11月3日，喺深圳舉辦嘅百度AI Day·Apollo專場上，百度Apollo首次披露面向物理AI嘅智能體驅動全模態世界模型Apollo World，並提出世界模型“2+3”判斷標準。
呢個模型而家已用於蘿蔔快跑嘅全球化測試與驗證，助無人駕駛實現規模化落地。百度智能駕駛事業羣組（IDG）首席架構師、IDG技術委員會主席王亮話，世界模型唔單止要做“生成炫酷視頻的畫師”，更要成為驗證無人駕駛安全性的“考官”。
蘿蔔快跑係中國唯一以端到端技術規模化運行 L4 無人駕駛嘅出行平台，端到端全無人運營已超百萬公里。Apollo World為佢提供虛擬訓練環境，幫助“學生”AI Driver學習、驗證同迭代。
世界模型負責人楊澤解釋，Apollo World會將虛擬場景內所有交通參與者建模為具備決策與交互能力的AI智能體，支持無人車喺虛擬城市任意起終點通行，打造提前驗證“無限未來”嘅虛擬場景訂單。呢個技術棧仲可以拓展至機器人等更廣泛的物理AI場景。
行業人士分析，Apollo World可“日行十萬公里”，一日完成的虛擬路測里程相當於真實路測車連續測試約三年。王亮話，會跳舞、疊衣服的機器人唔錯，但學開車係另一重難題。無人駕駛從嚟唔係具身智能的“EASY模式”：對近兩噸重、幾十公里時速嘅車輛，每一次判斷都直接關係交通安全，開放世界容錯空間幾乎為零，安全決策週期要嚴緊限定喺1/30秒內。
圖片：LN9267／CC BY-SA 4.0／Wikimedia Commons
Apollo World提出的“2+3”標準，其中“2”係基礎門檻：因果性（時間單向性，由過去決定未來）同交互性（動態響應外部干預）。 “3”係進階指標：物理準確性、持久性同實時性（低時延）。
同傳統仿真唔同，傳統仿真入面其他交通參與者只係按腳本運行的道具；Apollo World入面嘅車輛、行人均被建模為具備決策和交互能力的AI智能體，能根據周圍交通變化調整行動，無人車減速、變道或讓行都可能引發唔同反應。系統仲可實時生成相機、激光雷達等多模態觀測數據，形成端到端閉環。
喺規模化層面，王亮指出無人駕駛存在安全、智能與規模嘅“不可能三角”：長尾場景難靠實車裏程充分覆蓋，新區域部署有測試成本與試錯風險。Apollo World嘅思路係令實車部署前先在虛擬世界完成駕駛推演，將測試成本與部署風險留喺虛擬世界先行消化，即係“AI教AI開車”。
蘿蔔快跑已落地全球28座城市，累計完成超2300萬次出行服務，自動駕駛總里程突破3.5億公里，其中全無人駕駛里程超過2.4億公里。Grand View Research預計全球物理AI市場規模將從2025年約816億美元增至2033年約9604億美元，2026至2033年複合年增長率為36.1%。
阿調搞兩下：世界模型呢個概念唔同於生成圖片或者影片，佢嘅重點唔係畫得好唔好看，而係能否忠實還原物理規律同行為因果。百度將呢個框架直接扣落嚟做自動駕駛的“考官”，思路係清晰——但虛擬環境再逼真，都唔能替代真實道路上的不可預知變數。呢套系統有冇獨立第三方驗證過佢嘅判斷？開放世界容錯空間接近零，測試數據最終會唔會公開？呢兩個問題，比“日行十萬公里”更需要答案。
阿調｜深度調教
