GPT4o的多模态生图前天上线之后。
经过两天的发酵，含金量还在不断提升。
在我的群里，已经能看到越来越多的，进入到实际生产环节的例子。
比如@银海的直接做商品图的翻译和合成，这是原来的算法，很难做的效果，但是现在，有手就行。
非常复杂的电商流程，一张原始图，换产品换脸换衣服。
比如@歸藏的直接把UI图放样机里面的例子，如果做过UI或者产品设计的朋友肯定都知道，以前我们在做展示，或者做汇报的时候，经常做样机做的挺痛苦的。
比如给他头像，画的两套表情包，是可以直接上架到微信表情商店的那种。
来自一个顶级消费品公司的电商设计团队负责人@黄花鱼，用GPT-4o来直接做之前非常流行的3D品牌海报。
比如我一个很喜欢的小红书AI博主@Rico有三猫，用GPT-4o给她做小红书封面。
也用GPT-4o直接做商品图翻译出海。
群友@默月佥在用GPT-4o出蜜蜂的解剖科普图。
一个很专业的公众号AI博主@阿真lrene，不仅用GPT-4o生成复杂的漫画，还能抠图，一键直出透明通道的PNG图。
干死各种抠图软件的不是更牛逼的抠图软件，而是大模型。。。
还有朋友@不知名网友虎子哥，用GPT-4o给他自己家的房子装修。。。
还有一些我确实不知道源头的但是被传播的蛮广的例子（如有作者，欢迎评论区认领）。
给几个家具做一个展示图，这个场景在电商领域无敌。
之前我写可灵的AI模特的时候，很多人问，能不能让模特戴首饰？现在，可以了。
还用它，直接P图，消除人物。
老照片一键修复+上色。
甚至，还可以模仿字体做字体设计。
在GPT-4o的冲击下，N多的设计师和创业者，都有点emo了。
比如就有大佬在X上感叹道：
朋友圈里还看到了一张图，是glif的老板，在X上发的。
纪念ComfyUI，纪念一切的AI图像工作流。
OpenAI的一次更新，又屠杀了一堆公司。
又一次深刻的阐明了那句《三体》中的经典台词：
我消灭你，与你无关。
GPT-4o的冲击当然是有，但是，他的上限在哪？能做到什么地步？真的能彻底替代ComfyUI的AI图像工作流吗？
我想弄清楚这个答案。
首先我觉得我还是要跟大家非常简单的用一两句话解释一下ComfyUI，让大家知道这玩意是个啥，我们才好继续往下聊。
ComfyUI是一个非常专业的工作流工具，不局限于AI绘图，AI视频啥的也都可以往里面接。他的界面大概是这样的，很像电路板。
这个就是在Liblib上搭的ComfyUI工作流。
它是以节点方式，把各个工具、各个模型给串起来，形成一整套的工作流，比如一张图进去，经过各种节点和插件，输出一个完全风格不同的AI视频，这都是OK的。
坦率的讲，我不是ComfyUI的专家的，做过的工作流也不多，我觉得在这个领域，我并没有那么强的发言权，所以。
我去请教了一下我的1个好朋友，AI绘图大神@炼丹师忠忠。
我想听听，他的看法。
首先是，GPT-4o对电商设计的冲击到底有多大？
我跟忠忠聊了很久。
最后得到的结论，跟我自己在设计行业里感受到的水温差不多。
对于普通水平的电商设计师，肯定是有打击的，他们原有的技能水平也就只能产出跟gpt4o差不多的图，相对来说意义不大了。
上游的运营专员可以自己操作工具来生产一样质量的图。跟被冲击的插画师类似，可能会变为帮忙修补gpt4o产出的图的bug，还有叠加原图部分细节上去加强细节还原（类似于高低频修复流程）。
生产成本降低后，需求量会变大，原本用不起各种华丽背景图包装的商家，现在也用的起了。
从效果上极简操作就能生图的工具有美图设计室等一堆工具，GPT4o只是在某些效果方面更进一步而已，对于专业级的实际商业生产的影响可能没有那么大。
而从视觉设计角度，对现有的整个开源生态，反而是利好作用。
忠忠举了自己设计的公司IP的例子。
现在，可以一句话把IP的3D模型，直出到品牌海报上，不需要走以前的3D建模+渲染了，大大节省了时间。
同时，更有趣的一点是，GPT-4o可以根据一张IP草图，来生成这个IP的各角度视图。
而这些图，会进一步推动flux等开源模型的微调版本的效果。
