样过程，不等于学习任意两点映射 |
| Flow Matching | 学习从噪声到数据的速度场 | 仍偏向预测局部速度，而不是直接给出积分结果 |
| Reflow | 重新配对噪声和数据，让路径更直 | 关注路径形状和配对方式，不等于 flow map 本身 |
| flow map | 学习同一路径上两点之间的映射 | 目标是 F(x_s, s, t)=x_t，直接预测目标位置 |
这个区分很重要。否则 flow maps 很容易被误读成“又一种蒸馏”。
我的判断是：如果它只是在最终采样阶段把 30 步变成更少步，那它就是加速工具的一种。价值有，但边界清楚。
更值得看的，是它能否把采样、训练和控制放进同一个接口里。
对生成模型研究者来说，动作会更偏研究设计：不只是比较采样步数，而是看这个映射函数能不能稳定学习，能不能做跨时间一致性约束，能不能接奖励学习。比如模型如果能从中间时间点直接跳转，奖励信号就不一定只作用在最终样本上。
对需要优化扩散模型推理成本的工程团队来说，动作更现实：短期不该急着迁移整条管线。更稳的做法是把它当成候选路线，和现有蒸馏、少步采样器放在同一评测表里。重点看三项：质量是否掉、延迟是否真降、训练和调参成本是否可控。
这不是保守，而是工程常识。
现有生成管线往往已经围绕 U-Net、DiT、调度器、蒸馏模型和质量评测调过很多轮。一个新方法如果只在概念上更顺，并不足以让团队重搭生产链路。
最大变量不是公式，而是路径假设能撑多远
flow maps 的前提并不轻。
它依赖确定性路径，也依赖一种噪声样本与数据样本之间可视作双射的视角。换句话说，模型要能把“这一路从哪里来、往哪里去”追踪清楚。
这里不能说得太满。
原文强调，所谓路径不相交，更严格地说主要是在带时间的空间中看，也就是 (x_t, t)。如果只看输入空间 x_t，不同时间的路径点仍可能重合。高维空间让很多近似更可用，但这不是对所有场景都成立的铁律。
所以接下来最该观察的，不是某个单点结果看起来快了多少，而是几个更硬的变量：
- 在高分辨率图像和视频上，质量能否稳定，不只是样例好看。
- 和现有蒸馏方法相比，训练是否更容易，调参是否更少踩坑。
- 在奖励学习、可控编辑、中间状态接管这类任务里，是否能给出 denoiser 难替代的能力。
- 当路径假设被高维近似支撑时，失败模式是否可诊断，而不是只表现为生成质量变差。
这些变量会决定 flow maps 的位置。
如果答案停在“采样更快”，它更像一条加速支线。对于工程团队，够用就接，不够稳就等。
如果它能稳定提供新的训练和控制接口，情况才不同。那时它影响的就不是一次推理跑几步，而是研究者怎样定义生成路径、工程团队怎样设计可控生成模块。
回到开头的问题：扩散模型是不是非要一步步走？
flow maps 给出的回答是：未必。但它要证明的，也不只是能不能抄近道。真正难的是，这条近道能不能变成一条可靠的路。