ECCV 2026 官方完整议程公布那天，很多人的目光都被 Yann LeCun 的名字吸引过去了。图灵奖得主压轴 Keynote，这个分量足够重。但比人物更值得关注的，是他讲什么——基础模型方向。再加上另外两场 Keynote 分别讲自动驾驶世界模型和视频具身感知，三件事放在一起，本届顶会的主线就非常清晰了。

世界模型这个词，前几年还只出现在少数论文和技术讨论里。这两年开始频繁出现在各种顶会和产业论坛上。到了今年 ECCV，直接站上了 C 位。这种变化不是偶然的，它说明整个计算机视觉领域的研究重心，正在从"识别看到了什么"转向"理解世界怎么运行"。

对于产品设计行业来说，这个转向的意义特别重大。因为设计这件事，本质上也是在和世界的运行规律打交道。设计师要预判用户的行为，要模拟产品的使用场景，要评估各种方案的优劣，要推演可能出现的问题。这些工作和世界模型做的事情，底层逻辑是相通的。

我们先来看世界模型到底在做什么。简单说，就是让 AI 学会理解物理世界的运行规律，能够预测接下来会发生什么，能够在脑子里"想象"出不同选择导致的不同结果。就像人下棋的时候，能在脑海里推演几步之后的棋局。人做决策靠的是对世界的认知模型，AI 也是一样。

LeCun 这么多年一直在推世界模型的方向，他的核心判断是，今天的大语言模型之所以有很多局限性，就是因为它们缺乏对真实物理世界的理解。语言只是世界的一个投影，不是世界本身。要让 AI 真正具备通用智能，必须让它理解物理世界是怎么运作的，包括物体的运动规律、因果关系、空间结构等等。

这个判断，做工业设计的人应该深有同感。设计一款产品，你不能只看表面的功能和外观，你得理解产品所处的物理世界和使用场景。重力、摩擦力、材料特性、人体尺寸、使用习惯，这些都是设计师脑子里的"世界模型"。没有这些认知，设计出来的东西再好看也用不了。

传统的设计方法，是靠设计师的经验和直觉来构建这个世界模型的。做的项目越多，见过的问题越多，脑子里的模型就越准确。但这种方式有它的局限性。第一，它依赖个人经验，不同设计师的水平差异很大。第二，它的迭代速度慢，要靠一个个项目积累，急不来。第三，它的覆盖范围有限，每个人的经验都有边界，超出熟悉领域就容易出问题。

AI 世界模型的出现，有可能从根本上改变这个局面。如果 AI 能够建立起对物理世界的准确认知，能够快速模拟和推演不同设计方案的结果，那设计师手里就多了一个超级强大的工具。以前需要花几天甚至几周才能验证的设计方案，将来可能几分钟就能看到模拟结果。以前需要靠实物原型才能发现的问题，将来在数字世界里就能提前暴露。

创品千乘在服务客户时，经常会遇到方案验证的痛点。很多设计问题，纸面讨论是讨论不清楚的，必须做手板、做样机、做测试，才能知道行不行。这个过程既费时间又费钱。有时候方案改一轮，手板就要重新做一次，周期就拉长了。如果有了成熟的世界模型，很多验证工作就可以在数字世界里完成，效率会高得多。

当然，这不是说设计师就没用了。恰恰相反，工具越强，对设计师的判断力和创造力要求就越高。世界模型能帮你快速验证方案，但不能告诉你应该做什么方案。方向的判断、价值的取舍、审美的把握，这些还是要靠人。AI 是把设计师从繁琐的验证工作中解放出来，让他们有更多精力去做真正需要创造力和判断力的事情。

我们再来看 ECCV 另外两场 Keynote 的方向。Jamie Shotton 讲的是自动驾驶里的世界模型，Kristen Grauman 讲的是视频与具身感知。这两个方向，和工业设计的关系同样密切。

自动驾驶里的世界模型，研究的是车辆如何理解复杂的交通环境、预测行人和其他车辆的行为、做出安全的驾驶决策。这套技术如果成熟了，用到产品设计里，就是非常强大的用户行为模拟能力。你可以把一个新产品放到模拟环境里，让 AI 生成各种各样的用户来使用它，观察会出现什么问题，体验流不流畅，哪里会有困惑。这种模拟的样本量和覆盖度，是传统用户研究根本比不了的。

视频与具身感知的方向，对应的是机器人和可穿戴设备这类产品。机器人要在真实世界里移动和操作，就必须通过视觉来理解周围的环境、感知物体的位置和形态、规划自己的动作。这些能力，和产品设计中的人机工程、交互设计、体验设计直接相关。具身感知越成熟，产品和人的交互就越自然，用户体验就越好。

所以这三场 Keynote 放在一起看，其实就是一个完整的技术图景——世界模型是大脑，自动驾驶和具身感知是两只手，分别对应不同的应用场景。大脑越来越聪明，手越来越灵活，AI 就越来越能深入到物理世界的各个角落，影响和改变越来越多的产品形态。

对于工业设计行业来说，这个变化带来的冲击是深层次的。它不只是多了一个设计工具，而是整个设计流程和设计思维都可能被重塑。

传统的设计流程，大概是这样的：调研、定义概念、出方案、画效果图、做结构、打样、测试、修改、量产。每一步都要花时间，每一步之间都是串行的。虽然有各种数字化工具在辅助，但核心的决策和判断还是要靠人来做，迭代的速度还是受限于人的工作节奏。

