<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Diffusion Transformer on AI内参</title>
    <link>https://www.neican.ai/tags/diffusion-transformer/</link>
    <description>Recent content in Diffusion Transformer on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Tue, 07 Jul 2026 20:40:08 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/diffusion-transformer/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>从概率生成到物理模拟：Sora 如何重构我们理解现实的算力边界</title>
      <link>https://www.neican.ai/insights/sora--20260707204008746-0/</link>
      <pubDate>Tue, 07 Jul 2026 20:40:08 +0800</pubDate>
      <guid>https://www.neican.ai/insights/sora--20260707204008746-0/</guid>
      <description>Sora 通过引入 Diffusion Transformer 架构，实现了视频生成性能的指数级扩展。它不仅标志着内容创作进入生成式工业化阶段，更展示了 AI 从像素统计转向物理规律模拟的深刻趋势，预示着一个能够预测现实世界的智能仿真时代的到来。</description>
    </item>
    <item>
      <title>超越模仿：智象未来如何通过多模态模型“触达物理世界”</title>
      <link>https://www.neican.ai/insights/article-20250624161004438-1/</link>
      <pubDate>Tue, 24 Jun 2025 16:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250624161004438-1/</guid>
      <description>智象未来算法科学家潘滢炜深度解析了公司多模态大模型从UNet到DiT再到DiT+AR的架构演进，以及从内容生成到“触达物理世界构建”的宏大技术愿景。文章探讨了智象未来如何通过技术创新、人才策略和商业化布局，在AI激烈竞争中保持领先，并展望了AI模型从“模拟”走向“构建”所带来的深远影响和潜在挑战。</description>
    </item>
  </channel>
</rss>
