扩散模型（Diffusion Models）的灵感来源于非平衡热力学中的扩散过程。起源可以追溯到2015年，当时有研究者提出了深度生成模型（Deep Generative Models），为后来的扩散模型奠定了基础。2018年，Diffusion Models被正式提出，通过学习数据分布的逆过程，实现了更加稳定、多样化的样本生成。扩散模型的技术发展经历了几个重要的阶段。最初，扩散模型被用于图像生成任务，在这一领域超越了原有的生成对抗网络（GAN）成为新的SOTA（State of the Art）。随后，扩散模型的应用领域逐渐扩展到自然语言处理、波形信号处理等多个领域。