百度发布Apollo World支撑L4无人驾驶虚拟验证

11月3日，百度在深圳举行的AI Day·Apollo专场上首次披露Apollo World。这是一套面向物理AI的全模态世界模型，重点并非生成逼真的画面，而是还原现实中的物理规律、因果关系和交通行为。目前，该模型已用于萝卜快跑的全球化测试与验证。

百度智能驾驶事业群组首席架构师、技术委员会主席王亮表示，世界模型应当成为检验无人驾驶安全性的“考官”，而不只是制作炫酷视频的工具。萝卜快跑已实现端到端全无人运营超百万公里，Apollo World为AI驾驶系统提供虚拟训练环境，支持其学习、验证和迭代。

Apollo World负责人杨泽介绍，模型将虚拟场景中的车辆、行人等交通参与者建模为具备自主决策和交互能力的AI智能体，无人车可以在虚拟城市中完成任意起终点之间的通行，并提前验证更多潜在场景。相关技术栈还可延伸至机器人等物理AI领域。业内人士称，该系统每天可完成约十万公里虚拟路测，相当于一辆配备安全员的测试车连续行驶约三年。

王亮指出，开放道路上的无人驾驶比受限空间内的机器人任务更复杂：车辆要持续应对大量不可预测的参与者，一辆近两吨、以数十公里时速行驶的汽车，每次判断都关系到安全，决策周期还需控制在1/30秒内。因此，世界模型必须满足“2+3”标准。“2”是因果性和交互性：能够依据过去状态预测未来，并响应外部动作改变环境；“3”则是物理准确性、持久性和实时性，分别对应模拟可信度、长时间运行稳定性和低时延推理能力。

Apollo World的核心能力包括智能体驱动、全模态感知和行程闭环。传统仿真中的车辆、行人往往只是按脚本运行的静态元素，而在该模型中，交通参与者会根据周边变化自主调整行动。无人车减速、变道或让行后，环境会产生不同反馈，从而训练和检验系统在动态交通中的应对能力。

模型还能实时生成相机、激光雷达等多模态观测数据。无人车根据这些输入作出驾驶决策，虚拟环境随之变化并提供新的感知反馈，形成端到端闭环。与只模拟单个场景的方案不同，Apollo World支持车辆在不同起终点间连续行驶，覆盖接单、载客和送达等完整出行任务。

无人驾驶规模化需要同时满足安全、智能和规模化，长尾场景覆盖不足、跨区域部署成本高以及连续驾驶验证困难，构成了行业的“不可能三角”。Apollo World将真实运营中的复杂交互和风险转化为可重复、可控制的虚拟测试，并在实车部署前完成推演，让AI在虚拟环境中训练AI驾驶系统。

萝卜快跑已覆盖全球28座城市，累计完成超过2300万次出行服务，自动驾驶总里程超过3.5亿公里，其中全无人驾驶里程超过2.4亿公里，并已在左舵和右舵市场开展实践。Apollo World从真实道路数据中提取高价值场景，虚拟验证结果再反哺车端迭代。Grand View Research预计，全球物理AI市场规模将从2025年的约816亿美元增至2033年的约9604亿美元，2026年至2033年复合年增长率为36.1%。