百度发布 Apollo World：无人车先在“虚拟驾校”练车，再上真路

作者：陈一帆

11月3日，百度在深圳 AI Day·Apollo 专场首次披露世界模型 Apollo World，称其已用于萝卜快跑的全球化测试与验证。官方口径是单日最多生成10万公里仿真里程，约等于带安全员的实车连跑三年。它把虚拟城市里的车和行人做成会互动的 AI 智能体，让无人车在完整订单里练车，目标是压低真车路测成本。

11月3日，百度在深圳的“AI Day·Apollo”专场上首次披露世界模型 Apollo World，并称它已经用于萝卜快跑无人车的全球化测试与验证 。按百度给出的数字，这套系统一天最多能生成10万公里仿真驾驶里程，约等于一辆带安全员的实车连跑三年 。消息前一天先在社交平台上以一段摘要流传 ，随后的一手报道补上了细节。

一所虚拟驾校

过去无人车练车主要靠实车配安全员在真路上刷里程。真路当然最真实，但慢、贵，而且长尾场景（那种几年才碰上一次的刁钻路况）很难攒够练习量。Apollo World 的思路是：先在城市的“副本”里练。

这所驾校里，同学和陪练都是 AI。传统仿真里，其他车辆行人更像按脚本走的道具；Apollo World 把车辆、行人都建模成具备决策和交互能力的智能体，无人车减速、变道或让行，周围的车可能跟着让，也可能照走不误 。考试科目也不只是单个路口，而是在虚拟城市里任选起终点，跑完接单、载客到送达的完整订单，跨路段、跨场景连着开 。

闭环是怎么转起来的

练车要“看得见”才有意义。模型实时生成相机画面、激光雷达点云等多模态观测数据，无人车据此做转向、加速或减速的决策，动作再传回模型，环境随之更新，生成下一刻的观测，形成感知—决策—行动—反馈的闭环 。

练的题来自真实运营：Apollo World 从萝卜快跑的实际路况中提取高价值场景和风险工况，转成可重复、可重放的虚拟测试，测试结果反哺车端系统，更新后的驾驶系统再回到真实道路接受检验 。百度给这套循环起的说法是“AI 教 AI 开车”。底座数据方面，萝卜快跑已落地全球28座城市，累计自动驾驶里程超过3.5亿公里，其中全无人驾驶里程超过2.4亿公里 。

为什么是现在

核心是成本。路透社报道提到，中国 robotaxi 公司多走轻资产扩张路线，靠输出技术、与车企和出行平台合作，但模型训练和车辆投入依然昂贵。Arthur D. Little 的 Frank McCleary 说，能不能快速落地，取决于技术适应和学会在某个环境里开车的速度 。同一篇报道里，摩根士丹利预计到2035年中国 robotaxi 车队可能增至100万辆，小鹏也计划2027年入场 。谁能更快在新城市完成验证，谁就多一分先手。

还没答的几道题

需要分清哪些已经做到、哪些还只是说法。10万公里/日是官方口径里的“至多”值，属于峰值还是稳定产能，发布会上没说清。仿真到底多接近真实物理规律，目前没有第三方评测；更新后的驾驶系统仍要回实路测试，这是绕不过去的一关 。降本效果也还没有量化数字公开，百度未提及这套模型对测试成本和道路安全表现的具体影响 。

发布会上同步提出了世界模型“2+3”判断标准：因果性、交互性是基础门槛，物理准确性、持久性、实时性是进阶指标 。这套标尺讲得有道理——毕竟画质好看和物理可靠是两件事——但它目前更像百度给自己出的考卷，行业还没有统一评测方法。

一句话：把“开三年”的路测压进“开一天”的仿真，方向合理，账面也挺诱人。但虚拟驾校的毕业证，最终还是要真路来签。

转载说明

本文根据以下公开资料整理，原文及配图出处见下方。

• [S1] Baidu has unveiled Apollo World, a new AI model designed to accelerate the training of self-driving taxis and reduce cos · Swipeline
• [S2] 百度Apollo发布Apollo World世界模型及“2+3”标准
• [S3] AI训练AI！百度首次披露Apollo World世界模型，让无人驾驶突破“不可能三角”
• [S4] China's Baidu launches AI model simulating road environment for robotaxis | Reuters
• [S5] 百度发布Apollo世界模型，让AI教AI自动驾驶
• 配图 1：来源：www.163.com（图片署名见原文） · 图片出处
• 配图 2：来源：www.163.com（图片署名见原文） · 图片出处
• 配图 3：来源：www.163.com（图片署名见原文） · 图片出处
• 配图 4：来源：www.163.com（图片署名见原文） · 图片出处