云端一天抵人间三年，拆解萝卜快跑的世界模型秘密

百度IDG首席架构师、IDG技术委员会主席王亮博士在演讲

文 | Bruce

编辑 | 麦克斯

在仿真世界中，当一只小狗拥有自主决策能力后，会给无人驾驶车辆带来哪些改变？

再进一步，如果将道路上的动态交通参与者都建模为具备自主决策能力的Agent智能体，当无人驾驶车辆穿梭其中时，又会构建出怎样恢弘壮阔的虚拟场景？

现在，萝卜快跑已经有了答案。

11月3日，百度Apollo首次披露面向物理AI的智能体驱动全模态世界模型Apollo World，并宣布该模型已用于萝卜快跑全球化测试与验证。

至此，押注世界模型，已成为L4赛道的集体选择。作为国内L4无人驾驶龙头，在车队规模、运营订单规模上均位居首位的萝卜快跑，也终于揭开自家世界模型的技术面纱。

拆解萝卜快跑应用的Apollo World这一世界模型，会发现，即便与无人车龙头Waymo的世界模型相比，前者的“智能体交互”、“行程级模拟”也技高一筹。

更不用说，用在无人驾驶身上的Apollo World的这一世界模型，与AI教母李飞飞最新推出的全模态空间世界模型Atlas相比，或者另一AI界大牛Yann LeCun的JEPA相比，这些只是画的像，看起来好看，前者面临的仿真测试难度，跟这些都不在同一档。

本文将探讨，在这场无人驾驶仿真训练范式升级的竞争中，萝卜快跑背后的Apollo World，究竟如何定义自身的技术边界，又是怎样解决“长时序误差累积”这一典型难题？无人车的量产应用世界模型之后，真实世界又会由此迎来哪些变化？

Apollo World定义下的世界模型

在百度Apollo此番披露世界模型进展之前，关于世界模型的定义已经可谓满天飞。

一类，以李飞飞的Atlas为代表，主打3D渲染的空间智能；李飞飞本人总结，LLM预测下一个Token，视觉模型预测下一帧，而Atlas，预测的是新视角。

另一类，以Yann LeCun的JEPA为代表，在抽象隐空间预测世界的高层语义状态表征。既不渲染像素，也不预测画面。JEPA预测的是下一个状态。

Apollo World与它们均有所不同。

百度智能驾驶事业群组（IDG）首席架构师、IDG技术委员会主席王亮博士认为，世界模型必须满足两个基本门槛：因果性、交互性，如此方称得上是真正意义上的世界模型。

其中，交互性体现在，世界模型可以动态响应外部干预，当注入Action后，未来的仿真世界状态会随之改变。

因果性体现在，模型架构采用因果单向注意力机制，沿着时间线从过去向未来单向推演，不允许逆时序信息泄露。不求好看，而是追求真实地还原物理世界。

具体到无人驾驶领域，Apollo World的工作流程大致如下：

首先，Apollo World生成观测信息，包括图像、点云数据；

然后，虚拟世界里的萝卜快跑无人车，根据观测信息执行动作，动作结果再反馈给Apollo World；

紧接着，世界模型根据反馈信息，更新场景状态，生成新的观测数据；

至此，整个过程形成闭环。

简言之，李飞飞的Atlas的重心在于“看清”世界，Yann LeCun的JEPA重心在于“预判”世界，而Apollo World的重心，则在于与真实物理世界进行动作的互动。

难度各有不同。

Apollo World在应用到无人驾驶领域后，其安全要求、闭环因果、跨模态一致性，挑战要明显高于李飞飞的Atlas。

至于JEPA，其挑战在于，如何在基础表征侧让隐空间表征更可靠，但由于没有可观测的传感器输出，很难直接用于无人驾驶仿真训练。

而Apollo World 要面临的挑战并非仅仅渲染出一个逼真的虚拟世界，也不仅是学习隐空间预测。在无人驾驶领域，它对于物理世界运行规律的学习、罕见与长尾场景的安全验证等有着更高的要求。