你可能会问，都有GPT-4o了，为什么还要去微调flux，在ComfyUI搭工作流用呢？这不是脱裤子放屁多此一举呢？
其实有两个原因。
数据隐私性和精准性。
数据隐私很好解释，就是GPT-4o是一个闭源的模型，后面最多最多也就是开放一个API，让大家接到ComfyUI里面去用，但是，就OpenAI这个尿性，我们给过去的东西，大概率就成他后续的训练素材了。
举个例子，《流浪地球3》2027年上映，要是现在美术组把核心概念图或者设定图直接灌给GPT-4o做一些处理，到时候，《流浪地球3》电影还没上映，设定图你可以直接在GPT-5o里面让它画出来，这特么就炸了。。。
所以，数据隐私性至关重要，在真正的生产环境里，特别是一些大厂里，必须只能用本地的ComfyUI搭，真正的输出，必须是本地环境，用开源的模型。
所以，这个时候，我们就可以用一些不敏感的信息，扔给GPT-4o，来辅助生成数据集，反过来微调自己的flux模型，这个点，真的很有用。
精准性其实也很简单，我们回过头来看忠忠用GPT-4o输出的自己家IP的海报。
先不说其他的细节了，这几处，你是能发现一些明显的BUG的。
这其实在生产环境里，这种BUG是品牌方觉得不可能接受的，就想你给一个手机产品做广告，你把人手机弄变形了，你跟人说不行AI出得就是这样的，你看对面会不会把你挂在电风扇上转着打。
而这个时候，用Flux专门微调的Lora，是可以完美的解决这种精准性和一致性的问题的。
这其实就是普通设计场景和专业设计场景的区别。
GPT-4o当然可以替代大部分的普通工作流，会让ComfyUI里一大批的工作流失去价值，但是这就不代表，ComfyUI失去价值了。
很简单的一点是，在专业的设计工作里，纯对话式的简单界面满足不了复杂专业的需求的。
就像你问一个专业设计师，为什么设计是用PS做设计，而不用美图秀秀来做设计，对方只会把你当傻子。
在真正的专业的AI设计工作里，可控性，很多时候非常的重要。
需要精确的规定重绘区域，需要精确的调节风格效果，出图尺寸比例等，所以在专业生产中需要精确调节的细节，不能指望OpenAI全做成功能。
还有前后处理流程，比如说前置的裁剪，抠图，语义识别，后置的比如对图片的放大，贴回原图细节（高低频修复），再接入其他工作流继续处理等。
自动化一键完成的效率要比多轮对话高很多。
包括在一些精准度要求高的产品和场景上，GPT-4o目前还达不到专业级的水准。
看个例子。
比如我们要把问界M9这款车，换到另一个场景里。车这种产品，跟笔、戒指、香水等等要求的精细度，完全不一样。
这是GPT-4o出的图。
而如果我们用大佬的牛逼工作流呢？
生成出来的效果在整体比例和质感上，是更好的。
对比应该非常直观了。
这里我要给自己叠个甲，我并不是在这里鼓吹，GPT-4o不行，ComfyUI的效果可以吊打GPT-4o。
如果是这样的话，我也不会连更两篇，来给大家看一看，GPT-4o，有多酷，有多强。
我想说的是，GPT-4o，跟当年的SD、Midjorney、Runway、可灵等等AI工具是一样的。
会无差别替代所有这个行业里面的初级执行职位。
屠杀所有曾经在工程层面对大模型进行的一些优化。
然后，一点一点侵蚀更上层的建筑。
它更像是一层层汹涌上涨的潮水，将整个AI图像领域原有的边界打得支离破碎。
都说做AI产品，要看到大模型的边界，在边界之外的安全地带做。
但是现在，你根本不知道边界在何方。
那些看似高耸的技术壁垒与工作流程，如果只是基于简单组装或者初级执行的逻辑，正在被GPT-4o以近乎暴力的方式消解。
绝大多数机械式的制作工作，一旦被强大的多模态理解与生成替代，就会像那些轰然倒塌的围墙一样，被历史的风尘轻易覆盖。
有没有一种第一次工业革命时候，机器代替手工劳动的即视感？
历史总是在不断的重复。
可一如上文所言，这绝不代表ComfyUI之流就会被完全淘汰。
在工业级、专业级的深度工作流里，人们对数据安全、设计精度、可控度的需求不可能凭空消失。
那种图像与视频的多次处理、分层输出、版本管理、脚本化批量运行、自动化节点衔接，只要是大型企业或核心团队，都会很在意。
