在计算机视觉领域，一场具有里程碑意义的竞赛刚刚落下帷幕。来自上海的初创公司比特无限，携手武汉大学团队，凭借自研的Arko系列模型，在ECCV 2026 CAD Challenge中力压全球27支劲旅，以96.39分的优异成绩摘得桂冠。这一成绩不仅是组委会以GPT-5.5最高强度推理模式设置的基准线的近5倍，更标志着中国团队在物理3D生成领域实现了重大突破。
ECCV作为计算机视觉领域的三大顶级会议之一，每两年举办一届，其学术规格在欧洲乃至全球都处于领先地位。2024年，会议投稿量高达约13000篇，但录用率仅为19.0%，口头报告入选率更是低至1.5%，足见其竞争之激烈。而此次的CAD Challenge由斯坦福大学、加州大学伯克利分校等顶尖学术机构与普罗米修斯公司等产业巨头联合组织，旨在验证AI生成可制造工业级CAD模型的能力，其严格程度堪称行业之最。
竞赛的评判标准极为严苛，不追求视觉上的相似，而是注重工程上的真实性。参赛团队需根据3D渲染图和工程制图视图，输出标准化的STEP格式BRep几何模型。系统会从曲面、边、顶点、拓扑四个维度进行综合评分，并结合有效样本占比确定最终排名。每个账号每日提交次数有限，测试集样本众多，任何缺失、无法打开或超时的结果均视为无效。这种机制确保了只有真正具备几何精度和工程可用性的团队才能脱颖而出。
在这样高强度的竞争中，比特无限的表现令人瞩目。其Arko系列模型不仅以高分夺冠，更将GPT-5.5的基线成绩远远甩在身后。这一结果揭示了一个关键问题：通用大模型虽然擅长图像语义理解，但在工业几何和制造装配约束方面仍存在明显不足。它们可以识别图片中的零件，却难以掌握壁厚、螺丝孔径等工程细节，因为这些知识往往隐藏在工程师的CAD图纸和设计决策中，而非公开的图文资料。
比特无限的成功并非偶然。自成立以来，该公司便专注于物理工程场景，致力于搭建一套能够理解制造业真实约束和需求的模型体系。其技术架构分为三层：底层是覆盖消费电子、机械结构、家居生活三大领域的210万套物理3D数据集；中间层采用“继续预训练+后训练+Agent框架”，形成完整的闭环；顶层则是面向C端创客和B端工业客户的产品矩阵。这种架构的核心壁垒在于数据管线、工程知识沉淀和几何内核的深度耦合，使得模型能够直接输出可编辑、可制造的工业级文件。
比特无限的团队背景同样不容小觑。公司由有着多年海外AI创业经验的李士麒与华为盘古大模型联创周平义博士共同创立。周平义作为全球少数主导过万亿参数大模型预训练的科学家之一，全程参与了盘古三代模型的研发，发表了25篇顶会论文，拥有1000+的Google Scholar引用和2项美国专利。在他的带领下，比特无限的技术团队展现了强大的研发实力。
资本市场的反应也印证了比特无限的价值。成立仅一年，该公司便连续完成四轮融资，Pre-A轮融资由跃迁资本、上市公司CVC及老股东超额追投，A轮融资也已获得多家知名机构的投资意向书。投资人普遍认为，比特无限的技术路线填补了国内物理3D基础设施的空白，有望重构工业软件竞争赛道，缩短“想法到产品”的链路，增强中国制造体系的创新活力。
在全球范围内，物理AI赛道正掀起一场革命。2025年，亚马逊创始人杰夫·贝佐斯联手前谷歌高管创立了工业AI公司普罗米修斯，旨在构建“通用人工智能工程师”，让AI真正理解三维物理空间。然而，这一目标的实现依赖于“制造业互联网数据”的积累，而全球制造业产能向中国的转移，使得中国在数据积累方面具有天然优势。比特无限正是抓住了这一机遇，依托中国工业数据，训练出真正理解物理世界的AI模型。
尽管物理3D赛道仍处于早期阶段，高质量工程数据的获取成本高昂，现实制造的约束条件复杂多变，但比特无限已经迈出了坚实的一步。其正向的数据飞轮机制——用户建模、修改、调试产生的高价值工程经验回流用于迭代模型——为技术的持续进步提供了动力。随着模型的不断优化，AI有望在未来辅助工程师压缩研发周期，降低实体产业的创新门槛，将论文与榜单上的能力转化为制造业的生产力。
