网易首页 > 网易号 > 正文 申请入驻

OpenAI的吉卜力,撞车了被字节起诉“投毒AI”的前实习生?

0
分享至

作者 | 周一笑
邮箱 | zhouyixiao@pingwest.com

想象一下,耗费动画大师宫崎骏数十年心血、一帧一画精雕细琢的艺术风格——比如《起风了》中耗时一年多的四秒人群场景,或是《幽灵公主》里那个生物钻地镜头背后一年零七个月的 5300 帧手绘,如今,在GPT-4o手中,似乎变得“唾手可得”。用户们兴奋地将个人照片、网络梗图甚至历史影像纷纷“一键吉卜力化”,其效果之逼真、风格之统一,迅速点燃了网络。无数人的时间线都被塞入了宫崎骏的平行宇宙。OpenAI CEO Sam Altman透露,4o的图像生成功能在一小时内就吸引了百万新用户。

但如果你认为这仅仅是OpenAI用一个更强的模型替换了之前的DALL-E,那可能就忽视了全貌。有敏锐的网友指出:“这不仅仅是一次产品更新——这很可能是一个彻底的范式转变。” OpenAI 似乎正在解决那些长期困扰AI图像生成过程中,让创作者望而却步的问题。

那么,秘密武器是什么?OpenAI自己给出了线索:这次的图像生成是直接内置在GPT-4o模型中的,并且,与广泛采用扩散模型(Diffusion Models)的DALL-E、Midjourney、Stable Diffusion 不同,OpenAI在模型卡片中声明:“与作为扩散模型运行的DALL·E不同,4o图像生成是一个原生嵌入在ChatGPT中的自回归模型”

值得注意的是,将自回归思想应用于图像生成并非OpenAI的独创。事实上,如何让擅长序列预测的自回归模型在视觉领域发挥潜力,一直是AI研究者们试图攻克的方向之一,意在寻找不同于主流扩散模型的新范式。

例如此前获得顶级学术会议NeurIPS 2024最佳论文奖等《视觉自回归建模:通过下一尺度预测实现可扩展的图像生成》(Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction)的研究,它不仅提出了一种创新的 VAR 方法,显著提升了自回归模型生成图像的质量和效率,更是在实验中首次证明了类 GPT 的纯自回归模型在图像生成任务上,有潜力超越当时顶尖的扩散 Transformer 模型。

这篇论文由北京大学与字节跳动的研究者共同完成。而为这篇技术含量极高的论文增添了更多话题性的,是其第一作者田柯宇的另一重身份——他正是那位因被指控恶意攻击字节跳动训练集群、面临巨额索赔而备受关注的前字节实习生。

这位“含金量还在上升”的实习生,以一种意想不到的方式,与AI图像生成的前沿探索交织在了一起。

1

自回归的“复兴”

GPT-4o 在图像生成上的突破,关键之一在于其宣称采用的自回归技术(AR)路径,这与主流的扩散模型截然不同。理解这一差异,是把握这场潜在“范式转变”的核心。

扩散模型,如Midjourney和Stable Diffusion,其原理是从随机噪声出发,通过学习数据分布逐步去噪,最终生成图像,强项在于生成高质量、逼真的图像,但在速度、计算成本以及精确理解复杂指令(尤其是文字渲染)方面常显不足。

自回归模型则借鉴了GPT处理文本的方式:按顺序预测下一个元素。在图像上,这意味着模型基于已生成的部分(如像素或图像标记),逐步构建出完整图像。理论上,这赋予了AR在上下文理解、细节控制和连贯性上的优势。然而,传统AR方法存在效率低、易出错的问题,长期以来难以在效果上匹敌扩散模型。

近年来,以 VAR(Visual Autoregressive Modeling)、掩码自回归建模(MAR)等研究,开始为 AR “正名”。VAR提出的“下一尺度预测”(从粗到细生成)等创新,显著提升了AR模型的图像质量和生成效率,证明了AR路径不仅可行,甚至有潜力超越扩散模型。VAR等研究可能为GPT-4o提供了理论启发,而GPT-4o的实践进一步验证了自回归模型在视觉生成中的可行性,让 AR 在图像生成领域迎来了“复兴”的可能。