GPT-4o会在C端和中小B端市场里摧枯拉朽，取代了大量低端或者重复性工作。
而ComfyUI、Flux、ControlNet等开源生态则在更专业的领域继续进化，利用它们精细、可控、可离线部署的特性，为高端客户或机密项目提供服务。
这气势就像云端办公与本地办公的关系一样，前者无限便捷，后者安全可控。
也如同家用轿车与顶级跑车的分别，各自目标用户并不冲突。
GPT-4o也一定会不断进化，去扩大自己的边界蚕食更多的场景。
开源生态也会有各种可以复刻效果的模型、产品出来，从而进行私有化。
没什么能够阻止浪潮向前。
要么成为浪潮的追随者，要么成为浪潮的推手。
这二者，都肯定比做一块沉在海底的礁石，要精彩得多。
你说是吗。
多模态又考验算力了 ChatGPT文生图功能火爆 奥尔特曼：GPU冒烟了
随着OpenAI的图像生成功能完成重大升级，新的问题出现了。
OpenAI创始人Sam Altman表示：ChatGPT的文生图应用需求过高，我们的GPU“冒烟了”（melting，原为融化之意），在努力提高效率的同时，将暂时对ChatGPT生成图片的功能引入一些速率限制。
这意味着，OpenAI将对ChatGPT的图像生成功能实施临时限速，降低单位时间内的请求处理量，缓解GPU过载压力，并优先保障文本生成、对话等核心功能的稳定性，或许将暂时放缓图像生成的技术优化节奏。
此前3月26日，OpenAI推出基于GPT-4o模型的图像生成功能——Images in ChatGPT，用户可在ChatGPT及Sora平台直接通过自然语言指令生成、编辑图像，支持多轮迭代优化。这标志着ChatGPT正式将文本、图像、代码等多模态能力深度整合，实现从单一语言模型向全模态智能体的跨越。
该功能上线后，以“动动嘴就能P图”的便利迅速火爆，互联网平台上涌入大量由个人照片、知名梗图转变而来的“吉卜力”卡通风格图片。连Altman也感叹起该功能带来的泼天流量：“自己过去十年埋头苦干做AI，试图帮助实现超级智能来治愈癌症之类的事情。前7.5年几乎无人问津，接下来的两年半，做什么都会引来所有人的厌恶。然后某天醒来收到几百条消息，人们告诉你被画成了吉卜力风格的美少年。”
Sam Altman在社交平台上的新头像，生成自Images in ChatGPT
生成自Images in ChatGPT
与此同时，由于图像生成功能的受欢迎程度远超预期，OpenAI原本计划本周向所有用户推送这项功能，但现在“被迫”推迟了向免费用户开放新功能的时间。
与作为扩散模型运行的DALL•E根本区别是，GPT-4o图像生成是原生嵌入在ChatGPT中的自回归模型。OpenAI根据在线图像和文本的联合分发来训练模型，使得模型可以学习图像与语言的关系，使其生成有用、一致且具备上下文感知的图像。
GPU就像一群超级快的“画师”，能同时处理大量计算任务，生成图片（如DALL•E、Stable Diffusion）需要AI逐像素计算，每一步都要处理海量数据。而让AI生成更精确、更高清的图像依赖于GPU的大规模并行计算。OpenAI提到，因为这个模型会创建更详细的图片，所以图像需要更长的渲染时间，通常会达到一分钟。
如此一来，文生图功能的用户越多，需要的GPU算力成倍增长。
解决方式主要有两种，更强的GPU或更高效的AI模型，前者走“力大砖飞”路线，后者寄希望于算法的优化，即通过改进AI算法让同样的GPU能处理更多任务（比如用更小的模型或压缩技术）。
作为AI领域的头部玩家，OpenAI背后的GPU储备自然是业内顶尖水准。根据技术咨询公司Omdia的分析，微软作为OpenAI的主要投资者，在2024年购买了约48.5万块英伟达的Hopper芯片，是其主要竞争对手Meta的两倍，这使其成为英伟达GPU的最大买家。OpenAI的大模型正是用微软的Azure云基础设施进行训练。
可以说，OpenAI因新功能面临的问题，折射了AI多模态技术发展中的资源与需求平衡难题，一方面，AI应用对GPU等算力资源的需求依然庞大，另一方面，行业继续呼唤技术迭代，以求高效利用现有资源
GPT4o的多模态生图前天上线之后。
