历史脉络：从 GAN 王朝到扩散时代

一句话定义

图像生成的十年主线是一条「范式接力」：2014 GAN 开创对抗生成 → 2015 扩散思想萌芽 → 2018–2019 GAN 全盛 → 2020 DDPM 让扩散登台 → 2021 扩散胜过 GAN → 2022 潜空间扩散引爆开源生态 → 2023–2024 控制生态成熟与流匹配/DiT 接棒，驱动力始终是「算力 × 数据 × 开源」的乘积。

为什么重要

懂脉络才能预判方向：今天的每个热点（流匹配、统一多模态架构、个性化生态）都是十年主线的延长线，而非凭空出现。同时，历史帮你识别「轮回」——GAN 未死、自回归回归——避免把「当前主流」误当「永恒真理」，这是领域学习者与工具使用者的分界。

前置知识

kp-002（四大谱系——本节是谱系的时间轴展开）。

核心概念

• 2014 · GAN 元年：Goodfellow 等提出对抗博弈框架（NeurIPS 2014），隐式生成告别显式概率。
• 2015 · 扩散萌芽：Sohl-Dickstein 等提出「逐步加噪-学习逆转」的完整思想（非平衡热力学视角），沉寂五年。
• 2016–2019 · GAN 王朝：条件 GAN、渐进生长、StyleGAN 系（NVIDIA Karras 组）把人脸生成做到以假乱真；GAN 主导学界与大众认知（deepfake 由此得名）。
• 2020 · DDPM 登台：Ho 等把扩散的样本质量拉到与 GAN 可比，且训练稳定可复现（NeurIPS 2020，即 DDPM）。
• 2021 · 权柄交接：Dhariwal & Nichol《Diffusion Models Beat GANs…》实验性宣告扩散超越；Guided Diffusion / CLIP 引导打开文本条件大门；同期 DALL-E 一代（自回归路线）亮相。
• 2022 · 开源引爆：Latent Diffusion（CVPR 2022）发表并开源为 Stable Diffusion；DALL-E 2 / Imagen / Midjourney 同年爆发，文生图进入公众视野。
• 2023 · 控制与个性年：ControlNet、LoRA、DreamBooth 把「抽卡」变「可设计」，开源社区生态成型；诉讼与监管议题同步登场。
• 2024 · 架构换代：SD3（流匹配 + MM-DiT）、Flux（Black Forest Labs）——DiT 化与流匹配成为新默认；自回归多模态路线回归。
• 2025–2026（快照）：多模态统一模型、快图蒸馏（Turbo/LCM 系）与商业化闭环成为主线，开源与闭源双轨并进。

原理与机制

历史不是事件流水账，而是三条驱动力的乘积史：

1. 算力：GAN 时代单卡可训是繁荣前提；扩散因多步迭代一度被视为「算力奢侈」，直到潜空间压缩（kp-003/kp-008）把成本压到消费级——2022 年的开源爆发本质是一次成本事件。
2. 数据：LAION 类图文对索引补齐了文生图的数据弹药，也埋下 kp-028 的版权争议伏笔——数据层与算法层的历史是同一枚硬币。
3. 开源与社区：SD 权重开放 → ControlNet/LoRA 插件化 → 生态网络效应，这条「发布-插件-反哺」循环是开源线与闭源产品分道演进的结构性原因。

范式更替的机制解释：GAN 赢在一步采样快、输在博弈不稳定与模式坍缩（kp-004）；扩散赢在训练稳定 + 似然可控 + 天然适配条件注入（交叉注意力接口），输在多步慢——采样器研究（kp-009）与蒸馏补上了短板，胜利由此固化。每次「更替」都是「稳定性 × 可扩展性」对「速度」的兑换。

图示

直观类比

像王朝更替史：GAN 武功盖世但内乱不断（博弈失衡），扩散单兵战力（单步速度）稍逊但体制稳定（训练稳 + 条件接口好）；潜空间压缩是「税收改革」，让消费级硬件养得起大军；开源则是「开科取士」，天下英才（社区）尽入彀中。

实例或案例

• 读新发布说明的「历史透镜」练习：用本节框架拆解一篇新模型公告——它动了三条轴（架构/目标/文本）中的哪条？是成本事件还是能力事件？对照 kp-023 定位。
• 复现路径亲历：从 DDPM 论文 → Improved DDPM → LDM 论文按序精读，正是社区 2020→2022 的演进浓缩，读一遍胜过背十个名词。
• 争议的历史坐标：2023 年起的版权诉讼（kp-028）发生在「开源引爆」之后两年——社会消化滞后于技术引爆，这本身是可复用的历史规律。

常见误区

• 误区一：历史是「旧技术已死」的清单。GAN 在速度敏感场景活跃、自回归在多模态中回归；「死亡叙事」是学历史最大的副作用。
• 误区二：把 2022 年视为「从零开始」。SD 的每个组件（VAE、U-Net、CLIP、DDPM 采样）都是 2014–2021 的存量成果，「引爆」是集成与成本事件而非单点发明。
• 误区三：认为范式之争已终结。扩散与自回归在多模态上的合流仍在进行，「扩散一统」是当前快照而非终局。

自测题

1. 复述 2014→2024 的八个关键节点。

答案要点：GAN 元年 → 扩散萌芽 → StyleGAN 巅峰 → DDPM → 扩散胜出 → SD 开源 → 控制生态 → 流匹配/DiT。

1. 「2022 年开源爆发是成本事件」如何论证？

答案要点：组件均非新发明；潜空间压缩把多步迭代的算力成本压到消费级 + 权重开放触发社区网络效应。

1. GAN 为什么让位？它的哪些遗产延续至今？

答案要点：博弈不稳定与坍缩 vs 扩散的稳定与条件接口；遗产包括 FID 评估与速度敏感场景的应用。

与其他知识点的关系

kp-002 是谱系静态图，本节是其时间轴；kp-005/kp-008 是「DDPM→LDM」的技术细节；kp-023 是其 2024 后的延展；kp-028 是 2023 节点的社会层投影。

延伸阅读

DDPM 与 LDM 两篇论文的引言合读，即是「扩散如何从实验室走向公众」的第一手叙述；Dhariwal & Nichol（NeurIPS 2021）是范式交接的判词。