那么,GPT-4o 的图像生成具体是如何运作的?OpenAI强调其图像功能原生集成于模型核心,而非独立模块。这意味着4o能充分利用其强大的语言理解和世界知识来指导图像生成,实现前所未有的上下文理解和指令遵循能力——比如准确画出包含特定公式的白板。这种深度融合是 4o 效果出色的关键。

然而,一张流出的内部白板图(标注了Transformer -> Diffusion流程)引发了对其“纯粹”自回归的质疑,可能采用了混合架构:即利用 AR 的理解能力生成中间表示,再结合 Diffusion 的像素生成优势输出最终图像。这种猜测认为4o可能融合了两条路线的优点,以规避各自的短板。不过也不能排除是OpenAI在故意混淆事实。

由于没有任何技术报告,其具体实现细节仍是谜团,但OpenAI的战略意图清晰可见:一是将自回归原则置于下一代多模态模型图像生成的核心位置;二是依托其超大规模的模型为这一切提供算力和智能基础。 无论最终的技术“配方”如何,GPT-4o 都已将自回归推向了前沿,这很可能会改变AI图像生成的未来发展方向。

1

中美温差

GPT-4o图像生成功的成功,引出了一个值得关注的现象:无论是语言模型还是视频模型,中国的企业追赶迅速,但在尖端图像生成上,似乎总是美国公司在前沿“独奏”?无论是从Midjourney到Gemini Image再到4o,在中国似乎都看不到能与之“对标”的企业或产品。

我们可以从技术和商业两个视角来看待这种“温差”。技术上,美国顶尖公司似乎更倾向于探索和押注如自回归(AR)等可能带来范式革命的新路径,这或许得益于其在基础研究上的长期投入和对风险的更高容忍度。OpenAI在2020年就推出的自回归图像生成模型Image GPT,旨在将自然语言处理中的Transformer架构应用于图像生成领域。

而国内力量可能更集中于优化成熟的Diffusion路线并快速落地应用,这在追赶阶段十分有效,但也可能带来一定的路径依赖。同时,顶尖模型所需的算力、高质量数据和核心算法创新,本身就构成了不低的壁垒。有观点认为, Diffusion模型可能已触及瓶颈,亟待新的突破。

商业上,市场定位和变现模式也塑造了不同的发展方向。Midjourney、GPT-4o等似乎更瞄准对效果要求极致的专业用户或付费意愿强的市场,追求打造“爆款”工具并直接收费。而中国庞大的应用场景(电商、社交、营销等)或许更看重成本、效率和与现有生态的融合,促使技术发展更偏向工程优化和平台赋能,而非单一工具的极限探索。不同的资本偏好和生态整合策略也加剧了这种分野。

当然,这并非说中国在生图领域毫无建树。阿里巴巴、字节、DeepSeek等公司也在持续推出有竞争力的模型。只是在全球“爆款”层面,暂时由美国公司领跑。

归根结底,技术和商业的合力共同塑造了当前的格局。随着 GPT-4o可能引领的自回归新浪潮,我们无疑等不及要看到这个方向的开源进展,或是中国企业的快速跟进与实现了。

点个 “爱心”,再走吧

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
克里米亚大桥被炸断,乌军疑似动用巨型巡航导弹

克里米亚大桥被炸断,乌军疑似动用巨型巡航导弹

观察者网
2026-11-17 16:20:08
全球爆单!暴涨1033%,浙江老板忙疯了:客户没隔几天就紧急加单

全球爆单!暴涨1033%,浙江老板忙疯了:客户没隔几天就紧急加单

刘森森
2026-11-18 00:03:38
维尼修斯解释被换下时抱怨:之前说好我还会再踢20分钟

维尼修斯解释被换下时抱怨:之前说好我还会再踢20分钟

懂球帝
2026-11-17 20:11:17
抗美援朝最难启齿的一幕:17岁女卫生员为救战友突破生理底线,事后绝口不提,44年后秦基伟的回忆才揭开真相

抗美援朝最难启齿的一幕:17岁女卫生员为救战友突破生理底线,事后绝口不提,44年后秦基伟的回忆才揭开真相

磊子讲史
2026-11-11 16:38:00
李耀茂,辞任佛山南海区人大常委会副主任

李耀茂,辞任佛山南海区人大常委会副主任

南方都市报
2026-11-17 18:28:23
APEC盛会,爱出风头的莫迪怎么不来?

