百度Apollo World世界模型亮相：让AI教AI开车

“世界模型好不好，关键不在渲染出来的画面漂不漂亮，而在于模拟器能不能忠实还原现实中的物理规律和行为因果。”11 月 3 日，在深圳举行的百度 AI Day·Apollo 专场上，百度 Apollo 首次对外披露了面向物理 AI 的智能体驱动全模态世界模型 Apollo World，同时提出世界模型“2+3”判断标准。眼下，这个模型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。

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说，世界模型不能只当“生成炫酷视频的画师”，它更该成为检验无人驾驶安全性的“考官”。萝卜快跑是中国唯一以端到端技术规模化运行 L4 无人驾驶的出行平台，端到端全无人运营里程超过百万公里，Apollo World 在其中扮演虚拟训练环境的角色，帮“学生” AI Driver 完成学习、验证与迭代。

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进一步解释，Apollo World 把虚拟场景里的所有交通参与者都建模成具备决策与交互能力的 AI 智能体，无人车能在虚拟城市中任意设定起终点通行，提前验证“无限未来”式的虚拟场景订单。另外，Apollo World 的技术栈还能延伸到机器人等更广泛的物理 AI 场景。

有行业人士分析，Apollo World 能“日行十万公里”，它一天跑完的虚拟路测里程，差不多相当于一辆配安全员的真实路测车连测约三年。世界模型带来的能力跃升，再叠加数据飞轮效应，会让强者更强的格局在行业里显现，而这一趋势也正把行业推向等待已久的“AGI 时刻”。

世界模型不能只求“画得像”，Apollo 给出“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 在行动之前先到虚拟空间里推演一番，做到“先思考、后行动”。可要把这种能力搬到无人驾驶上，并不轻松。李飞飞说过“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，和三维的家务机器人差距明显。

王亮认为，会跳舞、会叠衣服的机器人确实厉害，可学会开车是另一重难题。无人驾驶从来不是具身智能的“EASY 模式”：机器人只要在受限空间里执行规划动作，无人驾驶却身处开放道路，得一直跟海量不可预判的交通参与者博弈。一台近两吨重、时速几十公里的车，每次判断和动作都直接关乎交通安全，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压在 1/30 秒内。这就意味着，世界模型不能只满足于“像”。

Apollo 对世界模型给出了“2+3”的判断框架，这套标准是从物理 AI 的角度提出的：其中“2”划的是能不能算世界模型的基本线，“3”则用来衡量模型本事的大小。“2”项基础门槛，头一条是因果性——时间只朝一个方向走，未来由过去决定，依据当下状态推断下一刻，而不是拿拼出来的画面倒推以前；第二条是交互性，模型得对外部干预作出动态反应，把动作注入进去、进而影响未来的世界状态。“3”项增益属性分别是：物理准确性，看模拟出的状态靠不靠得住、合不合世界规律，学到的能力拿回物理世界还管不管用；持久性，看持续运行的时间和稳定性跟不跟得上，跑久了物体和细节会不会漂；实时性，讲的是低时延，世界复杂度往上长也不拖慢模型推理，从而拿到高的模拟测试效率。

Apollo World 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是照着脚本走的道具。Apollo World 搭起的虚拟城市中，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，能随周围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同的反应，无人驾驶系统就这样在持续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，端到端闭环就这样形成。

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 构建的虚拟城市里，无人驾驶车辆可以在不同起终点之间连续行驶，走完从接单、载客到送达的完整出行任务，萝卜快跑因此能在跨路段、跨场景的连续驾驶中接受训练与检验。

让 AI 教 AI 开车，世界模型敲开无人驾驶产业的“AGI 时刻”

无人驾驶想走向规模化，安全、智能与规模得同时兼顾，可这三者之间存在一个“不可能三角”。长尾场景很难靠实车里程充分覆盖，新区域部署又要承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 把真实运营中的复杂交互与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，还能生成现实尚未覆盖的新场景，让无人车在实车部署前先到虚拟世界里把驾驶推演做完，测试成本和部署风险都在虚拟世界先消化掉，等于让 AI 教 AI 开车。

虚拟验证想贴近现实，靠的是萝卜快跑一路攒下来的真实道路数据。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，左右舵市场都开展了无人驾驶实践。有了这些真实驾驶数据，Apollo World 得以挑出高价值场景，虚拟测试的结果再回去反哺车端迭代，真实运营和虚拟验证就这样彼此推动，形成闭环。

Grand View Research 给出了一组数据：全球物理 AI 市场 2025 年约 816 亿美元，到 2033 年将增至约 9604 亿美元，2026 年至 2033 年的复合年增长率为 36.1%。这个市场正在快速膨胀。

而 Apollo World 想做的，是把 AI 从“生成画面”推到“验证行动”，让无人驾驶的“不可能三角”有解。在百度看来，这为无人驾驶规模化落地提供了新的技术标尺，也是通往 AGI 时刻的一块踏板。