本文以 CVPR 2026 为背景，深度分析具身智能如何从计算机视觉的「边缘分支」演变为重新定义问题、标准与路线的核心范式，完成对视觉研究的「范式夺权」。
📝 详细摘要
文章以 CVPR 2026 上具身智能的集中爆发为切入点，系统论述了机器人学习从「存在性证明时代」到「基础模型时代」再到「Scaling 时代」的演进路径，并指出当机器人学习进入规模化阶段后，计算机视觉必须从「感知模型」升级为「物理智能底座」。文章通过 Ted Xiao 的三阶段框架，分析了具身智能如何改变视觉研究的问题定义（从「这是什么」到「我能对它做什么」）、评价标准（从「输出是否正确」到「行动是否有效」）和方法路线（VLA、世界模型、3D 空间智能等）。最终指出，具身智能并非取代计算机视觉，而是重新定义了视觉智能必须面对的世界——从「看见」到「理解」再到「行动」。
💡 主要观点
- 具身智能正在重新定义计算机视觉的核心问题。 传统视觉问「这是什么」，具身智能问「我能对它做什么」，将视觉从感知任务推向行动决策的起点。
💬 文章金句
- 具身智能正在改变计算机视觉判断自身价值的方式。
- 视觉系统不仅要看懂世界，还要支持一个智能体进入世界、改变世界，并在行动反馈中重新校正自己对世界的理解。
- 一个方向真正完成「夺权」，从来不是靠论文数量取胜，而是靠重新定义整个领域的问题入口、评价标准和技术路线。
- 看见是感知，理解是表征，行动才是对理解的最终检验。
📊 文章信息
AI 初评：86
来源：AI科技评论
作者：AI科技评论
分类：人工智能
语言：中文
阅读时间：20 分钟
字数：4890
标签： 具身智能, 计算机视觉, CVPR, 机器人学习, 范式转移