研究背景
CVPR 2026 最佳论文授予 Google DeepMind 的 D4RT——一个统一视觉模型，评语称它「回答了计算机视觉界追问 20 年的问题」。视觉任务几十年来被切分为检测、分割、深度、跟踪等独立任务，各自设计架构与标注；D4RT 用单一模型统一处理。
方法与核心内容
统一视觉模型的技术路线：把所有视觉任务统一为「提示-响应」的序列问题，模型在超大规模多任务视觉数据上联合训练。这与 LLM 的一模型多任务逻辑同构——视觉领域的 GPT 时刻。
结果与意义
获奖本身即最强信号：CVPR 最佳论文委员会认为统一模型的路线代表了计算机视觉的未来方向。配套的榜单分析（basic.ai）把 D4RT 列为 CVPR 2026 头部工作。
我们的观点
D4RT 获奖的信号意义：视觉领域正在重演 NLP 的大一统历程——任务特化模型被统一模型吸收。对本站 AI 方向读者的提示：研究任务特化的技术红利期正在缩短，统一基座加提示的工程价值在上升。
保留意见：统一模型在极端资源受限场景（边缘设备、专用精度）仍不敌小模型；「删除一个任务」的叙事更像营销修辞——任务定义权的转移才是实质。