引言

你有没有注意到，最近一两年AI画图的质量突然上了一个大台阶？

2024年，Stable Diffusion 3横空出世；2025年，Black Forest Labs的FLUX系列成为Hugging Face上下载量最高的图像生成模型之一；到了2026年，FLUX.2已经能原生输出400万像素的超清图片，而且速度比上一代快了好几倍。

这些模型看起来风格各异，但它们背后藏着一个共同的秘密武器——Flow Matching（流匹配）。

这个2023年由Meta AI研究院提出的技术框架，正在悄然取代统治AI画图领域多年的扩散模型，成为新一代生成模型的"操作系统"。

从"瞎摸索"到"直线导航"：一个直觉性的比喻

要理解Flow Matching，先想象你站在一个陌生的城市里，需要找到一家餐厅。

扩散模型的方式，就像你把手机关了，只能靠"感觉"走。你大致知道餐厅在北边，于是每走一步就问问路人"我是不是偏了？"，然后微调方向。这条路能走到，但你要走很多步，而且有时候会绕弯路。通常需要20到50步才能到达目的地。

Flow Matching的方式，则像打开了导航。它不是让你一步步试探，而是直接给你规划了一条从当前位置到餐厅的最优路线——通常是直线。你只需要沿着这条路线走，4到8步就到了。

这就是Flow Matching的核心洞见：与其让模型在噪声中一步步"去噪"寻找数据，不如直接为每个样本学习一条从噪声到数据的最优路径。

技术本质：模型到底在学习什么？

让我们稍微深入一点，但不涉及复杂公式。

传统扩散模型做的事情是：给一张清晰的图片逐渐加入噪声，直到变成完全的随机噪点。然后反过来，训练一个模型学会"去除噪声"。生成图片时，从一团噪声开始，反复去噪，最终得到清晰图像。

这个过程有一个根本性的低效：模型在每一步只需要预测"当前有多少噪声"，但它并不关心全局路径是否最优。就像你每走一步都问路，但没人告诉你终点到底往哪个方向。

Flow Matching换了一个思路。它不再让模型预测噪声，而是让模型学习一个速度场——在路径上的每一个点，样本应该往哪个方向走、走多快。

具体来说：

  1. 起点是一团随机噪声（高斯分布）
  2. 终点是真实数据（比如一张猫的照片）
  3. 模型学习的是：从起点到终点，每个中间时刻样本应该以什么速度、朝什么方向移动
  4. 生成时，从噪声出发，沿着学到的速度场一步步走到终点

关键创新在于路径的选择。扩散模型只有一种固定的"加噪-去噪"路径，而Flow Matching允许你自由选择路径。最聪明的选择是什么呢？走直线。

研究者提出了"最优传输路径"（Optimal Transport Path），也就是让每个噪声样本沿直线插值到对应的目标数据。直线是两点之间最短的距离，速度场变化最小，模型最容易学习，采样时需要的步数也最少。

从论文到产品：Flow Matching如何征服了整个行业

2023年，Lipman等人在ICLR会议上发表了Flow Matching的原始论文。当时很多人只是把它看作扩散模型的一个数学推广——更优雅，但未必实用。

结果完全出乎意料。

2024年初，Stability AI发布Stable Diffusion 3，这是第一个大规模采用Flow Matching的商业图像模型。它放弃了延续多年的U-Net去噪架构，转而使用Transformer来预测速度场。图像质量和生成速度都有显著提升。

2024年8月，Black Forest Labs推出FLUX.1——由Stable Diffusion原始团队的四位核心成员创建。FLUX基于Rectified Flow（一种Flow Matching的直线路径变体），在图像质量和提示词遵循度上全面超越前辈。

2025年底，FLUX.2发布，支持400万像素原生输出、多图参考条件生成，Klein版本甚至能在消费级显卡上实现不到1秒的出图速度。

更令人瞩目的是应用范围的扩展。Flow Matching不再局限于图像生成：

  • 视频生成：Meta的Movie Gen（300亿参数）使用Flow Matching生成视频
  • 语音合成：Meta的Voicebox、开源的F5-TTS都用它生成自然语音
  • 分子设计：2026年8月的最新论文将Flow Matching用于基于语言引导的3D分子生成
  • 量子计算：2026年9月，电子科技大学团队在PRX Intelligence发表论文，首次将Flow Matching推广到量子领域

一个学术框架，在短短三年内从论文变成了几乎所有生成式AI模态的底层引擎。

为什么Flow Matching能赢？三个核心优势

1. 更快的生成速度

这是最直观的优势。扩散模型需要20-50步采样，Flow Matching配合直线路径只需要4-8步。在视频生成这种对计算量极其敏感的场景下，每减少一步都意味着巨大的成本节约。

2. 更灵活的架构设计

扩散模型和一种特定的"加噪方式"绑定在一起，而Flow Matching把路径选择变成了一个设计选项。你可以选择类似扩散的曲线路径，也可以选择直线路径，甚至可以根据数据特性定制路径。这种灵活性让研究者能够针对不同任务找到最优解。

3. 更简洁的训练目标

Flow Matching的训练目标本质上就是一个回归损失——让模型预测的速度尽量接近真实速度。这比扩散模型的噪声预测目标更直接，也不需要设计复杂的噪声调度表。简单意味着稳定，稳定意味着更容易扩展到大模型。

一个值得思考的问题

Flow Matching的成功揭示了一个有趣的规律：有时候，更好的框架不是发明更复杂的方法，而是找到一个更简洁的视角来重新理解已有方法。

扩散模型和Flow Matching在数学上是相通的——Flow Matching把扩散模型作为自己的一个特例包含在内。但Flow Matching通过"速度场+路径选择"这个新视角，让我们看到了之前被固定框架遮蔽的可能性。

这就像经典力学和拉格朗日力学的关系：两种描述方式等价，但拉格朗日力学的视角让你能看到更深层的对称性，从而解决经典方法难以处理的问题。

写在最后

下次你用AI生成一张图片时，不妨想想：在你看不到的地方，有一个"速度场"正在为每个像素点导航，从混沌的噪声中，沿着最优路径，一步步走向清晰的图像。

Flow Matching不是一种新的图像生成方法，它是让所有生成方法找到最优路径的"元方法"。而这，可能只是开始。

来源论文：

  • Lipman, Y., Chen, R.T.Q., Ben-Hamu, H., Nickel, M., & Le, M. (2023). Flow Matching for Generative Modeling. ICLR 2023. arXiv:2210.02747
  • Liu, X., Gong, C., & Liu, Q. (2023). Flow Straight and Fast: Learning to Generate and Transfer Data with Rectified Flow. ICLR 2023. arXiv:2209.03003