(网经社讯)11月3日，百度 AI Day・Apollo 专场活动在深圳举办，百度 Apollo 首次对外披露面向物理 AI 的智能体驱动全模态世界模型 Apollo World，同时提出世界模型 “2+3” 行业评判标准，为自动驾驶虚拟仿真测试建立技术标尺，该模型已落地萝卜快跑全球化测试验证工作，加速无人驾驶技术迭代升级。

当前无人驾驶规模化落地过程中，传统仿真模式多采用固定脚本设置交通参与者，难以还原真实道路复杂交互，成为技术迭代一大瓶颈。Apollo World 区别于侧重画面渲染的生成模型，更加看重物理规律与因果推演，将虚拟城市内行人、机动车、非机动车全部建模为具备自主决策、动态交互能力的 AI 智能体。当无人车做出变道、减速、避让等动作，虚拟环境中其他交通参与者会随之产生真实反馈，还原现实道路博弈场景，实现感知‑决策‑行动‑环境反馈完整端到端闭环训练。

据网经社移动出行台（DCX.100EC.CN）获悉，该模型能够实时输出相机图像、激光雷达点云等全模态数据，模拟雨雪、昼夜变化等各类环境条件，支持无人车在虚拟城市内任意起点、终点完成完整出行订单，在虚拟空间完成海量极端、罕见路况测试，大幅降低实路测试成本与风险，突破无人驾驶行业 “不可能三角” 难题。

会上，百度 Apollo 提出世界模型 “2+3” 判断标准，厘清行业认知。两项基础门槛为因果性、交互性，要求模型遵循时间逻辑推演未来，可响应外部动作干预；三项进阶指标包含物理准确性、持久性、实时性，重点考核模拟结果贴合现实物理规则、长时间运行不出现信息漂移、高复杂场景下保持低延迟推理的核心能力，为行业判断世界模型能力提供统一参考框架。

据介绍，Apollo World 已经投入萝卜快跑全球化测试验证。萝卜快跑目前已登陆全球 28 座城市，累计出行服务超 2300 万次，自动驾驶总里程突破 3.5 亿公里，全无人驾驶里程超 2.4 亿公里，覆盖左舵、右舵多元市场。Apollo World 作为虚拟 “考官”，为 AI 司机提供海量虚拟训练考题，把现实运营遇到的各类路况复现到仿真空间，实现 “现实采集难题、虚拟反复训练” 的数据飞轮效应。同时这套技术体系不止局限自动驾驶，未来还可延伸到服务机器人等更广的物理 AI 领域。