正面Pk美国普罗米修斯！比特无限击败全球团队拿下ECCV 2026 CAD Challenge

近日，ECCV 2026 官方 CAD Challenge 最新榜单公布，比特无限联合武汉大学团队，凭借自研智能体系统取得 96.39 分的成绩，击败其余 27 家全球队伍，拿下全球第一。

这场全球顶级计算机视觉赛事中的亮眼表现，不仅意味着比特无限在物理 3D 生成领域的技术能力获得国际顶级学术评测的验证，也进一步凸显了其围绕「物理 3D 数据基础设施」构建的技术路线。

榜单链接：https://huggingface.co/spaces/jingwei-xu-00/eccv2026-cad-challenge

重构「AI 理解物理世界」边界的顶级学术试炼

计算机视觉领域的三大顶会 CVPR、ICCV 与 ECCV，并称为计算机视觉领域的 「三大顶会」，构成了全球 AI 视觉研究的「金字塔尖」。

其中，由欧洲计算机视觉协会（ECVA）主办的 ECCV 每两年举办一次，代表了该领域在欧洲的最高学术规格。

公开数据显示，ECCV 2024 的投稿量约为 13000 篇，接收论文 2395 篇，录取率仅为 19.0%，其中又有 188 篇入选口头报告论文，入选率仅为 1.5%，低录用率体现出极高的技术含金量。

国内科研力量也在此舞台持续发力：2024 年，上海人工智能实验室联合团队曾有 45 篇论文被引用，云数据处理方法入围最佳论文候选，8 篇获 Oral 展示；吉林大学、湖南大学、电子科技大学、同济大学等高校成果亦频繁亮相。

比特无限此次登顶的，是 ECCV 2026 官方 Workshop「The Path to Manufacturing: Evolving 3D Generation to Intelligent Computer-Aided Design」研讨会组织的 CAD Challenge，该挑战专为验证「AI 能否生成可制造的工业级 CAD 模型」而设，聚焦生成式人工智能与工业工程的交叉创新，探索如何推动 3D 生成从视觉外观生成迈向可编辑、可参数化、可约束和可制造的智能 CAD。研讨会组织方包括普罗米修斯公司、斯坦福大学、加州大学伯克利分校等国际知名产业与学术机构。

不同于常规的视觉跑分竞赛，本次评测标准极为严苛：参赛方需基于输入的 3D 渲染图与工程制图视图（含隐藏线灰化处理的 HLG 视图），输出标准化的 STEP 格式 BRep（边界表示）几何模型。系统利用 OCCT 几何内核，对预测结果与隐藏真值进行网格化、点云采样及匈牙利匹配，从 Surface F1（曲面）、Edge F1（边）、Vertex F1（顶点）、Topology F1（拓扑）四个维度综合评分，并叠加有效样本占比（valid_ratio）确定最终排名。

这场竞赛考验的核心，是 AI 能否从「看懂一个物体」进一步走向「理解并重建一个设计」。

组委会在规则设计上对公平性与严谨度的要求同样苛刻：每个账号每日限提交 3 次，总计不超过 30 次，且仅当综合分数超过官方基线时才计入排名；竞赛测试集包含 927 个 STEP 真值被隐藏的样本，要求参赛队伍独立预测每个样本的 STEP 文件，任何缺失、OCCT 无法打开、网格化失败或超时的样本均被判定为无效。这套评测体系过滤掉了大量「能演示、不能落地」的方案，留下的都是在几何精度与工程可用性上具备真实力的团队。

ECCV 2026 CAD Challenge 规则

破解「CAD 生成」难题：比特无限的技术路径解析

比特无限成立以来专注的方向，与市面上多数「视觉 3D」公司有所不同。此前几年，Meshy、Tripo 等公司推动了「视觉 3D」的发展，核心目标是生成「视觉美观」的模型，主要服务于游戏、影视及虚拟形象等娱乐场景。而工业界的需求处于不同维度：模型需要能被数控机床加工、与其他零件精确装配并承受真实物理载荷，这要求模型具备严谨的参数化结构与拓扑一致性，而不只是一张「好看的网格皮肤」。

CAD 生成的难点在于，AI 不仅要理解物体外观，还要理解背后的设计意图、装配关系与制造工艺，输出可编辑、可参数化修改的工程文件，而非离散三角网格 —— 在视觉 3D 中微不足道的曲面法向偏差或拓扑错位，放到工业场景中可能导致零件无法装配。