经过两天的发酵，含金量还在不断提升。
在我的群里，已经能看到越来越多的，进入到实际生产环节的例子。
比如@银海的直接做商品图的翻译和合成，这是原来的算法，很难做的效果，但是现在，有手就行。
非常复杂的电商流程，一张原始图，换产品换脸换衣服。
比如@歸藏的直接把UI图放样机里面的例子，如果做过UI或者产品设计的朋友肯定都知道，以前我们在做展示，或者做汇报的时候，经常做样机做的挺痛苦的。
比如给他头像，画的两套表情包，是可以直接上架到微信表情商店的那种。
来自一个顶级消费品公司的电商设计团队负责人@黄花鱼，用GPT-4o来直接做之前非常流行的3D品牌海报。
比如我一个很喜欢的小红书AI博主@Rico有三猫，用GPT-4o给她做小红书封面。
也用GPT-4o直接做商品图翻译出海。
群友@默月佥在用GPT-4o出蜜蜂的解剖科普图。
一个很专业的公众号AI博主@阿真lrene，不仅用GPT-4o生成复杂的漫画，还能抠图，一键直出透明通道的PNG图。
干死各种抠图软件的不是更牛逼的抠图软件，而是大模型。。。
还有朋友@不知名网友虎子哥，用GPT-4o给他自己家的房子装修。。。
还有一些我确实不知道源头的但是被传播的蛮广的例子（如有作者，欢迎评论区认领）。
给几个家具做一个展示图，这个场景在电商领域无敌。
之前我写可灵的AI模特的时候，很多人问，能不能让模特戴首饰？现在，可以了。
还用它，直接P图，消除人物。
老照片一键修复+上色。
甚至，还可以模仿字体做字体设计。
在GPT-4o的冲击下，N多的设计师和创业者，都有点emo了。
比如就有大佬在X上感叹道：
朋友圈里还看到了一张图，是glif的老板，在X上发的。
纪念ComfyUI，纪念一切的AI图像工作流。
OpenAI的一次更新，又屠杀了一堆公司。
又一次深刻的阐明了那句《三体》中的经典台词：
我消灭你，与你无关。
GPT-4o的冲击当然是有，但是，他的上限在哪？能做到什么地步？真的能彻底替代ComfyUI的AI图像工作流吗？
我想弄清楚这个答案。
首先我觉得我还是要跟大家非常简单的用一两句话解释一下ComfyUI，让大家知道这玩意是个啥，我们才好继续往下聊。
ComfyUI是一个非常专业的工作流工具，不局限于AI绘图，AI视频啥的也都可以往里面接。他的界面大概是这样的，很像电路板。
这个就是在Liblib上搭的ComfyUI工作流。
它是以节点方式，把各个工具、各个模型给串起来，形成一整套的工作流，比如一张图进去，经过各种节点和插件，输出一个完全风格不同的AI视频，这都是OK的。
坦率的讲，我不是ComfyUI的专家的，做过的工作流也不多，我觉得在这个领域，我并没有那么强的发言权，所以。
我去请教了一下我的1个好朋友，AI绘图大神@炼丹师忠忠。
我想听听，他的看法。
首先是，GPT-4o对电商设计的冲击到底有多大？
我跟忠忠聊了很久。
最后得到的结论，跟我自己在设计行业里感受到的水温差不多。
对于普通水平的电商设计师，肯定是有打击的，他们原有的技能水平也就只能产出跟gpt4o差不多的图，相对来说意义不大了。
上游的运营专员可以自己操作工具来生产一样质量的图。跟被冲击的插画师类似，可能会变为帮忙修补gpt4o产出的图的bug，还有叠加原图部分细节上去加强细节还原（类似于高低频修复流程）。
生产成本降低后，需求量会变大，原本用不起各种华丽背景图包装的商家，现在也用的起了。
从效果上极简操作就能生图的工具有美图设计室等一堆工具，GPT4o只是在某些效果方面更进一步而已，对于专业级的实际商业生产的影响可能没有那么大。
而从视觉设计角度，对现有的整个开源生态，反而是利好作用。
忠忠举了自己设计的公司IP的例子。
现在，可以一句话把IP的3D模型，直出到品牌海报上，不需要走以前的3D建模+渲染了，大大节省了时间。
同时，更有趣的一点是，GPT-4o可以根据一张IP草图，来生成这个IP的各角度视图。
而这些图，会进一步推动flux等开源模型的微调版本的效果。
你可能会问，都有GPT-4o了，为什么还要去微调flux，在ComfyUI搭工作流用呢？这不是脱裤子放屁多此一举呢？
