ChatGPT文生图功能火爆导致GPU冒烟，多模态AI再次考验算力极限

AI图像生成技术的飞速发展原本是科技界的一大喜事，但出人意料地引发了一系列新的难题。计算资源的紧张和功能推广的缓慢，正对科技巨头的应对措施构成重大挑战。

功能重大升级

3月26日，GPT-4o的图像生成功能正式在Sora平台推出。用户可利用自然语言指令进行图像的生成与编辑。此外，该功能还支持多轮优化与迭代。此次功能的发布，标志着技术实现了从单一语言模型向多模态智能的跨越。它实现了文本、图像、代码等不同模态能力的深度结合。

在此阶段，系统主要致力于文本和对话处理；目前，新增的图像生成能力明显增强了其在人工智能领域的竞争力；众多用户对这一新功能抱有很高的期待。

应用需求爆棚

图像生成服务一经发布，其受欢迎程度出乎意料，对文生图应用的需求十分强烈，创始人Sam甚至指出GPU出现了过热现象。原计划在本周向所有用户推送的新功能，因故不得不推迟，暂时无法向免费用户开放。

用户数量迅猛增长，服务器承受压力增大，这一现象反映出该功能深受用户喜爱。此外，这一情况亦间接显示出市场对AI图像生成技术的迫切需求。

临时限速措施

为降低GPU的工作压力，图像生成服务将采取暂时的速度调控措施。这一措施降低了单位时间内的请求处理量，保障了文本创作、对话等核心功能的稳定运作。同时，图像生成技术的改进步伐在短期内可能会放缓。

在当前计算资源有限的环境下，尽管限速措施可能会给用户带来不便，但这一举措实属不得已而为之。其主要目的是为了保障服务系统的稳定运行。

模型本质区别

DALLE的图像生成与扩散模型与GPT-4o在本质上有别。GPT-4o是一种内嵌的自回归模型，其训练过程涉及将在线图像与文本的联合发布相结合。该模型能够理解和把握图像与语言之间的关联，并生成既实用又保持一致性和语境意识的图像。

该架构的独特设计显著提升了图像生成的质量和相关性，但同时，这也导致了计算需求的大幅增加。因此，渲染过程通常需要大约一分钟的时长。

算力需求难题

图片生成流程中，AI需对各个像素点进行计算，这一步骤需要处理海量的数据。为了提升图像的精确性与清晰度，GPU的大规模并行计算变得极为关键。伴随着文生图用户数量的不断增多，对GPU计算能力的依赖也在急剧增长。

GPU犹如众多能干的“绘图师”，拥有处理大量计算任务的能力。但面对庞大的需求，其性能略显欠缺，揭示了算力资源的紧张问题。

解决策略分析

针对GPU算力不足的问题，业界主要采取了两种措施：一是升级至性能更强的GPU，以提升处理能力；二是优化AI算法，使现有GPU能够承担更多任务，例如通过使用更高效的模型或实施数据压缩技术。进入2024年，微软作为重要投资者，其采购的英伟达芯片数量达到了约48.5万块，这一数字是竞争对手Meta的两倍。

该大模型在微软Azure云基础设施支持下进行训练，尽管其硬件配置十分强大，但在应对需求激增的情况时，仍遭遇了挑战。这一情况突显了在AI多模态技术发展过程中，资源分配与需求匹配所存在的困难。

业界普遍预测，GPU硬件领域可能是突破的先行领域，亦或是AI算法的优化将带来显著进展。欢迎大家在评论区分享观点，加入讨论。同时，请不要忘记为文章点赞和进行转发。