扩散语言模型（dLLM），指采用并行去噪方式进行文本生成的人工智能模型。扩散语言模型具备能够捕捉双向上下文、降低推理延迟等优势，适用于需要复杂结构和长程依赖的任务，云计算服务、金融与风控、医疗健康、工业设计与仿真、教育与科研等领域为其主要需求端。
扩散语言模型可从多个维度进行分类。按照扩散机制不同，扩散语言模型可分为均匀态扩散语言模型、掩码扩散语言模型以及块扩散语言模型；按照扩散空间不同，可分为连续扩散语言模型以及离散扩散语言模型等；按照模型架构不同，可分为稠密架构（Dense）扩散语言模型和混合专家架构（MoE）扩散语言模型等。离散扩散语言模型在离散Token空间上进行扩散操作，为扩散语言模型主流路线。
扩散语言模型适用于众多领域，主要包括云计算服务、金融与风控、医疗健康、工业设计与仿真、教育与科研等。在云计算服务领域，扩散语言模型可用于本地推理与端侧AI场景；在金融与风控领域，其可用于复杂风险报告生成以及多模态风控数据增强场景；在医疗健康领域，其可用于医学图像数据生成过程中。随着应用需求增长，扩散语言模型行业发展空间持续扩展。根据新思界产业研究中心发布的《
2026-2031年扩散语言模型（dLLM）行业市场深度调研及投资前景预测分析报告》显示，2025年全球扩散语言模型市场规模超过300亿美元。
全球扩散语言模型市场主要参与者包括美国苹果公司（Apple）、美国英伟达公司（NVIDIA）、美国Google DeepMind公司等。在本土方面，蚂蚁集团、字节跳动、西湖心辰等为我国扩散语言模型市场主要参与者。蚂蚁集团与中国人民大学联合发布的首个8B参数扩散大语言模型LlaDA在上下文学习、可扩展性和指令遵循等方面表现优异。
虽然应用前景广阔，但我国扩散语言模型行业发展仍面临诸多挑战。一方面，扩散语言模型多步迭代去噪将带来高昂计算成本，其推理步骤也极为繁琐；另一方面，目前我国扩散语言模型行业尚处于起步阶段，相关标准体系尚未完善。
新思界
行业分析人士表示，扩散语言模型作为生成式人工智能领域重要范式创新，已在多方面展现出独特优势。未来伴随下游行业发展速度加快，扩散语言模型将迎来广阔市场前景。目前，我国扩散语言模型行业发展仍面临诸多问题亟待解决。未来随着行业标准不断完善以及技术进步，我国扩散语言模型行业景气度将有所提升。
关键字：
