摘要：CV 的增量已经不在"看得更准"，在"看得懂、想得清、动得了"。本文基于 CVPR 2026、ICLR 2026 的论文与奖项数据，加上今年产业侧的真实进展，梳理七个我认为值得投入的方向，给出每个方向的关键数字、当前卡点和切入点建议，最后列三个已经不建议再投的坑。所有数字都标了口径，可以自行复核。文章目录引子一、先把三个数字摆出来二、理解与生成的原生统一三、视觉推理：多模态终于开始"想"了四、空间智能与前馈 3D/4D五、世界模型六、VLA：热得发烫，泡沫也不小七、长视频与视觉 token 预算八、GUI 与游戏 Agent九、三个我不建议再投的坑十、优先级表十一、三条落点建议附：关键论文与模型清单写在最后引子我在做明年技术规划的时候，把 CVPR 2026 和 ICLR 2026 的论文、奖项、几家大厂今年的发布翻了一遍。越翻越确信一件事。靠 mAP、mIoU 往上挤那零点几个点的时代，在学术上结束了。这话不是我说的。CVPR 2026 把 Longuet-Higgins 时间检验奖给了 ResNet 和 YOLO，一个 2015 年的残差网络，一个 2016 年的检测器。奖项委员会用这种方式告诉你，这条线可以进博物馆了。同一届会议上跑在前面的东西长这样：最佳论文给了 4D 动态场景重建，最佳学生论文给了能在 17 秒里生成 PBR 资产的 3D 生成模型，VLA 论文同比涨 5 倍，世界模型涨 3 倍。所以这篇不是综述，是一份带判断的调研。每个方向我都把关键数字写出来，你可以自己判断该不该进。一、先把三个数字摆出来后面所有判断都挂在这上面。第一个是投稿结构。CVPR 2026 收到 16,092 篇有效投稿，同比涨 24%，录用 4,071 篇，录取率 25.3%。官方主题分布里最热的三条赛道是图像与视频合成、视觉-语言-推理、3D 视觉。第三条尤其值得留意，3D 视觉五年前还是个小众方向。第二个是牛津 VGG 的背靠背两连冠。2025 年 VGGT（前馈三维重建），2026 年 D4RT（4D 动态场景重建，A100 上 200+ FPS，比 VGGT 快约 9 倍）。同一个实验室，同一条几何主线，连续两年最佳论文。评审口味的整体迁移比任何单篇论文都说明问题。第三个是具身智能的论文结构。CVPR