百度Apollo World亮相：用AI教AI开车，世界模型开始给无人驾驶“搭考场”
11月3日，在百度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。按百度Apollo的说法，Apollo World可以生成一段相对真实的视频，让虚拟世界遵循现实规律、回应无人车的动作，并支持驾驶系统从起点出发，一路开到目的地。
如果只把它理解成“生成视频”，就看轻了这个方向。无人驾驶要的不是好看画面，而是能准确推演现实世界如何变化。毕竟真实路测一条条刷里程，成本、时间和长尾场景覆盖都不便宜；世界模型如果足够可靠，就是一座可扩展的虚拟试验场。
百度Apollo给出的“2+3”标准，拆开看很直接。2是基础门槛：一是因果性，世界模型应遵循时间单向性，由过去决定未来，基于当前状态预测下一刻，而不是拼凑画面、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是进阶指标：物理准确性，模拟状态要可靠、符合世界规律，学到的能力回到物理世界还能用；持久性，持续运行时间和稳定性要跟得上，长时间运行后物体和细节不能漂移；实时性，低时延，生成世界复杂度的增长不影响模型推理时间，才能获得更高的模拟测试效率。
在Apollo World构建的虚拟城市中，车辆、行人等交通参与者不是按固定脚本行动的“道具”，而是具备决策和交互能力的AI智能体。面对同样的交通场景，无人车采取不同动作，虚拟世界也会随之变化。
更关键的是闭环。Apollo World可以实时生成相机画面、激光雷达点云等多模态观测数据，让无人驾驶系统像在真实道路上一样感知周围环境。驾驶系统据此作出转向、加速或减速等决策，再把动作传回Apollo World；后者更新交通环境和其他智能体行为，并生成下一刻的观测。感知、决策、行动和反馈不断循环，形成端到端闭环。
这个闭环也不只运行在一个路口或一段道路上。Apollo World支持无人车在虚拟城市中从任意起点驶向任意终点，连续经过不同道路和交通场景，完成从接单、载客到送达的完整出行任务。
商业层面的想象空间也在这里：Apollo World从真实数据中提取高价值场景，把复杂路况和风险转化为可重复的虚拟测试。无人车可以在虚拟世界中反复演练、验证驾驶策略，测试结果再反哺系统迭代，更新后的驾驶系统回到真实道路接受检验，形成持续优化的闭环。对准备全球化复制的Robotaxi平台来说，这套“虚拟考场”比多跑几段Demo更有价值。
百度方面称，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。数据显示，萝卜快跑已覆盖全球28个城市，累计自动驾驶里程超3.5亿公里，其中全无人驾驶里程超2.4亿公里。目前，Apollo World已用于萝卜快跑全球化测试与验证，助力无人驾驶规模化落地。
当然，世界模型能不能真正成为无人驾驶的基础设施，最终还要看物理准确性、持久性和实时性能否扛住规模化验证。用AI教AI开车，听起来很酷；但真正值钱的，是让每一次虚拟测试都能变成真实世界里的安全冗余和商业效率。
