11月3日，在深圳举行的百度AI Day·Apollo专场上，百度Apollo首次披露了面向物理AI的智能体驱动全模态世界模型Apollo World。这款模型不再只是用来生成逼真视频的工具，而是直接服务于无人驾驶的训练与安全验证，目前已用于萝卜快跑的全球化测试与验证，助力无人驾驶规模化落地。
一天模拟10万公里，相当于三年实车测试
根据百度披露的数据，Apollo World每天可生成高达10万公里的模拟驾驶里程。百度方面表示，这一规模约相当于一辆配备安全员的自动驾驶汽车三年时间的真实路测里程。模拟的意义不在于数字本身，而在于它把原本依赖真实道路、漫长周期才能积累的驾驶经验，压缩到了虚拟环境中快速完成。
更重要的是，Apollo World能够实时生成相机、激光雷达等多模态观测数据。这意味着无人驾驶系统不需要经过一道“翻译”工序，就可以直接感知虚拟环境、在其中行驶并做出决策。模拟世界与真实感知链路的打通，是这款模型区别于普通视频生成模型的关键。
从“画师”到“考官”：世界模型的新定位
百度智能驾驶事业群组首席架构师王亮在活动上表示，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”。这句话点出了Apollo World的设计思路：它既要教会无人驾驶系统开车，也要出题考它。
在Apollo World构建的虚拟城市中，车辆、行人等交通参与者均被建模为具备决策和交互能力的AI智能体。它们会根据周围交通变化调整行动，而不是沿着固定轨迹机械移动。百度IDG架构师、世界模型负责人杨泽介绍，这种智能体驱动的设定，让虚拟城市更接近真实交通的复杂性与不确定性，也让无人驾驶系统在其中学到的应对能力更具迁移价值。
形象地说，如果把无人驾驶系统比作“学生”AI Driver，那么Apollo World就是同时兼任教材与考场的存在：它提供虚拟训练环境，帮助系统学习、验证和迭代，而验证的结果又反过来指导下一轮训练。
萝卜快跑的规模底座：28城、2300万次出行
Apollo World并非空中楼阁，它的落地场景是已经规模化运营的萝卜快跑。根据百度披露的数据，萝卜快跑已落地全球28座城市，累计完成超2300万次出行服务，自动驾驶总里程突破3.5亿公里，其中全无人驾驶里程超过2.4亿公里，并在左右舵市场开展了无人驾驶实践。
萝卜快跑是以端到端技术规模化运行L4无人驾驶的出行平台，端到端全无人运营里程已超过百万公里。这样的运营规模一方面为世界模型提供了真实数据与验证反馈，另一方面也意味着：任何能够加速训练、降低验证成本的工具，都会直接转化为规模化落地的速度优势。
背景分析：世界模型为何成为自动驾驶竞赛的新焦点
自动驾驶行业长期面临一个现实瓶颈：真实道路测试成本高、周期长，而且罕见的危险场景——也就是最需要系统学会应对的“长尾场景”——恰恰最难在真实路测中高频复现。仿真一直是行业的解法之一，但传统仿真往往受限于人工搭建场景的规模与真实感。
以AI智能体驱动的世界模型，试图同时解决规模与真实感两个问题：一方面可以低成本地批量生成多样化交通场景，另一方面让场景中的参与者像真实交通参与者一样互动演变。百度选择在这个时间点披露Apollo World，也反映出行业竞争焦点的变化：从单纯比拼路测里程，转向比拼“训练与验证的效率”。
值得注意的是，Apollo World的发布正值全球车企与科技公司竞相降低自动驾驶开发成本的阶段。谁能用更低的成本、更快地验证系统在复杂场景下的安全性，谁就更有可能率先把无人驾驶推向更大规模的商业化运营。
影响与展望：验证能力将决定落地速度
对百度而言，Apollo World的直接价值在于支撑萝卜快跑的全球化。不同国家和地区的交通规则、驾驶习惯、道路环境差异显著，左右舵市场的实践已经说明，单一市场的经验无法直接复制。能够在虚拟环境中快速构建不同城市的交通场景并完成验证，是全球化扩张的前提条件。
对行业而言，Apollo World提供了一个值得观察的范式：世界模型从内容生成工具转向安全验证基础设施。如果“考官”角色被验证有效，未来自动驾驶的研发流程可能会进一步分化——真实路测负责最终确认，而大部分学习与验证工作在虚拟世界中完成。
当然，模拟与真实之间仍有差距需要持续弥合。虚拟城市再逼真，也需要真实运营数据不断校准；模拟中通过的考验，最终仍要在真实道路上接受检验。Apollo World能否真正缩短这一循环，取决于它在萝卜快跑后续全球化运营中的实际表现。接下来的看点，是百度是否会披露更多关于模型验证效果与落地城市的具体进展。