Apollo World：百度 Apollo 的物理 AI 世界模型一天跑十万公里虚拟路测

更新时间:2026-11-11 00:27:37 发布时间:9小时前阅读:11次

Apollo World 是百度 Apollo 在 2026 年 11 月 3 日深圳百度 AI Day·Apollo 专场上首次披露的世界模型，给 L4 无人车做云端的训练场和考场，目前只用在萝卜快跑的全球化测试与验证里。它没有对外的注册入口，apollo.auto 的新闻区也没有收录这一次披露，官方没说什么时候开放。能查到的材料只有专场幻灯片、几段演示画面，加上萝卜快跑的运营数据。

Apollo World 是什么

百度给的定位是面向物理 AI 的智能体驱动全模态世界模型。它不生成一段道路视频给人看，而是搭一座能持续运行的虚拟城市：车辆、行人和骑行者各自有行为逻辑，相机和激光雷达的数据同步生成，无人车在里面可以从接单、前往上车点一直跑到载客和送达。

Apollo World 虚拟城市里的车内视角演示 — 演示的车内视角：顶部三个标签是“海滨道路”“林荫大道”“城市路口”，挡风玻璃位置是三路环视画面，下方左侧自动驾驶控制显示 17 km/h，中间是激光雷达点云，右侧是行程路线，起点海滨上车点，终点海滨下车点

这次披露之前，百度在世界模型方向没有公开产品。专场上的说法是，Apollo World 给装在车上的 AI Driver 提供训练环境，负责出题、改条件和检验结果。已经在用的是萝卜快跑的全球化测试与验证，技术栈还能挪到机器人这类场景。

智能体驱动：交通参与者不被写成按脚本跑的道具，各自带感知和决策。
全模态感知：相机画面和激光雷达点云同时出，喂给车端的感知系统。
行程闭环：跑的不是一个路口或几十秒片段，是完整的 Robotaxi 订单。

两套说法要分清。百度智能驾驶事业群组首席架构师、技术委员会主席王亮讲的是判断标准，世界模型负责人杨泽讲的是三项能力，都是同一场专场上给出的。

Apollo World 的 2+3 标准是哪五条

百度把世界模型的考核拆成两层：两条决定算不算世界模型，三条决定能不能拿来训 L4。

指标	官方定义	演示里的对应
因果性（门槛）	时间单向，由当前状态推下一刻，不拼画面反推过去	不能先看结局再倒推画面
交互性（门槛）	支持动作条件生成，动作注入后世界状态随之改变	自车超车，右侧车让行退回
物理准确性（进阶）	符合光学成像与车辆力学规律	雨天刹车距离比干地长
持久性（进阶）	长时间运行后物体与细节不漂移	连跑十分钟，画面不崩
实时性（进阶）	复杂度上升时推理时延不增	单帧响应 33 毫秒

1/30 秒这个数字来自车的物理条件：一台近两吨的车以几十公里时速行驶，开放道路的容错空间接近零，安全决策周期要压在这个节拍内，世界模型的推演速度得跟上。

Apollo World 怎么让交通参与者变成智能体

传统仿真里，其他车和行人要么按脚本轨迹走，要么直接回放实车日志。主车临时决定提前变道，录像里的旁车不配合，还照原路线开，测试结果就失真。Apollo World 把场景里每一辆车、骑手和行人都做成有独立感知与决策的智能体，主车减速、变道、让行会触发各自的反应。

Apollo World 演示里自车两种动作下旁车的不同反应 — 同一条路两组演示：左边自车选超车，右侧深色车辆让行并退回；右边自车选减速让行，右侧深色车辆变道到自车前方。每组上半是智能体生成的世界，下半是车端看到的画面

测试人员还能在系统里调高车流密度，或者调旁车抢道的激进程度，同一段路能出不同难度的题。

高架匝道口：主车驶上高架、给右侧留出空间，支路的白车顺势汇入主路；主车改走地面辅路，白车看会车空间不够，停在支路等。
路口鬼探头：骑车人从路侧视线遮挡处冲出来，车急刹停住；骑车人看到车头就在跟前，往后退了一步让出距离，车才重新起步。
同一个骑车人只沿路边平行骑行时，车不踩死刹，减速后通过。

Apollo World 怎么同时出相机画面和激光雷达点云

每走一帧，模型要同步渲染多路环视相机加起来超千万像素的画面，还有数十万级的三维激光雷达点云。这两路观测得对齐，天气一变，画面和点云要一起变。

Apollo World 同一时刻的多路相机与激光雷达观测 — 同一时刻的八路观测：左前、前方、右前、左后、右后、左鱼眼、右鱼眼，中间下方是雷达点云。页面上方两个开关分别是“相机 + 激光雷达”和“交互式点云”

普通视频模型只出 2D 画面，跑长了车道和街景会走样。Apollo World 在生成多视角相机画面的同时生成三维点云，再引入高精度三维道路结构先验，同一地点跑几十分钟后再经过，街景建筑不变形。点云和画面跨传感器一致，车端感知系统不用改造就能直接吃虚拟数据。

