共计 5340 个字符，预计需要花费 14 分钟才能阅读完成。
【本文要点】
GPT-4o 的多模态图像生成功能上线后，迅速受到欢迎，应用案例不断涌现，如电商商品图、UI 设计、表情包等。该功能使得设计师和电商团队能够简化工作流程，提高生产效率。然而，它对普通设计师造成了冲击，可能导致部分岗位消失，但专业设计工作流仍然具有不可替代性，因为对数据隐私、设计精度的需求不会消失。同时，GPT-4o 与 ComfyUI 等开源工具各自有利弊，前者在普及性与效率上表现突出，后者则在专业级应用中不可或缺。OpenAI 也面临 GPU 算力不足的问题，需限速图像生成以维护系统稳定。总体来看，GPT-4o 的创新推动了设计行业的变革，但专业需求仍然保障了传统工作流的继续存在。
【正文】
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。
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。
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。
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。”
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
【新闻来源】