其实有两个原因。
数据隐私性和精准性。
数据隐私很好解释，就是GPT-4o是一个闭源的模型，后面最多最多也就是开放一个API，让大家接到ComfyUI里面去用，但是，就OpenAI这个尿性，我们给过去的东西，大概率就成他后续的训练素材了。
举个例子，《流浪地球3》2027年上映，要是现在美术组把核心概念图或者设定图直接灌给GPT-4o做一些处理，到时候，《流浪地球3》电影还没上映，设定图你可以直接在GPT-5o里面让它画出来，这特么就炸了。。。
所以，数据隐私性至关重要，在真正的生产环境里，特别是一些大厂里，必须只能用本地的ComfyUI搭，真正的输出，必须是本地环境，用开源的模型。
所以，这个时候，我们就可以用一些不敏感的信息，扔给GPT-4o，来辅助生成数据集，反过来微调自己的flux模型，这个点，真的很有用。
精准性其实也很简单，我们回过头来看忠忠用GPT-4o输出的自己家IP的海报。
先不说其他的细节了，这几处，你是能发现一些明显的BUG的。
这其实在生产环境里，这种BUG是品牌方觉得不可能接受的，就想你给一个手机产品做广告，你把人手机弄变形了，你跟人说不行AI出得就是这样的，你看对面会不会把你挂在电风扇上转着打。
而这个时候，用Flux专门微调的Lora，是可以完美的解决这种精准性和一致性的问题的。
这其实就是普通设计场景和专业设计场景的区别。
GPT-4o当然可以替代大部分的普通工作流，会让ComfyUI里一大批的工作流失去价值，但是这就不代表，ComfyUI失去价值了。
很简单的一点是，在专业的设计工作里，纯对话式的简单界面满足不了复杂专业的需求的。
就像你问一个专业设计师，为什么设计是用PS做设计，而不用美图秀秀来做设计，对方只会把你当傻子。
在真正的专业的AI设计工作里，可控性，很多时候非常的重要。
需要精确的规定重绘区域，需要精确的调节风格效果，出图尺寸比例等，所以在专业生产中需要精确调节的细节，不能指望OpenAI全做成功能。
还有前后处理流程，比如说前置的裁剪，抠图，语义识别，后置的比如对图片的放大，贴回原图细节（高低频修复），再接入其他工作流继续处理等。
自动化一键完成的效率要比多轮对话高很多。
包括在一些精准度要求高的产品和场景上，GPT-4o目前还达不到专业级的水准。
看个例子。
比如我们要把问界M9这款车，换到另一个场景里。车这种产品，跟笔、戒指、香水等等要求的精细度，完全不一样。
这是GPT-4o出的图。
而如果我们用大佬的牛逼工作流呢？
生成出来的效果在整体比例和质感上，是更好的。
对比应该非常直观了。
这里我要给自己叠个甲，我并不是在这里鼓吹，GPT-4o不行，ComfyUI的效果可以吊打GPT-4o。
如果是这样的话，我也不会连更两篇，来给大家看一看，GPT-4o，有多酷，有多强。
我想说的是，GPT-4o，跟当年的SD、Midjorney、Runway、可灵等等AI工具是一样的。
会无差别替代所有这个行业里面的初级执行职位。
屠杀所有曾经在工程层面对大模型进行的一些优化。
然后，一点一点侵蚀更上层的建筑。
它更像是一层层汹涌上涨的潮水，将整个AI图像领域原有的边界打得支离破碎。
都说做AI产品，要看到大模型的边界，在边界之外的安全地带做。
但是现在，你根本不知道边界在何方。
那些看似高耸的技术壁垒与工作流程，如果只是基于简单组装或者初级执行的逻辑，正在被GPT-4o以近乎暴力的方式消解。
绝大多数机械式的制作工作，一旦被强大的多模态理解与生成替代，就会像那些轰然倒塌的围墙一样，被历史的风尘轻易覆盖。
有没有一种第一次工业革命时候，机器代替手工劳动的即视感？
历史总是在不断的重复。
可一如上文所言，这绝不代表ComfyUI之流就会被完全淘汰。
在工业级、专业级的深度工作流里，人们对数据安全、设计精度、可控度的需求不可能凭空消失。
那种图像与视频的多次处理、分层输出、版本管理、脚本化批量运行、自动化节点衔接，只要是大型企业或核心团队，都会很在意。
GPT-4o会在C端和中小B端市场里摧枯拉朽，取代了大量低端或者重复性工作。
