每經(jīng)編輯 杜宇

隨著OpenAI的圖像生成功能完成重大升級(jí)，新的問(wèn)題出現(xiàn)了。

OpenAI首席執(zhí)行官薩姆?奧爾特曼（Sam Altman）表示：ChatGPT的文生圖應(yīng)用需求過(guò)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(shí)，將暫時(shí)對(duì)ChatGPT生成圖片的功能引入一些速率限制。

圖片來(lái)源：社交平臺(tái)

這意味著，OpenAI將對(duì)ChatGPT的圖像生成功能實(shí)施臨時(shí)限速，降低單位時(shí)間內(nèi)的請(qǐng)求處理量，緩解GPU過(guò)載壓力，并優(yōu)先保障文本生成、對(duì)話(huà)等核心功能的穩(wěn)定性，或許將暫時(shí)放緩圖像生成的技術(shù)優(yōu)化節(jié)奏。

據(jù)OpenAI官網(wǎng)，當(dāng)?shù)貢r(shí)間3月25日，美國(guó)開(kāi)放人工智能研究中心（OpenAI）宣布正式推出GPT-4o圖像生成功能。

圖片來(lái)源：OpenAI官網(wǎng)

該功能上線(xiàn)后，以“動(dòng)動(dòng)嘴就能P圖”的便利迅速火爆，互聯(lián)網(wǎng)平臺(tái)上涌入大量由個(gè)人照片、知名梗圖轉(zhuǎn)變而來(lái)的“吉卜力”卡通風(fēng)格圖片。

“動(dòng)動(dòng)嘴就能P圖”是指通過(guò)簡(jiǎn)單的文字描述或語(yǔ)音指令，利用AI技術(shù)直接對(duì)圖片進(jìn)行編輯、修改或生成，而無(wú)需手動(dòng)使用復(fù)雜的圖像編輯工具，如Photoshop等。這種功能的核心在于將自然語(yǔ)言處理與圖像生成技術(shù)相結(jié)合，極大地降低了圖片編輯的門(mén)檻。

GPT-4o是一個(gè)多模態(tài)AI模型，能夠接受文本、音頻和圖像的組合輸入，并生成相應(yīng)的圖像輸出。這意味著用戶(hù)可以通過(guò)語(yǔ)音指令來(lái)要求AI生成或修改圖像，而不僅僅局限于文字描述。

連Altman也感嘆起該功能帶來(lái)的潑天流量：“自己過(guò)去十年埋頭苦干做AI，試圖幫助實(shí)現(xiàn)超級(jí)智能來(lái)治愈癌癥之類(lèi)的事情。前7.5年幾乎無(wú)人問(wèn)津，接下來(lái)的兩年半，做什么都會(huì)引來(lái)所有人的厭惡。然后某天醒來(lái)收到幾百條消息，人們告訴你被畫(huà)成了吉卜力風(fēng)格的美少年。”

Sam Altman在社交平臺(tái)上的新頭像，生成自Images in ChatGPT

據(jù)OpenAI介紹，GPT-4o圖像生成功能具備四大核心優(yōu)勢(shì)：精準(zhǔn)文本渲染、嚴(yán)格指令遵循、深度知識(shí)調(diào)用及創(chuàng)意拓展能力。

據(jù)揚(yáng)子晚報(bào)·紫牛新聞，為驗(yàn)證其實(shí)際表現(xiàn)，記者進(jìn)行了多組實(shí)測(cè)。在測(cè)試“生成一張帶有‘揚(yáng)子晚報(bào)/紫牛新聞’字樣的照片”時(shí)，GPT-4o精準(zhǔn)還原了英文部分內(nèi)容，但對(duì)于中文字符的識(shí)別能力有待提升。整個(gè)過(guò)程耗時(shí)約30秒，生成速度遠(yuǎn)超預(yù)期。

圖片來(lái)源：揚(yáng)子晚報(bào)·紫牛新聞

在另一項(xiàng)測(cè)試中，通過(guò)多輪對(duì)話(huà)優(yōu)化圖像。首先要求生成“一只老虎，戴著黑色墨鏡”，GPT-4o迅速呈現(xiàn)了細(xì)節(jié)豐富的畫(huà)面。老虎的毛發(fā)紋理清晰可見(jiàn)，透過(guò)墨鏡能看到老虎的眼睛細(xì)節(jié)。隨后，記者進(jìn)一步輸入指令“給這個(gè)老虎戴上偵探帽，并生成游戲場(chǎng)景”，新生成的圖像不僅完美實(shí)現(xiàn)了場(chǎng)景變化，還保持了主體特征的一致性，展現(xiàn)了強(qiáng)大的上下文連貫性。

