CVPR 2026：CV与机器人物理结界打破，中国军团强势崛起

背景

2026年6月，全球人工智能与计算机视觉领域迎来了一场罕见的“双城记”。在维也纳，ICRA 2026（国际机器人与自动化国际会议）正会进入尾声；与此同时，大洋彼岸的美国丹佛，CVPR 2026（IEEE/CVF计算机视觉与模式识别会议）正如火如荼地进行。

这种跨洲赶场的现象背后，折射出两大顶会赛道正在发生史诗级的融合。CVPR 2026 的论文投稿量激增至 16,092 篇，录用率维持在 25.42% 的残酷水平。今年的核心叙事已从过去的图像生成和 2D 检测，彻底转向“多模态基础模型”与“具身智能”。计算机视觉（CV）不再局限于屏幕内的“画框识别”，而是全面向具有物理法则的真实三维世界进军，视觉系统开始从单纯的感知（Sense）转向主导行动（Act）。

核心内容

1. 学术版图：中国高校与科研力量的全面崛起 在 CVPR 2026 高校论文接收 Top 10 中，中国高校占据八席。上海交通大学以 46 篇高居榜首，浙江大学（40 篇）和中国科学技术大学（38 篇）紧随其后。中山大学以 36 篇超越北大、清华冲入前四。西湖大学表现尤为惊艳，仅 4 位学者合力产出 22 篇，人均效率冠绝全场。

2. 产业生态：中国 AI 企业构建“软硬一体”全栈产业链 中国企业在丹佛的布局已覆盖互联网、大模型、机器人、智能驾驶四大领域。赞助商名单展示了中国科技实力的分层：

• 巨头与独角兽： 腾讯拿下最高级别 Ultimate Sponsor；阿里云、蚂蚁集团、字节跳动、MiniMax 跻身白金赞助商，体现算力与大模型统治力。
• 垂直赛道初创： 苏度科技（Sudo，苏昊教授创办）展示强化学习与物理仿真能力；Linkerbot 专注高自由度灵巧手；Nexdata（数据堂）提供 VLM 数据集；潞晨科技（HPC AI COM）提供 Colossal-AI 底层支持；百度与美团也在黄金赞助商之列。 这表明中国企业已撕掉“底层代工”标签，构建了从算力、基座模型、数据基建到本体硬件的完整生态。

3. 技术对话：VLA 与世界模型的融合 在 WDFM-EAI Workshop 上，特斯拉、小鹏、Waymo 和英伟达的高管罕见同台。

• 特斯拉（Ashok Elluswamy）： 披露 FSD 上下文长度从 10 秒增至 30 秒，并展示 Tesla Robotaxi 避让骑行者视频，强调自动驾驶与 Optimus 人形机器人的协同。
• 小鹏（刘先明）： 提出 VLA（视觉-语言-动作模型）与世界模型并非竞争关系，而是物理世界基座模型的两大支柱。小鹏第二代 VLA 已量产，辅助驾驶里程占比突破 50%，并断言只有能做基座模型的公司才可能实现 L4 自动驾驶。

4. 学术话语权：上海 AI Lab 系连办四届 Workshop OpenDriveLab（上海 AI Lab/商汤系）连续第四年主办 EmbodiedAIinLife Workshop，议题从“端到端自动驾驶”拓展至“野外具身智能”。嘉宾包括苏昊教授、哈佛 Yilun Du、UC Berkeley Jiahui Lei 等顶尖学者，并在尾声设置辩论环节，凸显学术话语权的争夺。

5. 实战验证：GigaBrain Challenge 中国团队包揽冠军 由极佳视界（GigaAI）牵头的 GigaBrain Challenge 2026 设有仿真、世界模型、真机操控和物理爪持四个赛道。中国团队包揽全部冠军：

• 小米： 在 RoboChallenge 真机赛道以 40.89% 的成功率夺冠，是唯一突破 40% 门槛的模型。其参赛模型“my16”采用“S1/S2 双系统 + 长短期记忆 + 跨本体预训练”架构。小米团队同时斩获 CVPR 2026 与 ICRA 2026 双料冠军。
• 其他高校： 电子科技大学获仿真赛道冠军，清华大学获世界模型赛道冠军，清华深研院获物理爪持演示冠军。

6. 全球影响：平行活动与去中心化趋势 CVPR 2026 首次在 F 展厅推出“AI Demonstrations”，展示近 30 场可交互的真实系统。此外，受限于签证等因素，欧洲学者在巴黎自发组织 CVPR@Paris 2026，香港大学李弘扬教授等顶尖学者受邀分享，显示 CVPR 的影响力已溢出单一地理坐标。

关键要点

• 范式转移： CVPR 2026 的核心叙事从 2D 视觉转向“多模态基础模型”与“具身智能”，视觉系统开始主导物理世界的行动。
• 中国学术统治力： 中国高校在 CVPR 2026 论文接收量中占据 Top 10 中的八席，西湖大学人均产出效率极高。
• 产业链闭环： 中国企业从算力（阿里云、潞晨）、模型（MiniMax、字节）、数据（Nexdata）到硬件（苏度、Linkerbot）构建了全栈 AI 产业链。
• 技术路线共识： 小鹏汽车提出 VLA 与世界模型是具身智能基座模型的两大支柱，而非互斥路线；特斯拉则强调自动驾驶与机器人平台的协同。
• 真机落地能力： 在 GigaBrain Challenge 中，中国团队在仿真、评估、真机操控等全维度包揽冠军，小米“my16”模型在真机任务中展现高泛化性。
• 全球参与度： 尽管存在地理隔阂，但通过平行活动（如 CVPR@Paris）和现场演示（AI Demonstrations），全球学术界与产业界对具身智能的关注度空前高涨。

意义与影响

CVPR 2026 标志着计算机视觉正式走出“屏幕舒适区”，进入与物理世界深度交互的新阶段。

首先，具身智能成为 AI 发展的新引擎。 视觉不再仅仅是“看”，而是作为中枢大脑驱动机器人“做”。VLA 模型与世界模型的融合，为机器人理解物理法则、进行因果推理提供了理论和技术基础。

其次，中国 AI 实力从“跟随”转向“引领”。 无论是在论文产出、产业赞助，还是在顶级技术对话（如特斯拉与小鹏的对标）和实战竞赛中，中国团队都展现出了极强的竞争力和话语权。特别是小米在双顶会斩获冠军，证明了中国在具身智能硬件与算法协同上的领先优势。

最后，技术落地的验证标准发生变化。 从单纯的论文指标转向真机成功率、泛化能力和物理交互能力。GigaBrain Challenge 等赛事的兴起，表明行业正在通过高难度的真实任务来检验 AI 系统的鲁棒性，Sim-to-Real（仿真到现实）的差距正在被快速抹平。

这场“诸神之战”不仅加速了技术的迭代，也预示着未来 AI 竞争的核心将集中在谁能更好地将数字智能转化为物理世界的行动力。