CVPR 2026现场：计算机视觉与机器人物理结界被彻底打破

全球两大人工智能顶级会议正上演一场罕见的“双城联动”——维也纳ICRA 2026刚刚进入主会最后一天，大洋彼岸的丹佛科罗拉多会议中心已是人潮涌动。几天前还在多瑙河畔碰面的顶尖学者与硬核科技企业高管，此刻正拖着行李箱，马不停蹄地出现在丹佛街头。

这一盛况背后，释放出一个清晰信号：计算机视觉（CVPR）与机器人（ICRA）两大赛道正在经历史诗级的深度融合。

今年CVPR于丹佛当地时间6月3日至4日率先开启Workshop环节，主会及重磅颁奖典礼则在6月5日正式拉开帷幕。先抛出几个核心判断——

01

1.6万篇投稿的“诸神之战”：从感知世界，到理解物理

最新数据显示，本届CVPR 2026论文投稿量达到惊人的16,092篇，较去年激增24%。最终录用量约4,090篇，录用率仍维持在残酷的25.42%左右。

翻阅今年的论文列表与Workshop议程，如果说前两年CVPR还在图像生成和2D检测上内卷，那么今年丹佛的核心叙事已彻底转向“多模态基础模型”与“具身智能”。

在座无虚席的分会场里，这种趋势尤为显著。无论是探讨如何将视觉-语言-动作（VLA）模型部署到自动驾驶和机器人领域的WDFM-EAI Workshop，还是引入真实机器人操控挑战赛的具身智能专场，都在传递一个极其明确的信号：计算机视觉已走出“画框识别”的屏幕舒适区，全面向遵守物理法则的真实三维世界进军。视觉系统不再满足于“看”，而是开始作为中枢大脑主导“行动”。

中国高校的论文产出量也折射出这股浪潮的烈度。最新统计显示，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篇紧随其后，中国科学技术大学38篇位列第三，中山大学以36篇超越北大、清华冲入前四，堪称本届最大黑马。更惊人的是西湖大学——仅4位学者合力产出22篇，以“闪电战”模式跻身第十，人均效率冠绝全场。

02

CVPR的中国军团：大厂坐镇，新锐出海，重塑生态话语权

在去年的顶会上，中国学者的论文数量就已占据半壁江山。而在今年丹佛，这种中国力量同样体现在产业端和生态链的每一个环节。

今年在丹佛布展的中国公司，覆盖了互联网、大模型、机器人、智能驾驶四大领域：字节跳动、阿里巴巴、蚂蚁集团、腾讯、美团、元戎启行、百度、MiniMax、宇树科技、光轮智能、自变量——几乎是一份中国AI硬实力的“全明星名单”。

现场最新的赞助商名单，堪称一份中国AI实力的“巡礼图”：

终极赞助商与白金阵营：腾讯强势拿下最高级别的Ultimate Sponsor；在白金赞助商中，阿里云、蚂蚁集团、字节跳动悉数在列，体现了中国科技巨头在算力与大模型上的统治力。更引人注目的是，国内大模型独角兽MiniMax也跻身白金行列，展示了中国多模态大模型企业强劲的出海与科研反哺实力。

黄金与白银阵营：如果说大厂代表了底气，那么具身智能等垂直赛道的初创公司则代表了锐气。在这个区间，我们看到了令人惊喜的本土生态网：由知名学者苏昊教授创办的具身智能明星公司Sudo（苏度科技）高调亮相丹佛，带来其在强化学习与物理仿真领域的最新成果；总部位于北京的Linkerbot专注于高自由度灵巧手及具身智能硬件研发；Nexdata（数据堂国际品牌）直接端出行业最紧缺的VLM数据集及灵巧手物理遥操作数据，精准卡位“数据基建”；潞晨科技的Colossal-AI系统正在为全球开源大模型与视频生成提供底层弹药；百度与美团也出现在黄金赞助商阵营，进一步壮大了中国军团的阵容。

从提供算力和基础架构，到多模态基座大模型，再到数据集和具身智能本体硬件，中国企业在CVPR 2026的舞台上，已经完全撕掉了过去“底层代工”的标签，构建起了一条坚不可摧的“软硬一体全栈AI产业链”。

03

Workshop密集开火：中国企业从“参会”走向“设局”

如果说赞助商名单是实力的名片，那么Workshop才是真正争夺话语权的主战场。在CVPR 2026为期三天的Workshop环节中，超过80场专题研讨会密集开火，其中中国企业与机构不再只是“到场听讲”，而是越来越多地以组织者身份亲自“设局”，把议题方向和评审标准攥在自己手里。

WDFM-EAI：特斯拉与小鹏“纯视觉双雄”同台

6月3日，本届CVPR产业浓度最高的对话在WDFM-EAI（具身智能基础模型部署）Workshop悄然上演。特斯拉Autopilot及AI负责人Ashok Elluswamy与小鹏汽车通用智能中心负责人刘先明，以及Waymo研究副总裁Dragomir Anguelov、英伟达感知与机器人研究副总裁Jan Kautz，罕见同台。刘先明是现场唯一受邀的中国车企代表，这也是小鹏第三次登上CVPR演讲台。

