卡多确实更容易发顶会！CVPR发布算力报告
CVPR 2026 首次公开 16,034 篇投稿的算力账单：录取论文中位 4 张卡、2,000 开发小时，拒稿论文 2 张、1,200 小时——而四分之一的录取论文全程只用了一张卡。
本文转载自微信公众号「量子位」。原文发表于 2026 年 11 月 2 日，作者文婷，《卡多确实更容易发顶会！CVPR 发布算力报告》。
文婷 发自 凹非寺 量子位 | 公众号 QbitAI
11 月 2 日凌晨，CVPR 的官方账号在 X 上贴出一份报告的链接。1
报告叫 CVPR 2026 Compute Report。CVPR 说，这是第一次把投稿者填报的算力数据汇总起来公开。2
新闻稿在 10 月 28 日发出。报告自己的交互页上，标题底下还挂着一行字：DRAFT，数据与设计仍可能变。3
被录取的论文，GPU 数量中位数 4 张，单卡显存 48GB。2
被拒的论文是 2 张、40GB。2
开发阶段烧掉的算力，录取组中位数 2,000 小时，拒稿组 1,200 小时，差了 67%。2
两组的项目周期中位数都是 7 个月。3
一万六千份表，是投稿时就要交的
CVPR 2026 把算力披露塞进了投稿流程，这张表叫 Compute Reporting Form。4
必填的只有两节：硬件规格，和确认提交。官方估计五分钟能填完。4
要写清楚的是：用了什么 GPU、几张、单卡显存多大，机器是自建机房、共享集群还是云。4
剩下三节选填，分别对应开发算力、效率指标和匿名的 W&B 训练日志。4
16,034 份表收了上来：录取 3,985 篇，Findings 1,463 篇，拒稿 6,162 篇，撤稿 4,139 篇。3
这四类加在一起是 15,749 篇。另外 285 篇在初筛就被退回，报告只作展示，没算进后面对比。3
按这个分母，录取率是 25.3%，把 Findings 算上是 34.6%。3
原文把 CVPR 提前给作者的一句定心话单独引了出来：5
作者交上来的算力表，只会由一个独立的委员会单独处理，审稿人、领域主席和高级领域主席根本看不到，更不会拿来决定论文录不录。
官方指南里是同一套口径：数据由独立的 Compute Reporting Committee 处理，审稿人、领域主席和高级领域主席都看不到。4
再往下翻常见问题，还有一句更干脆的回答：算力数据不会以任何方式影响论文的录用决定。4
差出来的那一截，落在试过多少条死路
原文把 2,000 小时和 1,200 小时的差距归到迭代上：方向不行就换，基线压不住就推翻重来。5
报告换了个量来描述这件事，叫开发／训练倍数，也就是开发阶段的算力是最终训练算力的几倍。3
录取组 13.6 倍，拒稿组 7.8 倍。3
同样七个月，录取组把更多机器时间花在了最终没写进论文的那些实验上。3
| 队列 | GPU 张数中位数 | 单卡显存中位数 | 开发算力中位数 | 开发／训练倍数 | 项目周期 |
|---|---|---|---|---|---|
| 录取 | 4 张 | 48GB | 2,000 小时 | 13.6 倍 | 7 个月3 |
| Findings | 3 张 | 48GB | 2,000 小时 | 11.8 倍 | 7 个月3 |
| 拒稿 | 2 张 | 40GB | 1,200 小时 | 7.8 倍 | 7 个月3 |
| 撤稿 | 2 张 | 40GB | 1,332 小时 | 4.2 倍 | 7 个月3 |
Findings 这一行的两个数字值得多看一眼。它的开发算力中位数跟录取组一样，都是 2,000 小时。3
拉开距离的是倍数。两边的开发算力都是 2,000 小时，Findings 组的 11.8 倍低于录取组的 13.6 倍，说明它把更大的一块留给了最终那次训练。3
4 张之后，还有一张卡的中稿论文
中位数只说明一半人落在哪边。报告把整个分布也放了出来。3
录取论文的 GPU 张数，5% 分位是 1 张，25% 分位还是 1 张，中位数 4 张，75% 分位 8 张，95% 分位 32 张。3
也就是说，四分之一的录取论文全程只动了一张卡。3
拒稿组的上沿低一截，95% 分位是 16 张。3
原文自己也在给这个数字降温：4 张对 2 张，是论文结果出来之后统计出来的相关性。5
CVPR 2026 的程序主席 Vladimir Pavlovic 讲了做这件事的由头：外界普遍觉得 GPU 是当下 AI 的一大推手。2
他说，他们想拿到具体数据，看基础设施到底起没起作用，让证据自己说话。2
一张 4090，也能把奖抱回家
CVPR 2026 还设了三个效率奖。4
其中 Compute Gold Star 给的是效率上的突破。6
萨里大学的公告说，16,000 多篇投稿里，拿到这个奖的只有 18 篇。6
CaricHarmony 是这 18 篇之一，作者是 Dongyu Wang、Dar-Yen Chen 和 Yi-Zhe Song，都在萨里大学 SketchX。7
