扩散模型在图像生成领域的统治地位持续了相当长时间，从DDPM到Stable Diffusion，几乎所有主流方案都依赖一个随机去噪过程。这个过程可以被理解为：给数据不断加噪声，直到完全破坏信息，再训练网络逐步逆向去噪。虽然最终生成效果优秀，但推理阶段往往需要几十甚至上百步。每一步都要调用一次完整网络，再加上随机微分方程带来的路径弯曲，导致采样效率较低。Flow Matching流匹配方法选择了一条完全不同的路线：它不再考虑噪声调度和得分估计，而是把生成当作一个连续归一化流，直接回归速度场，使样本沿接近直线的轨迹完成从噪声到数据的转换。这样做的好处不只是理论简洁，更重要的是在实际图像生成中，推理步数可以显著减少，训练目标也更稳定。

一、流匹配如何重新定义生成路径

传统扩散模型在正向过程中定义了一个噪声调度。以DDPM为例，加噪后的样本可以写成 x_t = sqrt(ᾱ_t) x_0 + sqrt(1-ᾱ_t) ε，其中 ᾱ_t 随时间单调下降。逆向去噪时，网络需要预测添加的噪声 ε_θ，再借助重参数化逐步恢复样本。这个逆向过程对应的随机微分方程带有随机项，路径在概率空间中是弯曲的。尤其是在低噪声阶段，很小的扰动也可能改变样本方向，因此需要较多离散化步骤来保证精度。

流匹配则假设存在一个时变向量场 v_t(x)，它定义了一个常微分方程 dx/dt = v_t(x)。如果沿着这个ODE从 t=0 积分到 t=1，样本的分布会从先验 p_0 精确变化到数据分布 p_1。连续归一化流理论保证这种向量场是存在的，但直接求解边际概率路径对应的向量场非常困难。流匹配的关键技巧是：不直接匹配未知的边际向量场，而是匹配条件向量场。给定一个数据点 x_1，可以定义条件概率路径 p_t(x | x_1)，并得到其对应的条件向量场 u_t(x | x_1)。通过对数据点求期望，条件向量场与边际向量场在训练目标上等价。

最流行的路径构造是直线：x_t = (1-t) x_0 + t x_1，时间 t 从 0 到 1，x_0 为标准高斯先验。由此可以推出条件速度场 u_t = x_1 - x_0。这个速度场大小和方向都是恒定的，因此样本理论上可以沿直线从噪声移动到目标数据。训练时只需要让网络在任意时刻预测这个速度，损失函数为均方误差。相比DDPM中变化复杂的噪声尺度，流匹配的回归目标更直观，网络不需要在不同噪声水平下学习差异巨大的映射。

二、训练与采样实现的关键细节

实际实现流匹配并不复杂。训练阶段每一轮迭代需要四步：从数据集采样一个真实样本，从先验采样一个噪声样本，从 0 到 1 均匀采样一个时间，计算插值样本和条件速度，然后让网络拟合这个速度。下面给出一个简化的PyTorch训练核心代码。

import torch
import torch.nn as nn
class FlowMatchingModel(nn.Module):
    def __init__(self, dim):
        super().__init__()
        self.net = nn.Sequential(
            nn.Linear(dim + 1, 256),
            nn.SiLU(),
            nn.Linear(256, 256),
            nn.SiLU(),
            nn.Linear(256, dim)
        )
    def forward(self, x, t):
        te = t.unsqueeze(1)
        h = torch.cat([x, te], dim=1)
        return self.net(h)
def train_step(model, x_1, optimizer, device):
    B = x_1.shape[0]
    x_0 = torch.randn_like(x_1).to(device)
    t = torch.rand(B, 1).to(device)
    x_t = (1 - t) * x_0 + t * x_1
    u_t = x_1 - x_0
    v_pred = model(x_t, t)
    loss = ((v_pred - u_t) ** 2).mean()
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()
    return loss.item()

采样阶段则完全基于ODE求解器。最简单的欧拉法已经可以在较少步数下得到不错的结果，因为流匹配的路径接近直线。与扩散模型不同，采样时没有随机噪声注入，每一步只沿着当前速度方向前进一个时间步长。这种确定性的更新也让结果更容易复现。实际使用时可以把欧拉法替换为更高阶的RK45或DPM-Solver等自适应求解器，进一步压缩步骤。

@torch.no_grad()
def sample(model, dim, n_samples, n_steps, device):
    x = torch.randn(n_samples, dim).to(device)
    dt = 1.0 / n_steps
    for step in range(n_steps):
        t = torch.full((n_samples, 1), step * dt).to(device)
        v = model(x, t)
        x = x + v * dt
    return x

对于条件图像生成，比如文生图任务，流匹配同样支持无分类器引导。训练时以一定概率随机丢弃文本条件，采样时计算有条件与无条件的速度差，用放大后的差值去调整原始速度。这个机制与扩散模型一致，但作用对象从噪声预测切换到速度预测，经验上同样能提升文本一致性和图像质量。

三、替代传统扩散的实际优势

流匹配带来的最直接变化是采样效率。传统扩散模型即使使用DDIM等加速采样器，通常也需要20到50步才能在保持质量的前提下生成图像，而普通DDPM需要数百步。流匹配由于路径接近直线，在10到20步内就能达到相近甚至更好的效果。更少的网络前向调用直接意味着更低的推理延迟和显存占用峰值，这对部署在边缘设备或实时交互场景非常关键。

训练稳定性和超参简化是第二个优势。扩散模型的训练需要精心设计噪声调度，包括正向过程的方差增长曲线以及损失加权策略。流匹配的训练速度目标不需要这些复杂的噪声尺度参数，直线路径天然给出了恒定的速度标签。实现时只需要一个均匀时间采样和一个均方误差损失，调参负担明显更小。对研究者和工程团队来说，这意味着可以把更多精力放在数据质量和条件控制上。

此外，流匹配的概率路径可以灵活设计。除了直线路径，还可以选择更复杂的条件路径来适配离散数据、结构化数据或黎曼流形。这种灵活性让同一个框架可以推广到文本、分子结构甚至蛋白质设计等领域。Stable Diffusion 3等前沿模型已经开始采用Rectified Flow和Flow Matching作为生成核心，这也表明工业界对这一技术路线的认可。当然，流匹配也并非万能，在处理极其高维和复杂的数据分布时，仍然需要较强的网络容量和足够的训练数据。当前生态中，扩散模型积累的加速工具和社区经验更丰富，两者在实际项目中可以根据任务特点和资源限制来选择。