引言：当目标检测遇见状态空间模型，一场“降维打击”正在发生
2026年1月，Ultralytics在YOLO Vision 2024大会上正式发布了YOLO11，宣称其在精度与效率之间达到了前所未有的平衡。根据Ultralytics官方博客的数据，YOLO11m在COCO数据集上以比YOLOv8m少22%的参数实现了更高的mAP，成为边缘端推理的新标杆。同年3月，MLCommons正式宣布YOLO11被采纳为MLPerf Inference v6.0 Edge套件的官方目标检测模型，标志着YOLO11在工业界获得了最权威的基准认可。
然而，放眼学术前沿，另一股技术浪潮正在以惊人的速度席卷视觉领域——状态空间模型（State Space Model, SSM）。以Mamba为代表的SSM架构凭借线性时间复杂度的序列建模能力，直接在NLP领域对Transformer发起了挑战。而今，这场技术风暴正式登陆计算机视觉。
将Mamba视觉骨干网络引入YOLO系列，成为2025年目标检测领域最炙手可热的研究方向。Mamba-YOLO（发表于AAAI 2025）开创性地提出将ODMamba骨干网络嵌入YOLO框架，在COCO上以1.5毫秒的极致推理延迟实现了mAP暴涨7.5%的惊人成绩。与此同时，NVIDIA Research团队于CVPR 2025上提出的MambaVision混合骨干网络，以创新的Mamba-Transformer混合架构，在ImageNet-1K上刷新了Top-1精度与吞吐量的SOTA Pareto前沿。
