全球唯二，百度抢先交卷！首个物理AI世界模型来了

新智元报道 憋了整整两年多，百度终于亮出了自己的重磅杀手锏！ 今天，百度Apollo正式发布了 「Apollo World」——首个面向物理 AI 的Agent驱动全模态世界模型 。 它直接把整座城市的路网、多模态传感器和车流博弈搬上云端，支持毫秒级实时交互与连续几十分钟的完整接单推演，一举打破了以往世界模型只能模拟「几十秒孤立片段」和「单向放录像」的瓶颈。 有了这个虚拟「大考场」，无人车在云端平均可做到「日行十万公里」。 1天跑完的虚拟里程，顶得上1辆配安全员的真车连续测试约3年，把 自动驾驶 测试效率提升了数百倍！ 靠着ApolloWorld在云端24小时陪练，萝卜快跑L4级全无人端到端大模型如今已正式上车。 上百辆无安全员真车，每天靠端到端大模型上街跑单——全球能做到这一步的，只有它和特斯拉两家。 最关键的是，云端特训出来的成绩，真上了路确实能打。 这次我们在深圳街头实测打车，就被这位没有安全员的「AI司机」秀了一把什么叫老练—— 大晚上视线不好的路段，左边快车道突然冒出黑衣路人占道、右侧又挤满单车与电瓶车，或是路口左转时外卖骑手从车头前1秒闪过…… 换作是新手司机早就慌了，但无人车总能提前预判、平顺减速让行；遇到夜间多车流掉头或窄道连续避障时，绕行与会车更是丝滑得像十年驾龄的「老司机」。 左右滑动查看 世界模型赛道火热 光会「拍电影」可救不了无人车 能让无人车在街头把复杂路况处理得如此老练，很大程度上正是得益于世界模型在幕后的高强度特训。 最近一个多月，全球世界模型赛道热闹非凡。从李飞飞团队World Labs的三维空间模型，到谷歌DeepMind的Genie系列，再到Waymo基于Genie 3推出的自动驾驶世界模型——甚至把龙卷风、洪水和大象都放进了虚拟测试场。 如果只是生成一段酷炫的街头视频，看着确实过瘾；可要是拿来给L4无人车当训练场，就不够用了。 原因在于，目前市面上大多数吸引眼球的演示，其实还停留在「视频渲染器」阶段，虽然镜头在变、风景在动，但外面的世界并不会因为你的动作发生改变。 大会现场，百度智能驾驶事业群组首席架构师、技术委员会主席王亮博士称，世界模型不能只做「生成炫酷视频的画师」，更要成为验证无人驾驶安全性的「考官」。 因此，百度这次没有去拼单纯的画面特效，Apollo World从一开始就瞄准了 能互动、能推演路况变化的「世界模拟器」，专门给无人车造云端训练场。 之所以必须跨过这道坎，是因为无人车开上街头，面对的是容错率极低的真实物理世界。 家务机器人在屋里叠衣服、做饭，就算失手把碗摔了，大家最多一笑而过；可一台近两吨重、时速几十公里的汽车开在马路上，一旦遇到行人突然横穿或旁车加塞，根本没有试错的余地。 因此，用来训练无人车的世界模型，不能只是单向放录像的「电影院」， 而必须像一场随时接戏的「舞台剧」——你稍微减速，旁边的车立马插进来；你往前探出半个车头，对方可能就踩刹车让开了。 想在真车上路前把罕见险情全部练熟，百度的解题思路正是 「用 AI 训练AI，让AI教AI开车」 ： 车端的「学生」 ：装在无人车上的萝卜快跑 新一代 L4 端到端 AI Driver 基础模型（ADFM） ，直接输入多模态传感器信号并输出驾驶轨迹； 云端的「 AI 教练」 ： 具身世界模型ApolloWorld ，专门负责在云端构建闭环仿真环境，给学生出题、陪练和打分。 训练时，「教练」会生成逼真的街景与雷达点云，并根据「学生」每一次打方向或踩刹车的动作，实时推演周围车流的下一步反应，一秒接一秒地闭环过招。 