Ashok的演讲题目为《Building Foundational Models for Robotics at Tesla》，系统披露了Tesla在具身智能方向的技术积累：FSD上下文长度从约10秒猛增至约30秒（提升3倍）；FSD模型完整输入/输出架构首次公开亮相。现场还播放了一段Tesla Robotaxi瞬间避让摔落骑行者的真实视频，引发全场热议，清晰传递出Tesla的战略意图：将自动驾驶作为更广泛机器人与具身AI平台的一部分，与Optimus人形机器人项目深度协同。

刘先明则给出了小鹏对“模块化堆叠vs端到端世界模型”之争的明确答案：“VLA与世界模型并非相互竞争的技术路线，而是物理世界基座模型的两大支柱。”VLA学的是“人类驾驶员会怎么做”，世界模型学的是“物理世界接下来会发生什么”，二者融合才是正解。他进一步透露，小鹏第二代VLA已量产落地，推送首月用户辅助驾驶里程占比首次突破50%，并判断“只有能做基座模型的公司，才有可能真的做到L4”。

OpenDriveLab：从自动驾驶到具身智能，上海AI Lab系连办四届

如果说WDFM-EAI是产业对话场，那么OpenDriveLab（上海AI Lab/商汤系）主办的EmbodiedAIinLife Workshop则是学术话语权的硬核争夺。这已经是该团队连续第四年在CVPR主办Workshop：从2024年的“端到端自动驾驶”，到2025年的“具身智能与自动驾驶”，到2026年的“基础模型与自主系统”，再到今年的“从实验室到生活：野外具身智能”，研究视野从特定任务逐步拓展到通用具身智能。

今年的嘉宾阵容堪称全明星：苏昊教授（苏度科技创始人、CVPR 2025程序主席）演讲《物理理解的幻觉》；哈佛助理教授Yilun Du谈世界模型与具身智能；UC Berkeley的Jiahui Lei讲从4D视觉到机器人；UPenn助理教授Jiatao Gu发问“具身智能需要关心3D吗？”更值得注意的是，Workshop尾声特别设置了嘉宾与组织者辩论环节，火药味可见一斑。

GigaBrain Challenge：真机赛道成中国团队主场，小米斩获双料冠军

如果说Workshop演讲描绘了具身智能的理论蓝图，那么赛场上的真机对决则用硬指标给出了最直白的回答：概念能不能落地，数据说了算。

由极佳视界（GigaAI）牵头，联合港大、北大、上海交大、地平线机器人、智元机器人等共同组织的GigaBrain Challenge 2026，是本届CVPR竞赛维度最丰富的Workshop之一。它同时开设了四个赛道：仿真VLA评测（RoboTwin）、世界模型评估器（GigaWorld）、真机机器人操控（RoboChallenge）和物理爪持演示（PhysClaw），从仿真到真机、从评估到部署，构成了一条完整的具身智能能力验证链路。

这个Workshop也成了中国团队的主场：小米拿下RoboChallenge真机赛道冠军（40.89%成功率，唯一破40%成功率），电子科技大学拿下RoboTwin仿真赛道冠军，清华大学拿下世界模型赛道冠军，清华深研院拿下PhysClaw演示赛道冠军。中国团队在四个赛道中包揽全部冠军，这在CVPR历史上极为罕见。

值得一提的是，小米机器人团队同时斩获本届CVPR 2026与ICRA 2026两项冠军，成为丹佛与维也纳双城最耀眼的“中国赛果”。

RoboChallenge Track共设置30个超难度真实任务，涵盖双臂灵巧操作、柔性物体操控、工具因果推理与跨平台鲁棒性，需进行10次连续无干扰测试，且要求提交统一多任务模型。在这对泛化性要求极高的赛事中，小米参赛模型“my16”杀出重围——它采用“S1/S2双系统+长短期记忆+跨本体预训练”的整体架构，融合了大模型的认知深度、控制器的执行精度与记忆系统的长程稳定性。最终，my16以40.89%的整体成功率显著领先，是本届赛事唯一突破40%成功率门槛的模型，综合排名位列总榜第一。

04

现场直击：F展厅首秀与巴黎响应

为了让参会者更直观地感受技术如何转化为现实应用，CVPR 2026历史上首次在F展厅推出“AI Demonstrations”环节。近30场来自各大科技公司和研究团队的现场演示，将实验室里的前沿论文变成可交互、可运行的真实系统。不少参会者戏称：“这才是CVPR的正确打开方式——不看poster，看真机。”

而在丹佛主会场之外，一股“平行浪潮”同样值得关注。大量无法赴美的欧洲学者，在巴黎自发组织了平行活动，其讲者名单含金量极高，包括多位CV领域顶尖学者。近年来在多模态与视觉大模型领域频出爆款的港大教授李弘扬，在ICRA、CVPR两大顶会赶场的同时，也受邀成为CVPR@Paris 2026的嘉宾，即将登台分享。

这一方面折射出CVPR的全球影响力已溢出丹佛会场，另一方面也暗示着：计算机视觉这场“诸神之战”，早已不再局限于某一个地理坐标。

CVPR主会将于当地时间6月5日开幕，届时开幕式上将颁布一系列奖项。纯视觉如何抹平Sim-to-Real的虚实差异？视觉大模型如何学会理解3D空间结构与反常识的物理碰撞？VLA与世界模型的融合终局在哪里？好戏还在后头。