而ComfyUI、Flux、ControlNet等开源生态则在更专业的领域继续进化，利用它们精细、可控、可离线部署的特性，为高端客户或机密项目提供服务。
这气势就像云端办公与本地办公的关系一样，前者无限便捷，后者安全可控。
也如同家用轿车与顶级跑车的分别，各自目标用户并不冲突。
GPT-4o也一定会不断进化，去扩大自己的边界蚕食更多的场景。
开源生态也会有各种可以复刻效果的模型、产品出来，从而进行私有化。
没什么能够阻止浪潮向前。
要么成为浪潮的追随者，要么成为浪潮的推手。
这二者，都肯定比做一块沉在海底的礁石，要精彩得多。
你说是吗。
多模态又考验算力了 ChatGPT文生图功能火爆 奥尔特曼：GPU冒烟了
随着OpenAI的图像生成功能完成重大升级，新的问题出现了。
OpenAI创始人Sam Altman表示：ChatGPT的文生图应用需求过高，我们的GPU“冒烟了”（melting，原为融化之意），在努力提高效率的同时，将暂时对ChatGPT生成图片的功能引入一些速率限制。
这意味着，OpenAI将对ChatGPT的图像生成功能实施临时限速，降低单位时间内的请求处理量，缓解GPU过载压力，并优先保障文本生成、对话等核心功能的稳定性，或许将暂时放缓图像生成的技术优化节奏。
此前3月26日，OpenAI推出基于GPT-4o模型的图像生成功能——Images in ChatGPT，用户可在ChatGPT及Sora平台直接通过自然语言指令生成、编辑图像，支持多轮迭代优化。这标志着ChatGPT正式将文本、图像、代码等多模态能力深度整合，实现从单一语言模型向全模态智能体的跨越。
该功能上线后，以“动动嘴就能P图”的便利迅速火爆，互联网平台上涌入大量由个人照片、知名梗图转变而来的“吉卜力”卡通风格图片。连Altman也感叹起该功能带来的泼天流量：“自己过去十年埋头苦干做AI，试图帮助实现超级智能来治愈癌症之类的事情。前7.5年几乎无人问津，接下来的两年半，做什么都会引来所有人的厌恶。然后某天醒来收到几百条消息，人们告诉你被画成了吉卜力风格的美少年。”
Sam Altman在社交平台上的新头像，生成自Images in ChatGPT
生成自Images in ChatGPT
生成自Images in ChatGPT
与此同时，由于图像生成功能的受欢迎程度远超预期，OpenAI原本计划本周向所有用户推送这项功能，但现在“被迫”推迟了向免费用户开放新功能的时间。
与作为扩散模型运行的DALL•E根本区别是，GPT-4o图像生成是原生嵌入在ChatGPT中的自回归模型。OpenAI根据在线图像和文本的联合分发来训练模型，使得模型可以学习图像与语言的关系，使其生成有用、一致且具备上下文感知的图像。
GPU就像一群超级快的“画师”，能同时处理大量计算任务，生成图片（如DALL•E、Stable Diffusion）需要AI逐像素计算，每一步都要处理海量数据。而让AI生成更精确、更高清的图像依赖于GPU的大规模并行计算。OpenAI提到，因为这个模型会创建更详细的图片，所以图像需要更长的渲染时间，通常会达到一分钟。
如此一来，文生图功能的用户越多，需要的GPU算力成倍增长。
解决方式主要有两种，更强的GPU或更高效的AI模型，前者走“力大砖飞”路线，后者寄希望于算法的优化，即通过改进AI算法让同样的GPU能处理更多任务（比如用更小的模型或压缩技术）。
作为AI领域的头部玩家，OpenAI背后的GPU储备自然是业内顶尖水准。根据技术咨询公司Omdia的分析，微软作为OpenAI的主要投资者，在2024年购买了约48.5万块英伟达的Hopper芯片，是其主要竞争对手Meta的两倍，这使其成为英伟达GPU的最大买家。OpenAI的大模型正是用微软的Azure云基础设施进行训练。
可以说，OpenAI因新功能面临的问题，折射了AI多模态技术发展中的资源与需求平衡难题，一方面，AI应用对GPU等算力资源的需求依然庞大，另一方面，行业继续呼唤技术迭代，以求高效利用现有资源