
一场访谈的价值,有时不在于揭示了多少技术细节,而在于它意外袒露出两个人的命运是如何被同一次产品发布彻底改写的。Andreas Blattmann 与 Dustin Podell 的对话原本是要谈 Black Forest Labs 如何把图像、视频与音频训练进同一个模型骨架,但真正让人坐直身体的,是他们回忆起 2022 年夏天 Stable Diffusion 发布时那条奇怪的分界线——同一个产品,在旧金山湾区掀起了辞职潮,在德国却几乎没人注意到。
Andreas(Andy)是潜扩散(latent diffusion)技术的共同发明人,这项技术后来被 Stability AI 规模化为 Stable Diffusion;Dustin Podell 则是 SDXL 的作者、Control Laura 的开发者、SD3 的后训练负责人,也是 Flux Ultra、Flux 1 与 Flux Context 的核心贡献者。两人如今都是 Black Forest Labs 的创始团队成员。
这场对话来自 Latent Space 播客,主持人 swyx 与两位嘉宾相识已久,早在 ICML 期间就见过面,当时 BFL 还只是"离开 Stability 之后要做什么"的一个念头。
1. 同一张照片,裂开了两种人生
Dustin 说出这句话时带着一点自嘲:引发他辞职的那个 Stable Diffusion,他当时甚至还没加入 Andy 和 Robin 的团队。他原本是一名普通的软件开发者,做了大约十年,直到看到开源社区里扩散模型和 GAN 的早期进展,才一头扎进了这个方向。swyx 的经历几乎一致——Latent Space 这档播客本身,就是因为 Stable Diffusion 发布而诞生的。他说自己当时意识到,"我对 AI 的全部认知都是错的,因为这东西居然能在我的笔记本上跑起来,如果我在这件事上错了,那我还在别的什么事情上错着?"
但 Andreas 提供了一个意外的对照组。他说在德国,那次 2022 年夏天的发布几乎没有引起多少反响。开源社区里确实有一小批人关注到了,但绝大多数人对此毫无感知,与湾区的震动形成了鲜明反差。同一次模型开源,在不同的地理与文化语境里,激起的涟漪完全不成比例——这也是这场访谈里最先浮出水面的细节,比任何技术参数都更让人意外。
2. 黑森林与潜空间:两个名字背后的故事
"Black Forest"这个名字,字面意思就是德国的黑森林山脉。Andreas 解释说,创始团队当年创业时没有人要求他们必须去旧金山或任何其他地方,于是他们决定把公司开在自己的出生地——弗赖堡,恰好就在黑森林脚下。更巧的是,他和共同创始人 Robin 是在读博期间认识的,后来才发现两人出生的地方相距不到十英里。
"Latent Space"这个名字的来历则更有意思。Andreas 说这个名字呼应的是变分自编码器(VAE)的核心思想:把事物转译到一个潜空间里,再去探索那些与现有事物相邻的可能性,然后再转译回来——这被他称为"一种关于创造力的优雅洞察"。但 swyx 补充了另一层来源:英国作家 Terry Pratchett 笔下有一个"L-space"(图书馆空间)的概念,由一只猿猩担任"不可见大学"的图书管理员,理论上一座收藏了所有可能书籍的图书馆里,总能找到那本恰好适合你的书。播客最初就叫"Lspace",直到一位读者在域名里多打了几个字母,变成了"Latent Space"。
3. 从海德堡物理系走出的扩散算法
Andreas 和 Robin、Patrick 是在海德堡读博时认识的,那是七年前的事。他提到团队几个人都有物理背景,这让"扩散"这个物理现象与机器学习生成模型之间的映射,对他们而言天生带着一种哲学上的美感——这正是他们投身这个方向的原因。
潜扩散算法就是在那段博士期间开发出来的,团队随后搬到慕尼黑,把这套算法规模化,最终变成了 Stable Diffusion。Andreas 把过去几年形容为"坐上了一台火箭",过程异常有趣,也是在那个阶段认识了 Dustin——他称 Dustin 是团队里最早、也最重要的研究者之一。
4. "我们不是一家图像生成实验室"
在正式访谈之前,节目截取了一段预告式的发言,道出了 BFL 真正想做的事:"BFL 的成立初衷从来不是做一家图像生成实验室,视频建模才是理解这个世界运作方式的核心手段。" 这句话几乎是整段访谈的注脚——图像生成只是起点,不是终点。
同一段预告里还提到了公司的规模:BFL 迄今总共融资 4.5 亿美元,截至去年 12 月公开的数据显示收入已超过 1 亿美元。更耐人寻味的是对一次早期训练实验的回忆——"可能只训练了六个小时,四个小时就出结果了,是一次非常非常短的训练。但突然之间,我好像看到了一种清晰的泛化能力从里面冒出来。"那种从极短训练里窥见"泛化"苗头的瞬间,听起来更像是一次直觉上的震动,而不是一次工程上的胜利,但正是这种震动,把他们推向了后来横跨图像、视频与音频的训练路线。
从一次让硅谷辞职、却让德国无动于衷的开源发布,到一个只用了几个小时就显露出泛化迹象的训练实验,Andreas 和 Dustin 的故事绕了一圈,最终又回到了同一个命题:技术的扩散从来不是均匀的,它总是先在某些人身上炸开,再慢慢渗透到所有人身上。而 Black Forest Labs 现在要做的,是把当年那种"泛化"的直觉,继续推向图像之外的世界。
