Sakana AI这波把深度模型的显存瓶颈给拆了，1/B显存就能训大网络，实验还吊打端到端

ICLR 2026 上，Sakana AI 与东京大学提出 DiffusionBlocks，将网络分块并把分块更新映射为扩散模型的逆向去噪，实现区块级独立训练。训练时仅加载一个区块，其他区块不载显存，显存降至原来1/B，突破深度带来的显存瓶颈。实验表明在视觉 Transformer、DiT 图像生成与文本生成任务中，分块训练可媲美甚至超越端到端；对 Looped Transformer 也可用单向前向更新，显著降低训练计算。