有了世界模型之后，很多环节可以并行化、自动化。方案生成可以由 AI 快速给出几十个不同方向的草样，设计师只需要做筛选和判断。方案验证可以在数字世界里用世界模型快速模拟，不用每一次都做实物原型。用户研究可以用 AI 生成大量虚拟用户来测试产品，覆盖更多边缘场景。这样一来，设计的迭代速度会大大加快，设计师可以把更多时间花在真正需要人类智慧的地方。

创品千乘的四力五维方法论里，创新力对应的是好看维和专利维。AI 工具的出现，会让创新力的表达方式发生变化。以前创新力体现在设计师能想出多少独特的方案，以后可能体现在设计师能从 AI 生成的大量方案中，选出最有价值的方向，并且把它打磨到位。筛选和判断的能力，可能比纯产出的能力更重要。

当然，这一切都还处在早期阶段。世界模型现在的能力还远谈不上成熟，离真正能用在工业设计流程里，还有很长的路要走。但方向已经很清楚了，ECCV 把它放在主舞台的位置，就是一个强烈的信号——学术界的研究重心已经转过来了，产业界的应用落地也会跟着加速。

对于设计师来说，现在最应该做的事情，不是焦虑会不会被替代，而是想清楚怎么和 AI 一起把设计做得更好。AI 再强，也只是工具。工具能放大使用者的能力，但不能代替使用者的判断。一个优秀的设计师，加上一个强大的 AI 工具，能产出的成果，是任何一方单独都达不到的。

历史上每一次设计工具的重大变革，都会带来设计行业的一次跃升。从手绘到 CAD，从 2D 到 3D，从静态建模到参数化设计，每一次工具升级，都让设计师能做更多、更快、更好的事情。世界模型带来的这次变革，量级可能比之前的都要大。因为它不只是改变了设计的表达工具，而是在改变设计的思维方式和验证方式。

ECCV 2026 上的这三场 Keynote，不只是学术圈的事情。它们是一个风向标，告诉所有和物理世界打交道的行业——不管是制造业、设计业还是服务业——AI 对物理世界的理解正在快速加深，接下来几年会有大量的新产品、新模式、新机会冒出来。

谁能提前看到这个趋势，谁能提前做好准备，谁就能在接下来的变革中占得先机。对于工业设计从业者来说，理解世界模型、拥抱 AI 工具、升级自己的设计方法论，已经不是选做题，而是必答题了。

更深一层看，世界模型带来的不只是效率的提升，更是设计哲学层面的变化。传统的设计思维，很大程度上是线性的、确定的。你设定一个目标，然后一步步朝着目标推进，每一步都有明确的输入输出。这种思维方式，在相对稳定的环境里很有效。

但真实世界从来都不是线性和确定的。用户的行为千差万别，使用场景千变万化，意外情况层出不穷。传统的设计方法，只能覆盖最主要的场景和路径，对于边缘情况和长尾问题，往往顾不过来。很多产品上市后出问题，就出在这些没被覆盖到的角落里。

世界模型的思路就不一样了。它不是预先设定好所有的规则和路径，而是通过学习大量数据，建立起一个对世界运行规律的整体认知。遇到没见过的情况，它能基于对世界的理解去推断和适应。这种能力，叫做泛化。泛化能力越强，能处理的未知情况就越多，产品的适应面就越广。

如果把这个思路用到产品设计上，整个设计的范式就变了。设计师不再需要事无巨细地规定产品在每一种情况下的行为，而是定义好产品的目标、约束和原则，然后让 AI 在各种模拟场景里去探索和优化。就像训练机器人一样，让产品设计方案在数字世界里经历成千上万次考验，把所有可能出问题的地方都提前暴露出来。

这种设计范式的转变，和创品千乘强调的系统思维是一致的。好的产品设计，不能只盯着某个局部做优化，而是要从系统整体出发，考虑各个部分之间的关系，考虑产品和环境之间的互动。世界模型，本质上就是一个强大的系统模拟工具。它能帮设计师站在更高的维度上看问题，看到更完整的系统行为。

当然，这条路不会一帆风顺。世界模型本身还有很多技术难题要解决，物理世界的精度问题、因果推理的可靠性问题、模拟和现实的差距问题，每一个都是硬骨头。设计行业要把世界模型用好，也需要时间和实践去摸索。工具怎么和现有流程结合，数据从哪里来，结果怎么验证，这些问题都需要在实践中逐步找到答案。

但方向是确定的。ECCV 把世界模型推到主舞台，只是一个开始。接下来几年，这个领域会有越来越多的研究成果出来，越来越多的应用场景跑通，越来越多的设计工具会被重新定义。设计师需要做的，就是保持开放的心态，持续学习新的技术，想清楚在新的技术条件下，人的核心价值到底在哪里。

技术永远在变，但设计的本质不会变——理解人、理解物、理解它们之间的关系，然后创造出更好的解决方案。世界模型只是提供了一个更强大的工具，让我们能更深、更快、更准地理解这个世界。真正的设计智慧，还是要靠人来注入。