《科创板日报》3 月 28 日讯（编辑 宋子乔） 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。