这类问题对应的是一线工程师的真实工作场景。以消费电子结构设计为例，一款需要兼顾散热与结构强度的设备外壳，内壁常布满密集散热筋位与卡扣，工程师依据外观渲染图与二维工程图纸，需要反复推敲圆角半径、拔模角度与装配公差：圆角过小会导致注塑应力集中开裂，拔模角度不足会引发脱模拉伤，卡扣位置的微小偏差则可能导致整机异响或松动。

而这些工程细节，往往贯穿整个 3D 建模、校核与修改过程。从草图到可生产的 STEP 文件，资深工程师往往需数天乃至数周进行建模、校核与返工。精密机械与家居研发同样依赖经验试错以确定装配关系、运动干涉与受力路径。这些宝贵的建模经验与设计直觉长期滞留于个人脑海中，难以规模化复用或高效传承。

比特无限团队自研的 Arko 系列基础模型，涵盖文本、图像、点云 / 网格生成 CAD，以及支持自然语言交互的 CAD 编辑器。底层基于参数化建模语言与 OpenCascade 几何内核构建，直接输出可编辑、可制造的工业级 STEP/STL 文件，而非仅供展示的视觉网格。

比特无限的技术架构分为三层：底层为 210 万套物理 3D 数据集的端到端数据工程体系，覆盖消费电子、机械结构、家居生活三大领域；中间层采用「继续预训练 + 后训练 + Agent 框架」，形成「理解 — 规划 — 建模 — 评估 — 优化」的完整技术闭环；顶层则是面向 C 端 Maker 与 B 端工业客户的产品矩阵。关键在于，比特无限构建了行业独有的数据管线，完整记录并留痕工程师从创意起草、建模到修改的全过程，将真实工程经验内化为模型原生能力，这正是同类模型难以复制的核心壁垒。

比特无限技术架构

值得一提的是，官方榜单上还设有一项名为「GPT-5.5 Extra-High-Thinking Baseline」的基线条目 —— 即组委会以当前最强的通用多模态大模型 GPT-5.5、并开启最高强度推理模式作为参照系，用来衡量参赛方案相对于通用大模型能力的领先幅度。根据榜单，比特无限联合武汉大学团队最终取得 96.39 分，约为该基线得分 19.32 分的 5 倍，展现出相较通用大模型的显著领先优势。

GPT-5.5 Extra-High-Thinking Baseline 排名

这也从侧面印证了通用大模型与专用物理 3D 模型之间的差异：即便是强大的通用推理模型，也未针对「输出可直接加工、精确装配的参数化 STEP 文件」这类工业级任务专门优化，理解的更多是「图像语义」而非「工程几何」。寓意着比特无限已在专业数据、结构化三维表示、参数化代码生成与工程评测等环节形成系统性技术壁垒，并正在推动 3D 生成从「看起来相似」迈向「结构正确、参数可控、结果可编辑」，为智能设计、工程仿真、自动制造和 Physical AI 奠定关键技术基础。

指标对比

AI CAD：

下一代 3D 生成的核心演进方向

如果说过去十年 3D 生成的主战场是「让 AI 画得像」，那么下一个十年的主战场必将是「让 AI 造得出」。

在全球 3D 数字模型平台中，追求视觉效果的游戏娱乐需求仅是冰山一角，覆盖设计、装配、制造全链路的「物理 3D」需求占据了市场真正的 80% 份额，它是消费电子、汽车、家居、精密制造等实体产业的数字基础设施。

视觉 3D 的评价标准是「渲染画面是否惊艳」，而物理 3D 的标准是「模型能否被真实制造、装配及使用」。这中间隔着的是完全不同的技术范式与数据体系，因此，资本逐渐意识到，谁能率先补齐「制造业互联网数据」这块拼图，谁就能在 AI 原生工程赛道占据先发优势。

据公开报道，由亚马逊创始人贝索斯主导，摩根大通、高盛、贝莱德等机构投资的 AI 创业公司 Prometheus（普罗米修斯计划），在最新一轮融资中获 120 亿美元投资，投后估值达 410 亿美元。其目标是打造能设计、验证并制造实体产品的 「人工通用工程师」，大幅压缩工业研发从「构想 — 设计 — 验证 — 制造」的完整周期。在这条技术路线上，全球公认的核心瓶颈在于「制造业互联网数据」的匮乏，以及「真正理解物理几何」的专用模型的缺失。