圖片來(lái)源：揚(yáng)子晚報(bào)·紫牛新聞

針對(duì)復(fù)雜場(chǎng)景的處理能力，以“設(shè)計(jì)一個(gè)包含12個(gè)不同物體的4x3網(wǎng)格圖，每個(gè)物體需準(zhǔn)確呈現(xiàn)指定特征”進(jìn)行測(cè)試。GPT-4o成功應(yīng)對(duì)了這一挑戰(zhàn)，從藍(lán)色星星、紅色三角形到彩虹閃電，細(xì)節(jié)精準(zhǔn)度令人驚嘆。但可能是對(duì)中文理解能力不足，生成圖案中存在指令缺失的情況。

在實(shí)用性測(cè)試中，記者嘗試生成專(zhuān)業(yè)場(chǎng)景圖像。例如，要求“制作一份傳統(tǒng)中式風(fēng)格的餐廳菜單，包含毛血旺和酸菜魚(yú)的菜品描述”。GPT-4o生成的菜單不僅文字排版優(yōu)雅，插畫(huà)風(fēng)格與菜品完美契合，整體視覺(jué)效果令人滿(mǎn)意。此外，生成科學(xué)示意圖的能力同樣出色。記者輸入指令“繪制牛頓棱鏡實(shí)驗(yàn)的示意圖”，模型迅速輸出了結(jié)構(gòu)清晰的教學(xué)圖像。

盡管存在這些不足，GPT-4o 圖像生成功能的革新性依然顯著。其精準(zhǔn)的文本渲染能力、對(duì)復(fù)雜指令的高遵循度，以及多輪對(duì)話(huà)中的一致性表現(xiàn)，為創(chuàng)意設(shè)計(jì)、教育教學(xué)、游戲開(kāi)發(fā)等領(lǐng)域提供了強(qiáng)大工具。正如OpenAI首席執(zhí)行官薩姆?奧爾特曼（Sam Altman）所言，這一功能的推出標(biāo)志著 “創(chuàng)作自由的新高點(diǎn)”，用戶(hù)將借此釋放更多視覺(jué)創(chuàng)意潛能。

作為AI領(lǐng)域的頭部玩家，OpenAI背后的GPU儲(chǔ)備自然是業(yè)內(nèi)頂尖水準(zhǔn)。根據(jù)技術(shù)咨詢(xún)公司Omdia的分析，微軟作為OpenAI的主要投資者，在2024年購(gòu)買(mǎi)了約48.5萬(wàn)塊英偉達(dá)的Hopper芯片，是其主要競(jìng)爭(zhēng)對(duì)手Meta的兩倍，這使其成為英偉達(dá)GPU的最大買(mǎi)家。OpenAI的大模型正是用微軟的Azure云基礎(chǔ)設(shè)施進(jìn)行訓(xùn)練。

可以說(shuō)，OpenAI因新功能面臨的問(wèn)題，折射了AI多模態(tài)技術(shù)發(fā)展中的資源與需求平衡難題，一方面，AI應(yīng)用對(duì)GPU等算力資源的需求依然龐大，另一方面，行業(yè)繼續(xù)呼喚技術(shù)迭代，以求高效利用現(xiàn)有資源。

圖片來(lái)源：視覺(jué)中國(guó)

據(jù)北京商報(bào)，此次更新GPT-4o的圖像生成功能之后，OpenAI更大的產(chǎn)品更新將是推出GPT-5。今年2月，OpenAI首席執(zhí)行官山姆·奧爾特曼表示，OpenAI將會(huì)在ChatGPT和API服務(wù)中搭載新模型GPT-5，GPT-5將集成公司多項(xiàng)技術(shù)，包括推理模型o3的技術(shù)，GPT-5可能會(huì)在未來(lái)幾個(gè)月內(nèi)推出。

封面圖片來(lái)源：每日經(jīng)濟(jì)新聞 資料圖