可以理解为，Atlas可以出现几何幻觉、拉伸伪影，这只会带来像不像、好不好看的影响。如果世界模型仿真失真，出现几何错误、物理错误、因果错误，无人驾驶系统学到错误行为后，便会导致真实世界中的严重交通安全事故。

这也是为什么，Apollo World在正式亮相之初，执着地想要划清楚世界模型的定义边界。在王亮博士看来，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”。

Google DeepMind联合创始人Demis Hassabis，在担任公司CEO期间曾将Genie 3比作一个孕育AGI、可无限扩展的虚拟子宫。Waymo在此基础上构建了面向无人驾驶的世界模型，究竟能生长出怎样的能力，全行业均时刻关注。

而借助百度Apollo推出的Apollo World，萝卜快跑同样在量产落地的路上埋头推进。那么，它是如何实践的，与Waymo的世界模型比，其技术究竟有何特点？

与Waymo的世界模型一战

回到无人驾驶，萝卜快跑落地应用的Apollo World，其实Waymo今年也推出了类似方案，Waymo World Model。

客观而言，二者存在技术逻辑相近之处，但也存在侧重点的不同。

今年6月，在CVPR 2026活动上，Waymo AI研究总监Mingxing Tan做了一场有关自家世界模型的演讲。

演讲结束后，一位参会嘉宾问了这样一个问题：

“Genie训练时看到的大象，大概是在学校里，或者丛林里。当它们被迁移到道路场景，也就是世界模型把大象放到路上时，大象仍然表现得像在丛林里，还是它也意识到周围有车，然后惊慌失措？”

Mingxing Tan的回答很有意思。

他说，“大象在动物园里是一种行为方式，但当它真的走在路上时，它的行为是否和动物园里一样，这是一个开放问题，我不知道答案。这些都是非常困难的案例，也是我们应该探索的方向。”

要么Mingxing Tan不愿意公开Waymo World Model的具体技术细节，要么这个问题Waymo真的还没有答案。

Apollo World此番披露技术进展时，则明确提到：

“在将世界模型应用到萝卜快跑无人车的过程中，Apollo World会在生成的仿真环境中，将动态交通参与者等要素建模为独立的Agent智能体，且这些智能体会对萝卜快跑无人车的驾驶动作做出响应。”

回到文章开头的问题，在Apollo World的仿真世界中，即便道路上出现的一只小狗，也会被赋予一定的智能水平与行为逻辑，可以基于虚拟世界中无人车的驾驶决策作出反应。视频中，小狗是否进入自车车道，系统会给出加速通过或者制动减速的不同决策。

一定意义上，可以理解为Waymo的世界模型侧重长尾场景的复现，萝卜快跑的Apollo World世界模型，侧重与虚拟交通环境的行为推演。

《机动演进》注意到，与更愿意呈现大象、龙卷风、大火等罕见场景的Waymo不同，萝卜快跑在智能体之外，还朝着另一个方向集中发力，那就是“行程级模拟”。

行程级模拟，指萝卜快跑可基于Apollo World，实现仿真环境下的任意起终点无人驾驶。不是短短几分钟，也不是某个局部场景，而是半小时甚至一个小时的连续仿真。

这背后的难点在于，Waymo与萝卜快跑均面临长时序误差累积的世界模型典型难题。

Waymo的团队成员曾在GTC会议上提到，自回归式多智能体轨迹预测，闭环迭代时会产生累积误差。尤其当时序拉长后，智能体之间的交互会越来越不真实。

为此，Waymo还基于Genie 3开发了高效长时序变体，在大幅降低算力的同时保持高真实度，支撑大规模仿真。

但即便如此，包括Waymo在内的L4同行，目前仍以片段测试为主。

反观萝卜快跑落地的这套Apollo World，主打行程级模拟，在长时序仿真方面走在了靠前位置。在被问及如何解决长时序误差累积的问题时，百度IDG杰出架构师、世界模型负责人杨泽博士告诉《机动演进》：

