一个新的浪潮，正在继续往前推。
从3D生成到多模态，AI赛道的方向更迭，比人们想象中要快得多。
衡宇 发自 凹非寺
AI快讯网 |
DDIM之父宋佳铭（Jiaming Song），在领英上发布了自己从Luma AI离职的消息。
DDIM全称Denoising Diffusion Implicit Models。
这位推动扩散模型工业化落地的关键人物出走，正值 Luma AI凭Dream Machine、Uni-1.1等产品跻身全球多模态第一梯队的关键期。值得注意的是，这一变动背后，是AI行业竞争格局的进一步白热化——当基础模型能力趋于同质化时，核心人才的流向，往往预示着下一阶段技术路线的重新洗牌。
时间拉回2023年。
彼时在英伟达担任高级研究科学家的宋佳铭，选择跳出大厂体系，加盟风头正盛的初创企业Luma AI，出任首席科学家。
他在动态中提到，加入Luma的几年里，他参与推动了几次关键技术转向，从3D生成到视频生成，再到最近的多模态基础模型。
2023年，AI 3D生成赛道全面爆发，行业争相探索NeRF、文生3D技术落地场景，Luma AI凭借Genie系列模型站稳脚跟。
2024年，文生视频成为行业新风口，OpenAI Sora问世带动全网视频AI竞赛，Luma AI顺势推出Dream Machine，凭极致的画面一致性、电影级运镜能力出圈。
2025年至今，单一模态模型逐渐遇顶，多模态大一统、AI世界模型成为行业新叙事，Luma AI又快速迭代出Uni-1.1多模态模型，完成技术赛道的再度升级。
Luma的转型轨迹，几乎就是AI生成赛道过去三年的缩影。 客观来看，这种快速转舵的能力成就了Luma，但也考验着核心团队的耐性——从3D到视频再到多模态，每一次转向都意味着对原有技术积累的部分放弃，以及对新领域的全力投入。
宋佳铭加入LumaAI的节点，正好是这家公司从3D生成产品向多模态基础模型加速转型的时候。
彼时LumaAI刚拿到a16z领投的B轮融资，一边发布Genie1.0继续押注文生3D，一边把融资用途指向基础模型算力、数据和团队扩张。
宋佳铭感慨道，在Luma工作期间，他有机会和一群出色研究者一起工作，并帮助搭建了一些很多人原本认为不可能由这样规模公司完成的系统。
不过在与这家公司并肩作战接近三年后，宋佳铭决心离开。
目前，宋佳铭的LinkedIn职业信息已更新，他已于本月离职。
但尚未未标注其新任职公司或任何创业计划。 这种“空窗期”在AI圈并不常见，通常意味着他可能正在酝酿更大的动作——要么是加入另一家更具野心的团队，要么是亲自下场创业。
宋佳铭的核心标签，是扩散模型落地时代的开创者。
最重要的工作是他2020年作为一作提出的DDIM。
这篇论文与DDPM共同奠定了扩散模型在图像生成领域的理论基础，直接影响了后来Stable Diffusion、DALL-E、Midjourney等产品的技术路线。
可以这样说，没有DDIM，生成式AI的爆发可能要晚很多。从技术史的角度看，DDIM的意义不仅在于它让扩散模型变得更快，更在于它首次为这类模型提供了一条清晰的“可逆”路径，使得后续的条件生成、编辑等应用成为可能。
除DDIM外，宋佳铭也参与了SDEdit等早期扩散模型代表性工作。
时间线往前拉，宋佳铭的履历也一直沿着机器学习和生成模型展开。
宋佳铭生于1994年。
2012年至2016年，宋佳铭就读于清华大学计算机科学与技术系。
本科毕业时获得OutstandingHonor，排名Top1%。
在清华期间，他曾与清华教授朱军、杜克大学教授Lawrence Carin合作。
本科毕业后，宋佳铭进入斯坦福大学计算机系攻读硕士和博士，导师为Stefano Ermon，专攻生成模型、概率建模与计算机视觉方向。
在正式进入工业界之前，宋佳铭已有多段研究经历。
2016年，他在旷视实习；2017年，他曾OpenAI担任研究实习生；2018年，他又在Meta FAIR实习过。
2021年至2022年，他在斯坦福大学计算机系做博士后研究。
2022年，他加入英伟达担任研究科学家，后升任高级研究科学家，期间参与了英伟达的人工智能基础研究工作，特别是“Picasso”项目。
2023年，宋佳铭跳槽到Luma AI，担任首席科学家。
宋佳铭参与过的工作，一路从DDIM、SDEdit，走到了今天的多模态基础模型。
让人不禁感慨，AI行业这几年变化快得有点不真实。
前一年大家还在讨论文生3D，下一年视频生成突然爆发，再过一年，多模态和世界模型又成了新的方向。很多曾经炙手可热的概念，很快就被下一轮技术浪潮推着往前走。
方向在变，公司在变，技术工作者也在不断学习、不断流动。
有时候甚至会觉得，整个行业像一列始终没有减速的高速列车。人们一边追赶新的模型、新的参数、新的叙事，一边又不断和上一轮热点告别。
很多曾经具体而鲜活的名字，没过多久，就会变成上一轮AI浪潮里的注脚。
而新的浪潮，还在继续往前推。
从更宏观的视角来看，宋佳铭的职业生涯恰好折射出AI基础设施层与产品应用层之间的矛盾张力。他在英伟达、Luma的经历证明了顶尖学者在技术落地中的价值，但同时也暴露出一个问题：当公司战略每隔12-18个月就必须切换一次时，个人长期研究方向的坚持与组织短期商业目标的博弈，正在成为越来越多AI人才必须面对的常态。这或许就是“追赶浪潮”的代价——你是选择成为浪潮的推动者，还是最终被下一个浪头吞没？
