一句话定义：变分自编码器（Variational Autoencoder, VAE）是一种生成模型，它把数据压成一个概率分布而不是一个固定坐标，再从这团分布里采样、重建出新的数据。
它到底在干什么
先看普通自编码器（Autoencoder, AE）。它像一台压缩软件：编码器把一张图片压成一小串数字（潜在向量），解码器再把这串数字还原成图片。问题是，这串数字是"死"的——训练完只对见过的图片有效。你随手在潜在空间里取一个点丢给解码器，大概率得到一团噪声。
VAE 换了个思路：编码器不输出一个点，而是输出一个分布——一个均值和一个方差，表示"这张图大概在这个位置，附近多大范围内都算同类"。
打个比方：寄快递时，普通自编码器写的是"3 号楼 502 室"，而 VAE 写的是"3 号楼附近，范围 200 米"。听起来更模糊，但好处是——这个片区里的任何地址都有意义，都对应一张"像样"的图片。所以 VAE 的潜在空间是连续、平滑的，你可以取两张人脸之间的中点，解码出来是一张过渡脸；也可以随机撒点，生成全新的样本。
难点在于：从分布里采样这个动作本身没法求导，梯度传不回去。VAE 用重参数化技巧（reparameterization trick）绕开——把采样写成"均值 + 标准差 × 随机噪声"，随机性被隔离到一个无关的噪声项里，剩下的部分正常反向传播。
训练目标由两部分组成：重建误差（还原得像不像）和 KL 散度（Kullback-Leibler divergence）（编码出的分布别离标准正态太远）。后者相当于给潜在空间"规整一下"，防止模型把每张图都塞进一个孤立的角落。这个组合目标在数学上叫证据下界（ELBO）。
和邻居们的区别
| 潜在空间 | 生成质量 | 训练稳定性 | 能插值吗 | |
|---|---|---|---|---|
| AE | 离散、散乱 | 不能生成新样本 | 稳 | 不能 |
| VAE | 连续、平滑 | 偏模糊 | 稳 | 能 |
| GAN | 无显式编码器 | 锐利 | 易崩、模式丢失 | 勉强 |
AI 词典：生成对抗网络">生成对抗网络（Generative Adversarial Network, GAN）靠判别器对抗，出图锐利但难驯服；VAE 靠概率建模，图偏糊但好训练、覆盖广。
为什么现在还要懂它
VAE 是扩散模型的重要前身。扩散模型可以理解为把"一步到位加噪去噪"拆成几十上百步的层级式 VAE，思路一脉相承；而很多图像生成方案干脆先用 VAE 把图压进潜在空间，再在低维空间里做扩散——省算力的关键一步就在这里。所以今天读扩散模型的论文，VAE 的 ELBO、重参数化、潜空间这些词会反复出现。
对从业者而言，VAE 更实用的场景反而是表示学习：异常检测里，正常样本重建误差小、异常样本误差大；分子与材料设计里，在连续潜在空间上做梯度优化，比在离散结构上搜索容易得多。对普通人来说，它解释了一件事：AI 生成不是"拼贴已有素材"，而是在学习一类事物的分布形状，再从形状里取点。具体的模型实现与接口以官方页面为准。
一句话记住它：VAE 不记路，它画地图。