Apollo World 在暴雨雪天和夜里怎么变

同一段城市道路依次切到晴天、暴雨、雪天、夜晚，差别先落在激光雷达点云上。

Apollo World 四种天气与光照下的相机画面和点云 — 四格依次是晴天、暴雨、雪天、夜晚。每格上半标“前视”的是相机画面，下半标“激光雷达”的是点云

暴雨：相机画面有积水和反光，点云因为雨水散射少了一大半，前车后方的激光无回波区看得出来。
雪天：路边落叶树的叶子掉光。
夜晚：车连续驶过路灯，车身下的阴影随光源位置拉长缩短。

工程师没有在代码里写光学或自然公式，这些是模型从超 10 亿帧真实数据里学出来的。两个能看出差别的例子：两辆车同样速度同时踩刹车，干地上的停在前方货车后，湿滑路面上继续往前滑一段；真实路测遇到过一次洒水车高压水柱把锥桶冲到马路中间，传统仿真里锥桶固定不动，Apollo World 能演算水柱把锥桶冲离原位的全过程。

Apollo World 为什么能连跑十分钟不崩

行业里多数世界模型只模拟几十秒的单场景，拉长到跨路段连续行驶，车道结构和画面细节就开始漂移。Apollo World 支持在虚拟城市任意起终点之间连续行驶十分钟以上。

加速：多步扩散大模型蒸馏成少步推理的轻量学生模型，单帧响应压在 33 毫秒以内。
不漂：生成相机画面的同时生成三维点云，再叠三维道路结构先验，同一地点重复经过不变形。
判负：两车在三维空间里擦碰，系统当场判测试失败，不靠画面遮挡混过去。
并行：同一条路线能设低、中、高三档车流密度，倍速同时跑。

Apollo World 在香港虚拟城里怎么跑完整单

香港是右舵左行，路窄弯多、环岛密集，对实车测试管得严。百度用高精地图加前期采集的一部分道路数据，在云端搭了一座虚拟香港，车在里面把环岛让行和窄路会车反复跑。

Apollo World 香港机场附近的一起点四目的地演示 — 演示设定：上车地点是香港天际万豪酒店，目的地下拉四个，01 民航处总部、02 11天空购物中心、03 机场行政大楼、04 停车场。右侧是这四个终点在路网上的位置

4 辆虚拟无人车从同一个上车点出发，前半程路线相近，过岔路口后分开，各自遇到不同红绿灯和车流，最后都跑完全程，画面没有崩。萝卜快跑用几个月时间拿下香港第一张右舵左行全无人测试牌照，环岛让行和窄路会车都在这座虚拟城市里先跑过。

效率换算成里程：一天 10 万公里虚拟路测，按行业测算相当于一辆配安全员的实车连续测约 3 年。自动驾驶每次大版本迭代平均要跑超 70 万公里带安全员的实路测试，这部分现在大部分放到云端跑完，实车只做最后的验证。萝卜快跑目前落地 28 座城市，累计超 2300 万次出行，自动驾驶里程 3.5 亿公里，其中全无人 2.4 亿公里。

Apollo World 和其他世界模型差在哪

维度	传统仿真	视频生成类世界模型	Apollo World
周边参与者	按脚本轨迹走	以自车为中心建模	全员独立智能体
传感器	单相机，按规则生成	多为 2D 画面	相机与点云同步生成
时长	可回放，不可交互	几十秒片段	十分钟以上整单
物理	靠规则引擎设定	缺物理反馈	擦碰当场判失败

表里三列模型的差别落在具体动作上。脚本仿真里，主车临时变道，旁车不会跟着变；视频生成类模型给的是一段画面，画面里的车不受主车动作影响；Apollo World 把每个参与者当独立智能体，车流密度和抢道激进程度还能手动调。

李飞飞的 World Labs 走的是 3D 世界模型这条线，Marble 和 Atlas 把文字、图像、视频和三维信息放进统一的空间上下文，解决的是三维空间怎么建立、怎么长期保存。Waymo 的世界模型建在 Google DeepMind 的 Genie 3 上，能生成相机和激光雷达数据，用自然语言构造龙卷风、洪水、大象上公路这类场景。

三家并排，差别在路线、输出、侧重和落地场景四处。

模型	路线	输出	侧重	落地场景
Apollo World	智能体驱动	相机与点云	城市整单	Robotaxi
Waymo 世界模型	通用模型改造	相机与点云	长尾事件	自动驾驶测试
World Labs Atlas	三维空间	三维场景	空间一致	机器人与内容

三家的分歧只有两条：交通参与者是不是各自独立决策，能不能跑完一张完整订单。两张表的来源都是各家公开资料，百度一列来自 2026-11-03 专场披露，Waymo 一列来自它对 Genie 3 的公开说明，World Labs 一列来自 2026 年 9 月 Atlas 的发布信息，都不是第三方评测。