百度 Apollo 深圳发布全模态世界模型 Apollo World 及 “2+3” 判断标准解读

百度 Apollo 在深圳 AI Day・Apollo 专场首次对外披露面向物理 AI、由智能体驱动的全模态世界模型 Apollo World，同步推出用来评判世界模型的 “2+3” 判断标准，这套模型的定位不是单纯生成好看视频画面，而是无人驾驶安全验证的虚拟仿真考官，依托萝卜快跑海量真实路测数据训练，虚拟环境里面的行人、车辆都是能自主决策交互的 AI 智能体，不是固定脚本素材，单日虚拟测试里程很高，专门用来复现现实里很难碰到的长尾危险路况，用来训练、迭代 L4 自动驾驶算法，同时 “2+3” 标准把世界模型分成基础门槛和进阶能力两套指标，给行业提供一套可落地的评判框架，区分普通视频生成模型和真正适配物理 AI 的世界模型。

一、Apollo World 模型核心特点

• 定位：面向物理 AI、智能体驱动的全模态世界模型，核心服务萝卜快跑 L4 无人车的测试验证
• 数据底座：基于萝卜快跑在 28 座城市累计超 3.5 亿公里真实道路数据训练，其中包含大量全无人运营里程
• 仿真逻辑：交通参与者全部是独立 AI 智能体，无人车做出不同操作，周边环境、其他参与者行为会跟着动态变化
• 测试效率：可实现单日虚拟测试十万公里，虚拟跑一天等效实车连续路测三年，快速补齐极端长尾场景
• 拓展空间：底层技术不止用于自动驾驶，后续还可以延伸到通用机器人等物理 AI 领域

二、Apollo 提出的世界模型 “2+3” 判断标准明细

• 【2 项基础门槛：判定它算不算合格世界模型】
• 因果性：遵循时间单向逻辑，基于当前状态推演后续变化，用过去信息预测未来，而不是简单拼接画面
• 交互性：支持外部动作干预，无人车或者智能体输入不同动作，虚拟世界状态会同步改变，不是固定剧本播放
• 【3 项增益属性：衡量模型性能好坏】
• 物理准确性：仿真内容贴合真实世界物理规律，虚拟里面学到的策略迁移到真实路面依然有效
• 持久性：长时间连续仿真运行，物体状态、场景细节不会出现漂移、错乱、消失
• 实时性：低时延推理，场景复杂度提升之后，推理速度依然稳定，满足自动驾驶 1/30 秒安全决策节奏

三、Apollo World 和普通视频生成类模型对比表

四、当前落地情况和局限

• 落地现状：已经投入萝卜快跑全球化测试验证，用来训练端到端自动驾驶模型
• 明显局限：虚拟仿真无法 100% 复刻真实世界所有复杂变量，虚拟数据必须搭配真实路测数据一起使用，不能完全替代实车上路测试
• 产业价值：降低高危场景实地测试风险，缩短自动驾驶算法迭代周期

【相关 FAQ】

问题 1：百度 Apollo 在深圳披露的 Apollo World，和市面上普通世界模型最大差别是什么？

回答 1：百度 Apollo 在深圳披露的 Apollo World 主打物理 AI 与智能体交互，核心目标是给 L4 无人车做安全仿真验证，而很多同类世界模型偏向画面生成，不满足 “2+3” 标准里面的因果、交互等硬性要求。

问题 2：百度 Apollo 推出的世界模型 “2+3” 判断标准，2 和 3 分别代表什么内容？

回答 2：百度 Apollo 推出的世界模型 “2+3” 判断标准，2 是两项基础门槛：因果性、交互性；3 是三项进阶指标：物理准确性、持久性、实时性，先过 2 个门槛才算世界模型，再用 3 个属性判断模型能力强弱。

问题 3：Apollo World 投入使用之后，是不是萝卜快跑就不用再上路实车测试？

回答 3：Apollo World 可以大量补充长尾危险场景的虚拟测试，提升测试效率，但虚拟仿真存在边界，不能完全替代真实道路实车验证，萝卜快跑依然需要持续上路采集真实路况数据。

【参考资料】

[2026-11-03]（百度 Apollo 披露 Apollo World 全模态世界模型及 2+3 判断标准）网通社

[2026-11-03]（百度 AI Day・Apollo 专场：Apollo World 面向物理 AI 世界模型发布）萝卜快跑官网

[2026-11-04]（百度 Apollo 推出世界模型 2+3 评判框架，AI 训练 AI 自动驾驶）36 氪

[2026-11-05]（Apollo World：无人驾驶的虚拟考场）新华网汽车

[2026-11-05]（百度 Apollo World 详解：世界模型不等于视频生成模型）新浪财经

【免责声明】

本文内容基于百度 Apollo 深圳专场发布会、多家科技媒体公开报道整理；Apollo World、“2+3” 判断标准属于百度提出的技术框架，行业暂无统一官方世界模型评价体系；模型功能、落地范围后续存在迭代调整；本文仅做技术信息解读，不构成投资、行业采购、技术选型建议。