Apollo World：百度 Apollo 的物理 AI 世界模型一天跑十萬公里虛擬路測

更新時間:2026-11-11 00:42:00 發布時間:10小時前閱讀:12次

Apollo World 是百度 Apollo 在 2026 年 11 月 3 日深圳百度 AI Day·Apollo 專場上首次披露的世界模型，給 L4 無人車做雲端的訓練場和考場，目前只用在蘿蔔快跑的全球化測試與驗證裡。它沒有對外的註冊入口，apollo.auto 的新聞區也沒有收錄這一次披露，官方沒說什麼時候開放。能查到的材料只有專場幻燈片、幾段演示畫面，加上蘿蔔快跑的運營資料。

Apollo World 是什麼

百度給的定位是面向物理 AI 的智慧體驅動全模態世界模型。它不生成一段道路影片給人看，而是搭一座能持續運行的虛擬城市：車輛、行人和騎行者各自有行為邏輯，相機和鐳射雷達的資料同步生成，無人車在裡面可以從接單、前往上車點一直跑到載客和送達。

Apollo World 虛擬城市裡的車內視角演示 — 演示的車內視角：頂部三個標籤是“海濱道路”“林蔭大道”“城市路口”，擋風玻璃位置是三路環視畫面，下方左側自動駕駛控制顯示 17 km/h，中間是鐳射雷達點雲，右側是行程路線，起點海濱上車點，終點海濱下車點

這次披露之前，百度在世界模型方向沒有公開產品。專場上的說法是，Apollo World 給裝在車上的 AI Driver 提供訓練環境，負責出題、改條件和檢驗結果。已經在用的是蘿蔔快跑的全球化測試與驗證，技術棧還能挪到機器人這類場景。

智慧體驅動：交通參與者不被寫成按腳本跑的道具，各自帶感知和決策。
全模態感知：相機畫面和鐳射雷達點雲同時出，餵給車端的感知系統。
行程閉環：跑的不是一個路口或幾十秒片段，是完整的 Robotaxi 訂單。

兩套說法要分清。百度智慧駕駛事業群組首席架構師、技術委員會主席王亮講的是判斷標準，世界模型負責人楊澤講的是三項能力，都是同一場專場上給出的。

Apollo World 的 2+3 標準是哪五條

百度把世界模型的考覈拆成兩層：兩條決定算不算世界模型，三條決定能不能拿來訓 L4。

指標	官方定義	演示裡的對應
因果性（門檻）	時間單向，由當前狀態推下一刻，不拼畫面反推過去	不能先看結局再倒推畫面
互動性（門檻）	支援動作條件生成，動作注入後世界狀態隨之改變	自車超車，右側車讓行退回
物理準確性（進階）	符合光學成像與車輛力學規律	雨天剎車距離比干地長
永續性（進階）	長時間運行後物體與細節不漂移	連跑十分鐘，畫面不崩
實時性（進階）	複雜度上升時推理時延不增	單幀響應 33 毫秒

1/30 秒這個數字來自車的物理條件：一台近兩噸的車以幾十公里時速行駛，開放道路的容錯空間接近零，安全決策週期要壓在這個節拍內，世界模型的推演速度得跟上。

Apollo World 怎麼讓交通參與者變成智慧體

傳統模擬裡，其他車和行人要麼按腳本軌跡走，要麼直接回放實車日誌。主車臨時決定提前變道，錄像裡的旁車不配合，還照原路線開，測試結果就失真。Apollo World 把場景裡每一輛車、騎手和行人都做成有獨立感知與決策的智慧體，主車減速、變道、讓行會觸發各自的反應。

Apollo World 演示裡自車兩種動作下旁車的不同反應 — 同一條路兩組演示：左邊自車選超車，右側深色車輛讓行並退回；右邊自車選減速讓行，右側深色車輛變道到自車前方。每組上半是智慧體生成的世界，下半是車端看到的畫面

測試人員還能在系統裡調高車流密度，或者調旁車搶道的激進程度，同一段路能出不同難度的題。

高架匝道口：主車駛上高架、給右側留出空間，支路的白車順勢匯入主路；主車改走地面輔路，白車看會車空間不夠，停在支路等。
路口鬼探頭：騎車人從路側視線遮擋處衝出來，車急剎停住；騎車人看到車頭就在跟前，往後退了一步讓出距離，車才重新起步。
同一個騎車人只沿路邊平行騎行時，車不踩死剎，減速後通過。

Apollo World 怎麼同時出相機畫面和鐳射雷達點雲

每走一幀，模型要同步渲染多路環視相機加起來超千萬畫素的畫面，還有數十萬級的三維鐳射雷達點雲。這兩路觀測得對齊，天氣一變，畫面和點雲要一起變。

Apollo World 同一時刻的多路相機與鐳射雷達觀測 — 同一時刻的八路觀測：左前、前方、右前、左後、右後、左魚眼、右魚眼，中間下方是雷達點雲。頁面上方兩個開關分別是“相機 + 鐳射雷達”和“互動式點雲”

普通影片模型只出 2D 畫面，跑長了車道和街景會走樣。Apollo World 在生成多視角相機畫面的同時生成三維點雲，再引入高精度三維道路結構先驗，同一地點跑幾十分鐘後再經過，街景建築不變形。點雲和畫面跨傳感器一致，車端感知系統不用改造就能直接吃虛擬資料。

