大模型
11月3日，百度AI Day·Apollo专场在深圳举行。百度Apollo首次披露面向物理AI的全模态世界模型Apollo World，并提出“2+3”判断标准。官方称，该模型已在萝卜快跑的全球化测试与验证中投入使用。与偏重场景复现的仿真工具不同，Apollo World试图让虚拟道路中的车辆和行人具备自主反应能力，使无人驾驶系统面对的不是固定脚本，而是能实时出题的“考官”。
仿真训练需要从回放走向互动
无人驾驶规模化离不开大量测试，但真实路测成本高、周期长，低频长尾场景很难靠实车里程自然覆盖。行业普遍采用仿真训练，但不少系统只是按脚本回放，周边车辆和行人路线固定，无法检验模型的真实应变能力。
Apollo World的做法是让交通参与者变成会自主决策的AI。无人车减速、让行或变道时，虚拟环境中的对象可能配合，也可能不配合。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表示：“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。”
从单场景生成到按订单连续考核
多数世界模型仍停留在单场景模拟：一个路口、一次切入，即使画面逼真，也难以覆盖完整出行中的连续变化。Apollo World则可按“订单”考核：在虚拟城市中任选起点和终点，实时生成接单、载客到终点的全程传感器数据，让模型在接近真实运营流程中训练。
按现场引用的行业人士分析，Apollo World一天能跑十万公里虚拟里程，相当于一辆带安全员的路测车连续测三年。这类方式可压缩训练时间和成本，也便于反复验证低频风险。
百度同时强调，无人驾驶训练世界模型与视频生成世界模型目标不同。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表示，世界模型不能只做生成炫酷视频的“画师”，更要成为验证无人驾驶安全性的“考官”。
“2+3”标准：从看着像到可衡量
百度提出的“2+3”标准，将世界模型能力拆成两组要求。
- “2”是因果性和交互性：虚拟世界要像真实世界一样由过去决定未来；无人车踩刹车、打方向后，周围环境也要随之变化。
- “3”是物理准确性、持久性和实时性：模型需要足够真实、连续且及时响应，才能为无人驾驶训练提供有效经验。
这套指标的意义在于，世界模型的评价不再只依赖生成视频是否逼真。此前，行业缺少公认衡量方式，各家多以展示片段自证。若标准被更多团队采用，模型能力对比和迭代方向会更清晰。
运营数据闭环，指向Robotaxi下一阶段竞争
Apollo World背后是百度的真实运营数据。百度数据显示，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。真实道路中的急刹、绕行等情况可转化为虚拟考题，虚拟环境中发现的问题也可优化后回到现实模型。
这种闭环将影响Robotaxi竞争方式。过去行业常比较车队规模、开城数量和安全记录，未来这些仍重要，但会逐渐变成基础门槛。不同城市法规、路况和驾驶习惯差异明显，企业要在进入新城市时快速提供稳定体验，模型训练能力会更关键。
今年2月，背靠Google的Waymo也发布了以Gemini 3为底座的世界模型，其公布的数据显示模拟里程已超过200亿英里。头部Robotaxi玩家均押注世界模型，说明竞争正从运营规模延伸到训练基础设施。百度也称，Apollo World技术栈可拓展到机器人等更广泛的物理AI场景。世界模型正在从辅助工具，变成衡量无人驾驶安全能力和迭代效率的新指标。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/shi-jie-mo-xing-bu-neng-zhi-zhui-qiu-xiang-bai-du-wei-zi
