百度Apollo World世界模型发布：世界模型“2+3”标准与萝卜快跑验证

“评判一个世界模型，关键不在渲染出来的画质漂不漂亮，而要看模拟器能否忠实还原现实中的物理规律与行为因果。”11月3日深圳举行的百度AI Day·Apollo专场上，百度Apollo首次公开了面向物理AI的智能体驱动全模态世界模型Apollo World，同时抛出世界模型“2+3”判断标准。这套模型目前已经投入萝卜快跑的全球化测试与验证，为无人驾驶规模化落地提供支撑。

在百度智能驾驶事业群组（IDG）首席架构师、IDG技术委员会主席王亮看来，世界模型的作用不只是“生成炫酷视频的画师”，更应该充当检验无人驾驶安全性的“考官”。萝卜快跑是迄今中国唯一以端到端技术规模化运营 L4 无人驾驶的出行平台，端到端全无人运营里程已超过百万公里；Apollo World为这一平台构建虚拟训练环境，让作为“学生”的 AI Driver在其中学习、验证并迭代。

百度智能驾驶事业群组(IDG)杰出架构师、世界模型负责人杨泽补充说：“Apollo World将虚拟场景内所有交通参与者建模为具备决策与交互能力的AI智能体，支持无人车在虚拟城市任意起终点通行，打造提前验证‘无限未来’的虚拟场景订单。”另外，Apollo World的技术栈还能延伸到机器人等更多物理 AI 场景。

有行业人士分析，Apollo World可以“日行十万公里”，它一天跑完的虚拟路测里程，差不多等于一辆配了安全员的真实路测车连轴测试约三年。世界模型带来的能力跃升，再加上数据飞轮效应，会让强者愈强的局面在行业里显现，这股趋势也在把产业推向等待已久的“AGI时刻”。

世界模型不能只是“画得像”，Apollo抛出世界模型“2+3”评判标尺

摩根士丹利把世界模型看作AI的“想象引擎”，让AI在动手之前先在虚拟空间里推演一遍，做到“先思考、后行动”。可要把这种本事搬到无人驾驶上，并不轻松。李飞飞讲过“汽车是带轮子的机器人”，但自动驾驶汽车更像一个二维避障的方盒子，跟三维的家务机器人差得远。

王亮认为，会跳舞、能叠衣服的机器人确实厉害，可学会开车是另一道难题。无人驾驶从来算不上具身智能的“EASY模式”：机器人只要在受限空间里执行规划好的动作，无人驾驶却要在开放道路上，一直跟海量无法预判的交通参与者博弈。一台近两吨重、跑几十公里时速的车，每次判断、每个动作都直接牵连交通安全，对安全、实时性和冲突博弈的要求高出一个量级——开放世界里容错空间几乎为零，安全决策周期得严格卡在1/30秒内。也就是说，世界模型只做到“像”远远不够。

站在物理AI的角度，Apollo提出的“2+3”判断标准中，“2”是判定是否算世界模型的基础门槛，“3”则用于衡量模型能力的强弱。先看“2”项基础门槛：其一是因果性，即遵循时间单向性，由过去决定未来，依据当前状态预测下一刻，而不是拼凑画面去反推过去；其二是交互性，即能够对外部干预作出动态响应，注入动作以影响未来的世界状态。“3”项增益属性则包括：物理准确性，考察模拟出的状态有多可靠、是否符合物理规律，以及学到的能力回到物理世界后是否仍然可用；持久性，考察持续运行的时间与稳定性能否跟上，长时间运行后物体和细节会不会发生漂移；实时性，强调低时延，世界复杂度上升不影响模型推理时间，从而获得较高的模拟测试效率。

Apollo World的三大核心能力：智能体驱动、全模态感知、行程闭环

杨泽说：“Apollo World 希望赋予交通参与者智能，让世界能够回应无人车的每一个动作。”

过去的仿真里，其他交通参与者更像照着脚本走的道具。Apollo World搭出的虚拟城市不一样：车辆、行人这些交通参与者都被建模成有决策和交互能力的AI智能体，能随周边交通变化调整自己的行动。无人车一减速、一变道或者一让行，都可能引来其他参与者不一样的反应，无人驾驶系统就这样在不停变化的交通环境里接受训练和检验。

同时，Apollo World能实时生成相机、激光雷达等多模态观测数据，让无人驾驶系统直接感知虚拟环境。系统做出驾驶决策后，环境跟着变化，再给系统新的反馈，端到端闭环就这么转起来。

杨泽表示：“行业里不少世界模型仍以独立场景模拟为主，Apollo World则更关注完整任务的闭环模拟。”在Apollo World搭的虚拟城市里，无人驾驶车辆可以在不同起终点之间连续行驶，把接单、载客到送达的整段出行任务走完，萝卜快跑也就能在跨路段、跨场景的连续驾驶中接受训练和检验。

让AI教AI开车，世界模型叩开无人驾驶产业“AGI 时刻”

无人驾驶想走向规模化，安全、智能、规模这三样得同时顾上，可三者之间偏偏横着一个“不可能三角”。长尾场景靠实车里程很难充分覆盖，新区域部署又要担测试成本和试错风险，跨路段、跨场景的连续驾驶能力还得规模化验证。Apollo World把真实运营中那些复杂交互和风险场景，转成可重复、可控制、可规模化运行的虚拟测试环境，还能生成现实里尚未覆盖的新场景，让无人车在上实车之前先在虚拟世界把驾驶推演做完，测试成本和部署风险都留在虚拟世界先消化，等于让AI教AI开车。

虚拟验证要想贴近现实，离不开萝卜快跑积累的真实道路数据。目前萝卜快跑已落地全球28座城市，累计完成超2300万次出行服务，自动驾驶总里程突破3.5亿公里，其中全无人驾驶里程超过2.4亿公里，并已在左右舵市场开展无人驾驶实践。借助这些真实驾驶数据，Apollo World筛选出高价值场景，虚拟测试的结果再反哺车端迭代，真实运营与虚拟验证由此相互促进，形成闭环。

物理AI市场正在快速膨胀。Grand View Research预计，全球物理AI市场规模将从2025年的约816亿美元增至2033年的约9604亿美元，2026年至2033年复合年增长率为36.1%。从“生成画面”转向“验证行动”，去破解那个“不可能三角”，Apollo World正在给无人驾驶规模化落地立起新的技术标尺，推着无人驾驶走向AGI时刻。

雷峰网 雷峰网