首页 / 资讯详情
AI 开始学习「想象未来」：ECCV 2026背后，中国学者如何卡位世界模型
摘要
世界模型开始合流，中国团队正在进入核心问题。 作者丨吴思梦 编辑丨岑 峰 2026 年 9 月 8 日，全球计算机视觉顶级会议 ACM 与 ECVA（European Computer Vision Association）主办的 ECCV 2026 将在瑞典马尔默的 Malmö Arena 和 Malmömässan 两个相邻场馆开幕。这个两年一届、与 CVPR、ICCV 并称计算机视觉领域“三大顶会”的学术盛会，收到了 10473 篇论文投稿，最终接收 2883 篇（接收率 27.5%）。在会议公布的 86 个 workshop 中，有 13 个直接以“World Models”或“Embodied AI”为主题，这是 ECCV 历史上从未出现过的密度。Yann LeCun、Jürgen Schmidhuber、Kristen Grauman、Jamie Shotton 等学者都将作为 keynote 演讲者出现。围绕世界模型的 workshop、tutorial 和论文，从三维理解、视频生成，到具身智能、安全评估，被集中放到了 ECCV 2026 的议程中。届时AI 科技评论将前往现场，进行前沿追踪报道。这背后代表的不只是一个研究方向升温。它意味着 AI 的竞争正在从“理解世界”，走向“预测世界”。而在这场变化中，中国研究者正在试图占据新的位置。01ECCV 2026 为什么突然都在讨论世界模型？世界模型并不是一个新概念。早在强化学习领域，研究者就提出过类似思想：如果智能体能够预测环境变化，就可以减少真实世界中的试错成本。但过去很长时间，这条路线没有真正成为主流。原因很简单：世界太复杂。真实环境中的数据昂贵，物理规律难以建模，而传统模型很难同时处理视觉、动作和长期预测。过去两年的变化，让世界模型重新进入中心。一方面，生成式 AI 的快速发展，让模型第一次具备了预测复杂视觉世界的能力。另一方面，机器人和自动驾驶产业开始迫切需要一种新的学习方式。机器人不能像语言模型一样，通过互联网文本获得经验。它需要面对真实世界里的动作和反馈。于是，一个新的问题出现：AI 能不能像人一样，在行动之前先想象？ECCV 2026 的世界模型相关讨论，实际上集中在四个问题。第一个问题：世界模型如何构建？研究者需要回答，什么样的数据才能训练一个理解世界变化的模型。单纯的视频是否足够？是否需要动作数据？是否需要三维信息？第二个问题：世界模型如何评价？过去评价生成模型，通常关注图像质量。但世界模型不同。一个模型生成的视频再逼真，如果无法帮助机器人完成任务，也没有真正价值。因此，新的评测体系开始关注：模型是否理解空间关系？是否符合物理规律？是否能够预测行动结果？第三个问题：世界模型是否可靠？如果未来进入自动驾驶、人形机器人等领域，错误预测可能带来真实风险。模型不仅需要预测未来，还需要知道自己的预测是否可信。第四个问题：世界模型如何进入行动闭环？这是最关键的一步。预测未来不是目的。帮助机器做出正确行动，才是世界模型最终价值。如果再把这四个问题放到一起看，会发现 ECCV 2026 上世界模型的爆发，并不是单一研究方向升温，而是三股独立趋势在同一年合流的结果。第一股是世界模型本身的范式转移。从 Yann LeCun 2022 年的 JEPA 论文，到 ECC