一旦「学生」在某个罕见险情里反应慢了或发生擦碰，「教练」马上就能抓出短板，变着花样生成上千道同类长尾难题反复特训，直到彻底练成「老司机」再装上真车。 相比之下，目前主流的世界模型大多聚焦于静态3D空间漫游、局部场景模拟或单一视觉推演。 而Apollo World则成为了 业内首个同时打通「全员独立Agent交互博弈、相机与点云全模态同步生成、城市级完整订单闭环」的L4实战训练场。 三关实测现场验货 暴雨天点云减半、连鬼探头都能实时过招 在这座云端虚拟城市里，旁车随时可能变道加塞，路口会突然冲出外卖电瓶车，现实街头最让人头疼的复杂路况，24小时不间断地换着花样给无人车出题。 王亮博士表示，「开放世界容错空间几乎为零，安全决策周期要严格限定在1/30秒内」。 如今「世界模型」这个词被用得越来越泛，却始终没有统一的定义。 为了衡量这个训练场到底好不好用，也为了把这个新概念真正「做对」，百度坚持想清楚再动手的正向设计思路，先提出了一套世界模型「2+3」标准。 其中， 前两项「2」是区分「视频生成器」和「真世界模型」的基石门槛 ： 因果性 ：基于 因果自回归机制 ，严格遵循时间单向性，只能根据过去和当前状态推演下一秒，不能提前预知结局再倒推画面； 交互性 ：支持 动作条件生成（Action-Conditioned） ，无人车每次打方向或踩刹车，周围车流都得跟着实时改变。 跨过这道门槛后， 后三项「3」则是检验L4训练场的实战指标 ： 物理准确性 ：严格符合真实的光学成像与车辆力学规律； 持久性 ：能连贯跑完几十分钟的完整行程，长时不断片； 实时性 ：实现毫秒级响应，推演速度跑赢驾驶系统的决策时间。 这套「2+3」标准放进实际路测里，对应的正是物理规律、车流博弈和长途连贯性三道关卡。不妨结合实测画面，逐一看看ApolloWorld的表现。 不搞「表面滤镜」，雨天打滑和水柱冲锥桶都得算准 第一关先测物理常识，看它只是给画面加了层滤镜，还是真的懂现实世界的物理规律。 把同一段城市道路依次切换成晴天、暴雨、雪天和夜晚，最明显的变化就在激光雷达点云图里。 一旦切到暴雨模式，不光摄像头画面有了积水和反光， 激光雷达 点云也因雨水散射一下子少了一大半，连左前车后轮溅起的水花和前车后方的激光无回波区都清晰可见。 切到雪天时，路边的落叶树会自动掉光绿叶；到了夜晚，车辆连续驶过路灯时，车身下的阴影还会随着光源位置周期性拉长与缩短。 工程师并没有在代码里写任何光学或自然公式，全是模型学习超10亿帧真实数据后，自己摸清了这套物理规律。 雨天路滑还会直接影响刹车距离。两辆无人车以同样的速度同时踩下刹车，晴天干地上的车稳稳停在前方货车后，雨天湿滑路面上的车则会继续往前滑出一段距离才停下。 在真实路测中还曾遇到过这样一幕：洒水车喷出的高压水柱把路边的锥桶冲到了马路中间，正好挡在无人车正前方。 传统模拟器里的锥桶固定不动，根本算不出这种意外； 而懂物理规律的Apollo World却能把「水柱冲走锥桶」的全过程推演出来，专门训练无人车遇到突发障碍时及时避让。 告别「重放录像」，让整条街的车活过来陪练 过了物理细节这一关，第二关要面对的，则是路上随时变主意的其他车辆和行人。 传统的仿真测试大多采用「实车日志回放」，也就是把真车录下的历史数据重放一遍。一旦无人车临时决定提前变道，录像里的旁车根本不会配合，还是照着原来的死路线往前开，测试结果自然就失真了。 为了让周围环境真正响应无人车的动作， ApolloWorld构建了「智能体驱动（Agent-Driven）」的推演架构，把场景里的每一辆车、骑手和行人都建模为具备独立感知