“解决长时序误差累积有多种方法，例如，在训练过程中，将推理的噪音加入进来，通过建模的方式，让训练时的推理更加极致。此外，还会用到三维高斯泼溅等方案。”

行程级模拟背后，考验的其实是世界模型的“持久性”。这是王亮博士提出的世界模型三大评价标准之一，其它两项分别是物理准确性、实时性。这三项指标，本质上考验的是Apollo World能否真正理解物理世界的运行规律。

从一些细节处可以看到，Apollo World生成的虚拟世界，的确在遵循真实物理规律。

比如，通过对不同天气条件建模，雨天地面湿滑场景下，刹车的制动距离会更长。一辆无人车在夜间经过路灯时，路灯在路面上的阴影也会随着无人车的运动而发生长短变化，说明世界模型具备还原光照物理规律的能力。

笔者认为，相比Waymo世界模型聚焦大象、龙卷风等极限场景的策略，萝卜快跑依托Apollo World实现智能体交互、行程级模拟的打法，显得更为务实。

Apollo World改变了什么？

在无人驾驶领域，长期存在一个“安全、智能、规模”的不可能三角难题。现在基于Apollo World，萝卜快跑正在解决这一难题。

安全方面，在告别传统仿真后，萝卜快跑将基于Apollo World的生成式仿真，在虚拟测试世界体验更多的高风险、罕见、长尾的场景。

例如，洒水车冲水冲击到施工锥筒后，锥筒被水流冲到车辆前方这类罕见场景。这会极大降低测试风险。

智能方面，当下，萝卜快跑采用的是车端部署端到端，云端采用世界模型的组合。通过AI教AI开车的方式，将大幅提升无人驾驶系统的模型能力。

规模方面，由于世界模型的生成式仿真测试，更大规模化部署成为可能。

向前追溯，Waymo早在2018年就公布过这样一组数据：“每天，Waymo 的 25000 辆虚拟无人驾驶车在仿真中行驶最多 1000 万英里，相当于往返月球 15 次。”

换算后，相当于平均每辆车每天行驶约640公里。

到2024年，Waymo在提交给澳大利亚监管机构的一份文件中，披露了新的仿真数据规模，“每天的仿真里程达到约2000万英里（折合约3200万公里）”只不过这一次，Waymo没有再公布用了多少辆虚拟无人驾驶车。

上述数据均基于传统的仿真测试，更多是一种回放扰动仿真。之所以称为“传统”，是与当下基于世界模型的生成式仿真作为对比。

再看萝卜快跑，基于Apollo World世界模型一天完成的虚拟测试里程，大概是十万公里，相当于一辆配备安全员的真实路测车连续测试约三年。

从Waymo基于传统仿真的每天640公里，到新的仿真技术范式下，如今萝卜快跑基于世界模型的每天10万公里虚拟测试，可见AI对于仿真技术的变革之深，这也是所有L4无人驾驶玩家的关键一战。

当L4无人驾驶技术的技术升级，找到世界模型这一“AI教AI开车”的全新训练技术范式，还有助于监管部门实现监督，最终有利于获得L4落地的政策支持。至于社会公众，在感受到更好的乘坐体验后，也会对无人车给予更多信任。

一定程度上，Apollo World在无人驾驶领域的应用，还有可能对物理AI作出贡献。

要知道，过去一两年，智能驾驶领域曾出现大量技术人才外流，对机器人创业潮提供了技术、人才、工程落地等方面反哺。现在，无人驾驶找到了新的测试、验证技术路径，既会对L2+企业通往L4提供参考，也有机会进一步对机器人等具身智能领域实现技术外溢。

当下，行业里已诞生端到端、VLM、VLA、世界模型、强化学习等诸多技术名词。归根结底，这些技术的目标都是理解物理世界，让系统像人类司机一样安全、舒适、聪明地行驶。

技术可以百家争鸣，一旦面临落地，或许便只有做出来，以实际表现分高下。

“空谈世界模型不是壁垒。躬身入局，打磨好每个工程化细节，愿意做脏活累活，拉长时间轴后回看，这些才可能成为真正的壁垒。”王亮博士说。