百度 Apollo 在专场活动中首次对外披露全模态世界模型 Apollo World,这套模型主打面向物理 AI,核心是模拟真实世界的物理规则、交通参与者行为,用来生成海量仿真路况,训练自动驾驶系统,解决真实道路里少见的长尾风险场景,会上还同步给出了评判世界模型好坏的 “2+3” 标准,目前 Apollo World 已经落地在萝卜快跑的全球化测试验证环节,依靠仿真场景补齐实车路测很难碰到的突发工况,降低无人车上路测试成本,推动无人驾驶规模化落地,下面把这套模型的判定标准、核心能力、和普通智驾大模型的区别、落地用途逐项拆解说明。

1、Apollo World 世界模型 “2+3” 评判标准清单
- 基础门槛两项
- 因果性:遵循时间逻辑,根据当下环境状态推演后续变化,不是简单拼接画面
- 交互性:可以响应车辆、行人的动作输入,动作改变之后,周边环境同步发生对应变化
- 进阶指标三项
- 物理准确性:物体运动、碰撞、重力等符合现实世界物理规律
- 智能体合理性:行人、非机动车、其他车辆的行为贴近真实司机和路人习惯
- 场景多样性:能够生成各类城市、高速、郊区等复杂长尾交通场景
2、Apollo World 核心能力说明
- 全模态生成:可以输出视频、点云、传感器仿真数据,模拟摄像头、激光雷达采集到的路面信息
- 仿真训练:在虚拟环境批量造极端场景,比如鬼探头、突发加塞、雨天逆光等低概率危险工况
- 闭环迭代:仿真里跑出来的结果回流到智驾模型,持续优化无人车的预判和决策能力
- 落地现状:配套萝卜快跑在多个城市以及海外右舵区域做测试验证
3、Apollo World 和原有 Apollo ADFM 智驾大模型对比简表
| 模型名称 | 定位 | 核心作用 | 运行环境 |
|---|---|---|---|
| Apollo ADFM | 自动驾驶基础大模型 | 实车端感知、预测、规划决策 | 车载算力,真实道路 |
| Apollo World | 物理世界模型 | 生成仿真交通环境、推演场景变化 | 云端仿真平台 |
4、Apollo World 适合场景与使用限制
✅ 适合:自动驾驶算法迭代、长尾危险场景复现、新区域上路前仿真验证、海外不同交规场景测试
❌ 不适合:直接装在车上替代车载智驾模型做实时开车决策
✅ 优势:不用大量实车上路冒险采集危险场景,大幅降低测试成本
❌ 局限:仿真和真实世界依然存在偏差,仿真结果最终还是需要实车验证
【相关 FAQ】
问题 1:百度 Apollo 披露的 Apollo World 世界模型,是不是就是大家常说的车载智驾大模型?
回答 1:不是,百度 Apollo 的 Apollo World 世界模型是用来搭建虚拟交通环境、推演世界变化的仿真模型,主要跑在云端做算法训练,不能直接装车代替自动驾驶决策模型。
问题 2:百度 Apollo 推出 Apollo World 世界模型之后,萝卜快跑无人车会马上实现完全无安全员吗?
回答 2:Apollo World 世界模型可以通过仿真提升萝卜快跑的安全能力,加速算法迭代,但完全去掉安全员还要满足各地法规、实车持续验证等多重条件,不会因为这套模型披露就立刻落地。
问题 3:百度 Apollo 的 Apollo World 世界模型会对外开放给开发者使用吗?
回答 3:本次百度 Apollo 首次披露 Apollo World 世界模型,暂时没有公布对外开放调用或者开放数据集的计划,后续开放策略需要等待 Apollo 官方公告。
【参考资料】
[2026-11-03](百度 Apollo 首次披露世界模型 Apollo World)网通社
[2026-11-03](AI 教 AI 开车,百度 Apollo World 世界模型亮相)IT 之家
[2026-11-03](百度 Apollo 发布 Apollo World 世界模型,提出 2+3 评价标准)InfoQ
【免责声明】
本文基于百度 Apollo Apollo World 世界模型公开披露信息整理,模型能力、开放计划、商业化落地节奏以百度 Apollo 官方后续发布为准,文中技术解读仅作科普参考,不构成投资、合作决策建议。