比特无限正是对标这一全球叙事、并在中国率先补齐关键拼图的企业。比特无限自成立之初便定位为「物理 3D 数据基础设施」公司，通过数学与代码计算可制造、可装配、可运动的工程模型，使 AI 原生地理解空间几何与运动轨迹。

此次在 ECCV CAD Challenge 上夺得第一，不仅是一次单点技术验证，更是「结构化 3D+AI CAD+Physical AI」路线在国际顶级学术评测中被系统性确认的信号 ——AI 3D 生成的下一站，必然是从「能看」走向「能用」，从视觉几何走向工程几何，从游戏娱乐走向真实制造。

立足于此节点向前展望，比特无限的野心显然不止于榜单上的领先。随着更多 C 端 Maker 与 B 端工业客户开始使用 Arko 系列产品，每一次建模、每一次修改、每一次工程师的设计决策，都将通过「经验留痕」管线持续反哺模型训练，形成 「越用越强」的数据飞轮，物理 3D 数据引擎的长期价值，也将逐步转化为「产业规模化落地」的确定性优势。

团队背书与技术积累

支撑比特无限此次技术突破的，是一支兼具顶级大模型预训练经验与深厚工业数据积累的团队。公司预训练负责人周平义，作为华为盘古大模型的联合创始人及核心二号位，全程主导了从盘古 Alpha 2000 亿参数 Dense 模型到 Sigma 万亿参数 MoE 模型等三代大模型的研发，他累计发表顶会论文 25 篇，Google Scholar 引用逾 1000 次，并持有 2 项美国专利，是全球范围内少数具备万亿参数级大模型预训练实战经验的科学家之一。

比特无限联合创始人 周平义

与自然语言和图像生成不同，物理 3D 生成不仅需要满足视觉层面的相似性，更必须遵循尺寸公差、装配关系、拓扑一致性等严格的工程约束。这意味着模型输出需要经受可制造性与工程精度的检验，而不能仅依靠概率意义上的「看起来合理」，这恰好与比特无限长期坚持的技术路线高度契合 —— 从研发之初，团队便将「可制造性」作为物理 3D 模型训练与评估的重要标准。

在数据工程层面，比特无限构建了一支由 150 名硕士与 3 名博士组成的复合型队伍，并与上海交通大学、同济大学、华东理工大学建立了深度产学研合作机制，本次更携手武汉大学团队共同斩获 ECCV CAD Challenge 全球第一，持续推动学术界前沿几何理解理论与工业界真实数据场景的融合。

ECCV 2026 Workshop Official Result Statement

在生态与资本布局上，比特无限已入选英伟达全球加速计划（NVIDIA Inception Program），成为智谱 AI 官方合作伙伴，并入驻上海模速空间人工智能产业高地。其股东阵容涵盖卓源亚洲（基流、生数等项目投资方）、容亿资本（宇树科技、银河通用等项目早期投资方）、普华资本以及助力 12 家企业成功 IPO 的壹德资本，显示出资本市场对其技术路线的高度认可。

比特无限本轮数千万元 PreA 轮融资由产业投资方跃迁资本，上市公司 Cvc 及老股东平湖金控人才集团超额追投，同步启动的 A 轮也已经拿到多家知名机构投资人的投资方案。

从技术登顶，走向全球 3D Token 调用量最大的物理基座模型公司

从对标贝索斯「普罗米修斯计划」的战略定位，到自研 Arko 系列基础模型在全球顶级学术评测中夺得第一，比特无限以实质性的技术成果证明，中国团队完全有能力在「物理 3D 基座模型」这一新兴赛道实现全球 SOTA 水平，且该突破完全基于国产算力训练完成。这不仅是品牌层面的荣誉，更是比特无限践行「让 AI 真正理解物理世界」长期愿景的关键里程碑。

未来，随着客户数据的持续回流，模型能力与数据规模将形成正向闭环，这种数据工程与模型能力的双轮驱动策略，将经过 ECCV CAD Challenge 验证的技术能力，转化为服务于消费电子、机械结构、家居生活等真实产业场景的产品，进一步夯实比特无限在「物理 3D 数据基础设施」赛道的竞争壁垒。

比特无限的长期目标很明确：成为全球 3D Token 调用量最大的基座模型公司，以自主可控的技术路线，推动全球制造业的 AI 原生化进程。

此次 ECCV CAD Challenge 摘得全球第一，仅是这一长期战略叙事的开端。

文章来自于"机器之心"，作者 "机器之心"。