《科創板日報》3月28日訊（編輯 宋子喬） 隨著OpenAI的圖像生成功能完成重大升級，新的問題出現了。
OpenAI創始人Sam Altman表示：ChatGPT的文生圖應用需求過高，我們的GPU“冒煙了”（melting，原為融化之意），在努力提高效率的同時，將暫時對ChatGPT生成圖片的功能引入一些速率限制。
這意味著，OpenAI將對ChatGPT的圖像生成功能實施臨時限速，降低單位時間內的請求處理量，緩解GPU過載壓力，並優先保障文本生成、對話等核心功能的穩定性，或許將暫時放緩圖像生成的技術優化節奏。
此前3月26日，OpenAI推出基於GPT-4o模型的圖像生成功能——Images in ChatGPT，使用者可在ChatGPT及Sora平臺直接通過自然語言指令生成、編輯圖像，支援多輪反覆運算優化。這標誌著ChatGPT正式將文本、圖像、代碼等多模態能力深度整合，實現從單一語言模型向全模態智慧體的跨越。
該功能上線后，以“動動嘴就能P圖”的便利迅速火爆，互聯網平臺上湧入大量由個人照片、知名梗圖轉變而來的“吉卜力”卡通風格圖片。連Altman也感歎起該功能帶來的潑天流量：“自己過去十年埋頭苦幹做AI，試圖幫助實現超級智慧來治癒癌症之類的事情。前7.5年幾乎無人問津，接下來的兩年半，做什麼都會引來所有人的厭惡。然後某天醒來收到幾百條消息，人們告訴你被畫成了吉卜力風格的美少年。”
與此同時，由於圖像生成功能的受歡迎程度遠超預期，OpenAI原本計劃本周向所有使用者推送這項功能，但現在“被迫”推遲了向免費用戶開放新功能的時間。
與作為擴散模型運行的DALL•E根本區別是，GPT-4o圖像生成是原生嵌入在ChatGPT中的自回歸模型。OpenAI根據在線圖像和文本的聯合分發來訓練模型，使得模型可以學習圖像與語言的關係，使其生成有用、一致且具備上下文感知的圖像。
GPU就像一群超級快的“畫師”，能同時處理大量計算任務，生成圖片（如DALL•E、Stable Diffusion）需要AI逐像素計算，每一步都要處理海量數據。而讓AI生成更精確、更高清的圖像依賴於GPU的大規模並行計算。OpenAI提到，因為這個模型會創建更詳細的圖片，所以圖像需要更長的渲染時間，通常會達到一分鐘。
如此一來，文生圖功能的使用者越多，需要的GPU算力成倍增長。
解決方式主要有兩種，更強的GPU或更高效的AI模型，前者走“力大磚飛”路線，後者寄希望於演算法的優化，即通過改進AI演算法讓同樣的GPU能處理更多任務（比如用更小的模型或壓縮技術）。
作為AI領域的頭部玩家，OpenAI背後的GPU儲備自然是業內頂尖水準。根據技術諮詢公司Omdia的分析，微軟作為OpenAI的主要投資者，在2024年購買了約48.5萬塊英偉達的Hopper晶片，是其主要競爭對手Meta的兩倍，這使其成為英偉達GPU的最大買家。OpenAI的大模型正是用微軟的Azure雲基礎設施進行訓練。
可以說，OpenAI因新功能面臨的問題，折射了AI多模態技術發展中的資源與需求平衡難題，一方面，AI應用對GPU等算力資源的需求依然龐大，另一方面，行業繼續呼喚技術反覆運算，以求高效利用現有資源。