7.1
深览指数
科技微博·量子位··AI 生成
ECCV上，顶尖学者们开始研究如何让AI做生意了
2026年ECCV计算机视觉顶会上，钛动科技牵头举办了MARS2 Workshop，这是该届唯一聚焦Agentic Commerce（智能体商业）的研讨会。文章系统介绍了MARS2多模态AI挑战赛的赛题设计、冠军方案技术细节（如证据链工程、跨模态对齐），并揭示了当前多模态AI的能力边界：看懂广告内容已可行，但精准定位关键帧和理解复杂营销意图仍有难度。文章还详细铺垫了钛动科技从出海营销业务、自研钛极大模型（Tec-Chi）到营销多智能体平台Navos的商业闭环，解释其为何能在学术界设置议题。适合关注AI产业落地、多模态技术前沿、及AI Agent商业化的从业者阅读。原文 ↗
核心观点
- ▍多模态AI的下一个关键挑战不再是单纯的感知（看懂内容），而是理解复杂场景中的意图与因果，并转化为可靠行动（System 2推理），Agentic Commerce是这一方向的典型落地场景。
- 01ECCV 2026上，钛动科技牵头的MARS2 Workshop是唯一一个由中国科技公司举办的Agentic Commerce方向Workshop，邀请了牛津大学Yarin Gal、MIT Paul Pu Liang等顶学者。
- 02MARS2多模态AI挑战赛基于钛动真实商业数据集M-CAR（3108支广告视频，覆盖30+语言），设三条赛道：MAC（整体理解）、VTG（关键帧定位）、MDC（营销意图推理）。
- 03竞赛中MAC赛道冠军分数为86.67，而VTG和MDC赛道冠军分数分别为62.27和63.53，显示从理解到定位再到推理的难度阶梯，多模态AI在长时序推理和商业意图解读上仍有明显短板。
- 04VTG赛道的消融实验表明，补充跨模态音频时间线可使定位精度提升16.7分，而参数量从4B扩展至8B反而下降0.2分，强调了信息对齐比单纯增加参数更有效。
- 05冠军方案采用“Proposer-Critic双模型验证”和“从粗到细两阶段定位”的“证据链工程”方法，核心是让AI基于带时间戳的证据回答问题，再通过独立模型验证一致性以抑制幻觉。
- 06钛动科技自研的钛极大模型（Tec-Chi）在2026年SuperCLUE-Mkt营销大模型评测中（85.82分）及SuperCLUE-AdsVU出海营销视频理解测评中（86.43分）均位列前茅。
- 07钛动科技发布的营销多智能体平台Navos，通过整合多种模型和工具，在实际业务中帮助某出海品牌在ChatGPT Ads测试中将ROI提升至2.5倍。招股书显示2025年前三季度其AI营销解决方案收入达1.16亿美元，同比增长68.5%。
反方 / 局限
- — 文章承认，当前模型在需要跨越多个片段梳理时序关系、追溯前因后果并作出商业判断时，表现会明显下滑，离真正参与商业决策还有距离。
- — 文章未讨论AI Agent在商业场景中可能引发的伦理问题（如操纵用户消费决策、偏见放大）或监管挑战，也未涉及该方案在非营销领域（如金融、医疗）的泛化性问题。
ECCV 2026MARS2 Workshop钛动科技M-CAR数据集Agentic CommerceYarin GalPaul Pu LiangTec-Chi (钛极大模型)Navos (营销多智能体平台)证据链工程
12 分钟 · 5 卡片 · 9 资料
读原文 →