Apollo World 在暴雨雪天和夜裡怎麼變

同一段城市道路依次切到晴天、暴雨、雪天、夜晚，差別先落在鐳射雷達點雲上。

Apollo World 四種天氣與光照下的相機畫面和點雲 — 四格依次是晴天、暴雨、雪天、夜晚。每格上半標“前視”的是相機畫面，下半標“鐳射雷達”的是點雲

暴雨：相機畫面有積水和反光，點雲因為雨水散射少了一大半，前車後方的鐳射無回波區看得出來。
雪天：路邊落葉樹的葉子掉光。
夜晚：車連續駛過路燈，車身下的陰影隨光源位置拉長縮短。

工程師沒有在程式碼裡寫光學或自然公式，這些是模型從超 10 億幀真實資料裡學出來的。兩個能看出差別的例子：兩輛車同樣速度同時踩剎車，乾地上的停在前方貨車後，溼滑路面上繼續往前滑一段；真實路測遇到過一次灑水車高壓水柱把錐桶衝到馬路中間，傳統模擬裡錐桶固定不動，Apollo World 能演算水柱把錐桶衝離原位的全過程。

Apollo World 為什麼能連跑十分鐘不崩

行業裡多數世界模型只模擬幾十秒的單場景，拉長到跨路段連續行駛，車道結構和畫面細節就開始漂移。Apollo World 支援在虛擬城市任意起終點之間連續行駛十分鐘以上。

加速：多步擴散大模型蒸餾成少步推理的輕量學生模型，單幀響應壓在 33 毫秒以內。
不漂：生成相機畫面的同時生成三維點雲，再疊三維道路結構先驗，同一地點重複經過不變形。
判負：兩車在三維空間裡擦碰，系統當場判測試失敗，不靠畫面遮擋混過去。
並行：同一條路線能設低、中、高三檔車流密度，倍速同時跑。

Apollo World 在香港虛擬城裡怎麼跑完整單

香港是右舵左行，路窄彎多、環島密集，對實車測試管得嚴。百度用高精地圖加前期採集的一部分道路資料，在雲端搭了一座虛擬香港，車在裡面把環島讓行和窄路會車反覆跑。

Apollo World 香港機場附近的一起點四目的地演示 — 演示設定：上車地點是香港天際萬豪酒店，目的地下拉四個，01 民航處總部、02 11天空購物中心、03 機場行政大樓、04 停車場。右側是這四個終點在路網上的位置

4 輛虛擬無人車從同一個上車點出發，前半程路線相近，過岔路口後分開，各自遇到不同紅綠燈和車流，最後都跑完全程，畫面沒有崩。蘿蔔快跑用幾個月時間拿下香港第一張右舵左行全無人測試牌照，環島讓行和窄路會車都在這座虛擬城市裡先跑過。

效率換算成里程：一天 10 萬公里虛擬路測，按行業測算相當於一輛配安全員的實車連續測約 3 年。自動駕駛每次大版本迭代平均要跑超 70 萬公里帶安全員的實路測試，這部分現在大部分放到雲端跑完，實車只做最後的驗證。蘿蔔快跑目前落地 28 座城市，累計超 2300 萬次出行，自動駕駛里程 3.5 億公里，其中全無人 2.4 億公里。

Apollo World 和其他世界模型差在哪

維度	傳統模擬	影片生成類世界模型	Apollo World
周邊參與者	按腳本軌跡走	以自車為中心建模	全員獨立智慧體
傳感器	單相機，按規則生成	多為 2D 畫面	相機與點雲同步生成
時長	可回放，不可互動	幾十秒片段	十分鐘以上整單
物理	靠規則引擎設定	缺物理回饋	擦碰當場判失敗

表裡三列模型的差別落在具體動作上。腳本模擬裡，主車臨時變道，旁車不會跟著變；影片生成類模型給的是一段畫面，畫面裡的車不受主車動作影響；Apollo World 把每個參與者當獨立智慧體，車流密度和搶道激進程度還能手動調。

李飛飛的 World Labs 走的是 3D 世界模型這條線，Marble 和 Atlas 把文字、圖像、影片和三維資訊放進統一的空間上下文，解決的是三維空間怎麼建立、怎麼長期儲存。Waymo 的世界模型建在 Google DeepMind 的 Genie 3 上，能生成相機和鐳射雷達資料，用自然語言構造龍捲風、洪水、大象上公路這類場景。

三家並排，差別在路線、輸出、側重和落地場景四處。

模型	路線	輸出	側重	落地場景
Apollo World	智慧體驅動	相機與點雲	城市整單	Robotaxi
Waymo 世界模型	通用模型改造	相機與點雲	長尾事件	自動駕駛測試
World Labs Atlas	三維空間	三維場景	空間一致	機器人與內容

三家的分歧只有兩條：交通參與者是不是各自獨立決策，能不能跑完一張完整訂單。兩張表的來源都是各家公開資料，百度一列來自 2026-11-03 專場披露，Waymo 一列來自它對 Genie 3 的公開說明，World Labs 一列來自 2026 年 9 月 Atlas 的發佈資訊，都不是第三方評測。