腾讯研究院AI速递 20250320

生成式AI

一、  一文读懂英伟达GTC：Blackwell、硅光芯片和“新故事”

1. Blackwell Ultra GPU及全家桶发布，升级内存、优化推理性能，覆盖从数据中心到个人计算的全场景；并预告2026年更强大的Rubin架构;

2. 推出Dynamo开源软件和Llama Nemotron模型，构建AI Agent生态，但在模型训练效率上不及DeepSeek等竞品；

3. 推出具身智能基础模型Cosmos和人形机器人基础模型Isaac GR00T N1，结合Omniverse构建完整的机器人生态系统，展现在具身智能领域的野心。

https://mp.weixin.qq.com/s/WD4_K3yRVNGKRvp2i3x6zg

二、  谷歌Gemini推出Canvas功能，「动动嘴」做原型设计

1. Gemini推出Canvas功能，可通过语音指令快速完成原型设计，实时预览代码输出，支持网页应用、Python脚本等开发；

2. 新增Audio Overview功能，能将文档、幻灯片转化为播客式对话，目前支持英语版本；

3. Canvas面向全球Gemini用户开放，支持实时编辑、协作分享，简化了编程流程，让开发更直观高效。

https://mp.weixin.qq.com/s/RMM46vm3E7gnLQnpD95VFQ

三、  Grok推出新功能DeeperSearch，让实时AI检索更强大

1. Grok新增DeeperSearch功能，可深入分析48小时内Twitter热门AI资讯，提供实时精准信息；

2. Grok3具备三种模式：Think、DeepSearch、DeeperSearch，其中DeeperSearch搜索和推理能力最强；

3. DeeperSearch在社交媒体数据挖掘方面具有独特优势，普通用户每种模式每天可免费使用5次。

https://mp.weixin.qq.com/s/LSItyW-PlHb0ZOHz93KOaw

四、  Stability AI推3D空间视频工具，照片直接秒变3D视频

1. Stability AI推出Stable Virtual Camera模型，可将2D照片转换为3D视频，支持多种动态相机路径，包括螺旋、推拉变焦等效果；

2. 模型支持1-32张输入图片，可生成最长1000帧视频，输出包括1:1、9:16、16:9等多种比例，但对人物、动物等动态场景效果欠佳；

3. 公司近期经历管理层变动，新任命《泰坦尼克号》导演卡梅隆为董事会成员，并与Arm合作开发移动设备AI音频模型。

https://mp.weixin.qq.com/s/k_OMnU-dxiYA7v8K62X8SQ

五、  可灵接入DeepSeek-R1不用学写提示词了？一手实测

1. 可灵接入DeepSeek-R1后，用户只需输入简单词语，AI就能自动扩充完整的提示词，包含主体描述、场景、运镜等细节；

2. R1能将抽象的成语、古诗词等内容转化为具体的场景描述，并优化生成效果，使视频更符合原意表达；

3. 可灵发布ReCamMaster镜头重建工具，支持10种镜头操作，可实现视频再渲染和相机轨迹重建，适用于多个应用场景。