APEC盛会,爱出风头的莫迪怎么不来?

大道微言
2026-11-17 10:11:17
新任“007”演员公布,惹了众怒

新任“007”演员公布,惹了众怒

中国新闻周刊
2026-11-17 14:57:40
1-2,日本不敌南美劲旅,5连胜遭终结,福田师王破门难救主

1-2,日本不敌南美劲旅,5连胜遭终结,福田师王破门难救主

侧身凌空斩
2026-11-17 23:06:08
邵佳一执教1年!10战仅4胜,队史首负两队,场均仅获1.4分

邵佳一执教1年!10战仅4胜,队史首负两队,场均仅获1.4分

奥拜尔
2026-11-17 22:04:15
马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

回京历史梦
2026-10-30 05:10:04
发现一个奇怪现象:计划生育写入宪法后,为何今天还在被误读?

发现一个奇怪现象:计划生育写入宪法后,为何今天还在被误读?

疯狂的小历史
2026-11-17 11:55:25
《大西洋月刊》丨抱歉,罗伯特·帕丁森不是007

《大西洋月刊》丨抱歉,罗伯特·帕丁森不是007

邸报
2026-11-17 09:43:32
广东68岁老人借1200万种树880亩,家庭破裂,3年后一棵树就值10万

广东68岁老人借1200万种树880亩,家庭破裂,3年后一棵树就值10万

芊芊子吟
2026-11-17 20:05:04
黄仁勋老婆被曝出轨,街头和帅气男子热吻,两人互不干扰

黄仁勋老婆被曝出轨,街头和帅气男子热吻,两人互不干扰

江山挥笔
2026-11-16 15:20:59
打破迷信!最吉利的数字不是6和8,真正顶级吉数藏着大智慧

打破迷信!最吉利的数字不是6和8,真正顶级吉数藏着大智慧

娱乐圈见解说
2026-11-17 08:20:03
高速费大局已定?要是不出意外,2027年起高速费可能迎来3大变化

高速费大局已定?要是不出意外,2027年起高速费可能迎来3大变化

云霄纪史观
2026-11-17 04:26:11
74岁马保国出售上海豪宅,140多平卖400多万,豪宅画面流出

74岁马保国出售上海豪宅,140多平卖400多万,豪宅画面流出

小徐讲八卦
2026-11-17 10:08:29
8胜4负的活塞连损五将,头号射手至少缺阵一周

8胜4负的活塞连损五将,头号射手至少缺阵一周

慢享生活集
2026-11-18 01:57:24
4岁藏族小女孩牵着高反女游客找氧气:“别哭了,哭的话会越来越缺氧”

4岁藏族小女孩牵着高反女游客找氧气:“别哭了,哭的话会越来越缺氧”

一丝不苟的法律人
2026-11-15 17:01:02
官宣!肇俊哲出任主教练!

官宣!肇俊哲出任主教练!

五星体育
2026-11-17 16:54:10
2026-11-18 02:11:00
硅星人 incentive-icons
硅星人
硅(Si)是创造未来的基础,欢迎来到这个星球。
3574文章数 10548关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

"结婚22年两儿子均非亲生"事件女方发声:我没出轨

头条要闻

"结婚22年两儿子均非亲生"事件女方发声:我没出轨

体育要闻

东契奇心仪之人 三年后拿着底薪站到他身旁

娱乐要闻

刘欢有6位生死之交,个个可托付后事

财经要闻

全民抛售AI,市场转折点或已悄然临近

汽车要闻

奕境X9纯电版信息曝光 将于11月27日广州车展上市

态度原创

亲子
旅游
教育
公开课
军事航空

亲子要闻

你傻呀!为什么不把孩子丢给婆婆带?哪有奶奶不疼孙子孙女的!

旅游要闻

蹬出炸口岩,留下手巴岩,张三丰在毕节这块石头上留下印记!

教育要闻

海淀北部新锐校周末体验营!全海淀六年级可报,师资正式亮相

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

美乌陷入外交僵局 俄乌互攻势头不减

无障碍浏览 进入关怀版