共计 1182 个字符，预计需要花费 3 分钟才能阅读完成。
新的浪潮, 还在继续往前推
📌 从英伟达到 Luma AI: 三年踩中多轮生成式 AI 风口
宋佳铭于 2023 年加入 Luma AI, 担任首席科学家。在此之前, 他曾在英伟达从事人工智能基础研究, 并参与相关生成式 AI 项目。加入 Luma AI 的时间点, 正处在生成式 AI 从图像扩展到 3D、视频和多模态系统的快速变轨期。
Luma AI 近几年的技术路线变化也很典型: 早期以 3D 生成能力受到关注, 随后在文生视频热潮中推出 Dream Machine, 再进一步推进多模态基础模型 Uni-1.1。宋佳铭在公开动态中提到, 自己参与了公司从 3D 生成到视频生成、再到多模态基础模型的几次关键转向。
🔍 为什么宋佳铭的离职受到关注?
宋佳铭最为人熟知的研究成果, 是 2020 年作为一作提出的 DDIM, 即 Denoising Diffusion Implicit Models。DDIM 与扩散模型的采样效率提升密切相关, 对后来图像生成模型的工业化应用产生了重要影响。
在基于扩散模型的图像生成工具中, 采样速度和生成质量之间的平衡一直是核心问题 。DDIM 提供的思路, 帮助扩散模型更快走向可用形态, 也让后续 Stable Diffusion、DALL·E、Midjourney 等产品背后的技术路线获得了更现实的落地基础。
- 核心标签: 扩散模型、DDIM、生成模型研究。
- 研究经历: 曾参与 SDEdit 等早期扩散模型相关工作。
- 产业路径: 从高校研究、英伟达基础研究, 再到 Luma AI 的产品化探索。
💡 履历横跨学术与工业界
公开资料显示, 宋佳铭本科就读于清华大学计算机科学与技术系 , 随后在斯坦福大学计算机系攻读硕士和博士, 研究方向包括生成模型、概率建模与计算机视觉。他也曾在旷视、OpenAI、Meta FAIR 等机构有过研究或实习经历。
2021 年至 2022 年, 他在斯坦福大学计算机系从事博士后研究;2022 年加入英伟达, 之后升任高级研究科学家;2023 年转入 Luma AI, 担任首席科学家。这样的路径, 也反映出生成模型人才在学术机构、大厂实验室和前沿创业公司之间的高频流动。
📊 行业观察:AI 生成赛道仍在快速换挡
宋佳铭离开 Luma AI 的消息之所以引发讨论, 并不只是因为个人履历耀眼, 更因为它发生在多模态模型竞争升温的时间点。过去几年, 行业热点快速切换, 很多公司都在不断调整方向。
- 2023 年,3D 生成和 NeRF 相关应用受到资本与开发者关注。
- 2024 年, 视频生成成为新焦点, 模型的时序一致性与镜头控制能力被反复比较。
- 2025 年以来, 多模态基础模型、AI 世界模型等概念继续升温。
🚀 下一站未明, 但人才流动本身值得关注
可以确定的是, 生成式 AI 的技术浪潮还在加速推进 。研究者、创业公司和大厂之间的人员流动, 往往不仅是职业选择, 也折射出产业重心的变化。宋佳铭从 DDIM 到多模态模型的经历, 本身就是这一轮 AI 生成技术演进的一个缩影。
