扩散模型在过去几年彻底改变了图像生成领域，而其架构的演进更是体现了AI设计理念的不断突破。从最初的U-Net架构到如今的DiT（Diffusion Transformer），每一次架构创新都带来了生成质量的显著提升。 早期的扩散模型主要采用U-Net架构作为去噪网络的backbone。U-Net的编码器-解码器结构特别适合处理图像数据，其跳跃连接机制能够有效保留空间信息。然而，随着模型规模的扩大，U-Net在处理高分辨率图像时逐渐显露出局限性：参数效率低下、长距离依赖建模能力有限。 随着'Attention is All You Need'的提出，Transformer架构展现出了强大的序列建模能力。研究者们开始尝试将注意力机制引入扩散模型，以解决U-Net在处理大尺度图像时的瓶颈问题。这一转变不仅提升了生成质量，还显著改善了模型的计算效率。 最新的DiT架构彻底抛弃了传统的卷积架构，完全基于Transformer设计。这种架构创新带来了多项优势：全局上下文建模、参数效率提升、扩展性更强。尽管仍面临计算复杂度和内存消耗等挑战，但这一演进历程告诉我们：AI架构设计需要在性能与效率之间找到最佳平衡点。