它做的事：给一张草图，画出一张夸张、但一眼认得出是谁的漫画。7
难在两种条件会互相捣乱。身份和形状同时塞进扩散模型，结果要么是一张平淡的肖像，要么扭曲到认不出。7
论文的做法是开三条路：一条只管身份，一条只管形状，第三条负责把两头调和成一张图。7
三条路各走各的，再用能量函数把调和的那条拉回平衡点。7
整个过程不用重新训练，也不用给每个人单独做微调。7
一张消费级的 RTX 4090，16 秒内出一张。7
论文拿来对照的 DemoCaricature，要给每个身份单独微调 70 秒。7
另一个是 Efficient CVPR Badge，看的是同一类任务内部的效率高低。4
Badge 和 Gold Star 都要求填完第 1 到第 3 节。Transparency Champion 要得更狠，得把匿名的 W&B 训练日志一起交上来。4
谁在交稿，谁在过稿
这批提交来自 69 个国家。3
中国 8,552 篇，占 53.3%，比另外九个投稿大国加起来还多。3
美国 2,185 篇，13.6%；韩国 972 篇，6.1%。3
主要投稿国的录取率都落在 24% 到 34% 之间：中国 25.0%，美国 27.1%，韩国 25.7%，香港 33.2%，新加坡 27.3%。3
两头各有一个例外：瑞士 37.1%，在主要投稿国里最高；印度 16.3%、台湾 13.3%，明显低于平均。3
换成按人口归一化，排序就全变了。3
新加坡每百万人 64.6 篇，香港 53.2 篇，美国 6.6 篇，中国 6.1 篇。3
按研发投入算又是另一幅图：中国每十亿美元研发经费产出 13.8 篇，美国 2.9 篇。3
报告给的解释是结构差异。美国一年 7,550 亿美元研发开支，摊在生物医药、国防、能源和航天上，计算机视觉只占一小块。3
跟录取走得近的，是能反复开工的张数
用了 H100 或 H200 的论文，只占 11.6%。3
大头是更普通的卡：消费级与工作站级 34.6%，A100 占 28.4%，RTX 3090、V100 这一档 17.2%。3
地区之间差别很大。3
美国、英国、德国、法国、澳大利亚的研究者以 A100 级的机构集群为主，H100 使用率在 14% 到 22% 之间。3
中国的众数是 RTX 4090 级，占 37.3%；报 H100／H200 的只有 10.3%。3
日本是反例。H100 渗透率 22.5%，录取率 24.6%，跟中国的 25.0% 基本持平。3
报告的结论写得干脆：H100 渗透率与录取率之间没有显著相关。3
有相关的是另一个量——每篇论文能调动多少张卡。3
机器的来源则相当分散：录取论文里 49.9% 用自建机房，27.9% 用共享学术集群，19.2% 用商业云。3
顶会早就在问这笔账
NeurIPS 的论文检查表第 8 条就是「实验算力资源」。8
这一条要求作者写清用的是 CPU 还是 GPU、机器在自建集群还是云上、内存多大、跑多久，还要估算整个项目的总算力。8
漏交整张检查表的论文会被直接退回。8
AAAI 也把复现检查表写进了投稿要求。9
CVPR 这次多走了一步：不只是每篇交代一句，而是把一万六千多篇摆在一起比。3
一条 DRAFT 提示，一句没定义清楚的话
报告的交互页至今标着 DRAFT，数据与设计还会动。3
X 上有人就在追问，这里的 development time 具体指什么。10
按披露表的定义，第 3 节要的是开发阶段的总算力，包含所有实验、失败的尝试和反复迭代。4
报告表格里这一列的名字是 Median development compute，单位是小时。3
所以 2,000 小时说的是一个项目从试到成的累计开动时间，落在单个模型身上的训练时长要短得多。4
原文最后收在两句话上：卡多不多、算力够不够跑，确实在悄悄给论文加码；而「省卡」本身，也开始有了一块领奖台。5
这份表里对投稿人最好用的一行，大概是那个 13.6 倍。同样七个月，手里能反复开工的卡有多少，决定你能踩完几条最后没写进论文的岔路。3
References
- 1@CVPR 推文
x.com
- 2CVPR 2026 新闻稿
cvpr.thecvf.com
- 3CVPR 2026 算力报告
computereport.github.io
- 4算力披露表作者指南
cvpr.thecvf.com
- 5量子位原文
mp.weixin.qq.com
- 6萨里大学公告
surrey.ac.uk
- 7CaricHarmony 论文
openaccess.thecvf.com
- 8NeurIPS 论文检查表
neurips.cc
- 9AAAI-26 复现检查表
aaai.org
- 10EIFY 的回复
x.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.