百度Apollo World世界模型亮相
发布时间：2026-11-13
信息来源：人民邮电报
字体：
大
中
小
打印
发布时间：2026-11-13
信息来源：人民邮电报
如果一辆无人车准备驶入一座新城市，能不能先在虚拟世界里把从接单、载客到送达的完整行程跑一遍？近日，在广东深圳举行的百度AI Day·Apollo专场上，百度Apollo首次披露面向物理AI的智能体驱动全模态世界模型Apollo World，并提出世界模型“2+3”判断标准。目前，该模型已用于萝卜快跑全球化测试与验证，助力自动驾驶规模化落地。
“2”是决定算不算世界模型的基础门槛，“3”是衡量模型能力高下的进阶指标。“2”项基础门槛：一是因果性，遵循时间单向性，由过去决定未来，基于当前状态预测下一刻，而非拼凑画面反推过去；二是交互性，能动态响应外部干预，注入动作影响未来世界状态。“3”项增益属性：物理准确性，模拟的状态有多可靠，是否符合世界规律，学习获得的能力回到物理世界还能不能用；持久性，持续运行的时间和稳定性能不能跟上，长时间运行物体和细节是否发生漂移；实时性，低时延使生成世界复杂度的增长不影响模型推理时间，获得高模拟测试效率。
用于无人驾驶的Apollo World不仅要生成逼真的画面，还要准确推演现实世界如何变化。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”。萝卜快跑是以端到端技术规模化运行L4无人驾驶的出行平台，端到端全无人运营超百万公里，Apollo World为其提供虚拟训练环境，帮助“学生”AI Driver学习、验证和迭代。
无人驾驶走向规模化，需要同时兼顾安全、智能与规模。长尾场景难靠实车里程充分覆盖，新区域部署存在测试成本与试错风险，跨路段、跨场景连续驾驶能力又需规模化验证。Apollo World把真实运营中的复杂交互与风险场景转化为可重复、可控制、可规模化运行的虚拟测试环境，并生成现实尚未覆盖的新场景，让无人车在实车部署前先在虚拟世界完成驾驶推演，把测试成本和部署风险留在虚拟世界先行消化，让AI教AI开车。
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。依托真实驾驶数据，Apollo World提取高价值场景，虚拟测试结果再反哺车端迭代，形成真实运营与虚拟验证相互促进的闭环。
相关人物
