无人驾驶要走向规模化，绕不开海量的道路测试。但真实路测烧钱又耗时，尤其是那些几年都遇不上一次的长尾场景，靠实车里程慢慢撞，谁都撞不起。基于这一状况，行业里其实一直在用仿真训练来打磨模型，只不过多数仿真系统更像是按剧本回放的录像，其他车辆和行人都是写死路线的「道具」，考不出模型的真实水平。
11月3日，百度AI Day·Apollo专场在深圳举行，雷科技也受邀参加了此次活动。专场上，百度Apollo首次披露了面向物理AI的全模态世界模型Apollo World，还提出了世界模型的「2+3」判断标准。按照官方披露，这套模型已经在萝卜快跑的全球化测试与验证中投入使用。
把世界模型打造成驾驶模型的考场
用一句话来概括——Apollo World要解决的是无人驾驶「考官」从哪来的问题。过去行业常用的仿真训练模型，大多数只能还原出当时的场景，但没有互动的能力，其他车辆和行人并不会根据自动驾驶模型的操作而做出响应。
用这种方式训练无人车，只会训练出越来越多的「背板大师」，测试成绩再好也证明不了无人驾驶模型的应变能力。
而Apollo World把每个「路人」都换成了会自己做决定的AI：无人车减速让行，对方可能回礼，也可能不领情；这种可控的多变路况，也让无人驾驶模型可以在更接近现实生活的场景中训练。按百度智能驾驶事业群组（IDG）杰出架构师、世界模型负责人杨泽的介绍：
「Apollo World希望赋予交通参与者智能，让世界能够回应无人车的每一个动作。」
图片来源：雷科技
不过光把路人变聪明还不够。多数世界模型还在做单场景模拟，一个路口、一次切入，画面再逼真，也顶多证明模型会「摆拍」；可一单真实出行动辄几十分钟，路况连续变化，复杂度比单场景模拟高出不止一个量级。
为了还原真实的无人驾驶工作模式，Apollo World可以按「订单」来考核无人驾驶模型：我们可以在虚拟城市里任选起点和终点，并实时生成从接单、载客到终点的全程传感器数据，让无人驾驶模型可以在1:1还原的真实工作场景中训练。
图片来源：雷科技
按行业人士的分析，Apollo World一天能跑十万公里虚拟里程，相当于一辆带安全员的路测车连续测三年。这种训练方式不仅可以压缩训练所需的时间和成本，也能充分考验无人驾驶模型的综合能力。
画得像只是世界模型的及格线
当然了，研究世界模型的AI企业并不只有百度这一家，但活动上百度指出，用于无人驾驶训练的世界模型和用于视频生成的世界模型，两者在目标上有着巨大的差异。
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就表示，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」。
既然用于训练无人驾驶的世界模型和用于视频生成的世界模型相差甚远，那我们又该用什么标准去评价前者的模型能力呢？百度给出了「2+3」的答案。
其中「2」指的是模型的因果性和交互性：虚拟世界要像真实世界一样由过去决定未来，无人车在里面踩一脚刹车、打一把方向，周围的世界也要跟着变；「3」指的是模型的物理准确性、持久性和实时性：有足够真实的物理世界，才能在训练中为无人驾驶模型带来真正的经验。
而在雷科技看来，这个「2+3」标准的提出，其实也为整个无人驾驶训练行业提出了明确的模型指标。在这之前，世界模型一直没有公认的衡量标准，谁的模型行，全凭各家自己发一段生成视频自证。
图片来源：雷科技
「2+3」的出现把世界模型的评价标准从「看着像」提升到了可量化的水平，这不仅让模型的能力对比有标准可依，同时也为世界模型的训练和迭代指出了明确的方向。
萝卜快跑是Apollo World的底气
既然2+3的标准如此严苛，那百度的Apollo World又是怎么训练出来的呢？答案其实就藏在百度无人驾驶模型的应用场景里。根据百度给出的数据，萝卜快跑已经落地全球28座城市，累计完成超2300万次出行服务，自动驾驶总里程突破3.5亿公里，其中全无人驾驶里程超过2.4亿公里。
对你我这样的用户来说，这3.5亿公里的路是百度替我们开过的路；但对世界模型来说，这庞大的运营数据就是天然的模型训练题库。萝卜快跑在真实道路上每一次急刹、绕行，都可以变成虚拟世界里的新考题；虚拟世界里发现的模型短板，也会在优化后迭代进现实世界的驾驶模型中。
图片来源：雷科技
在雷科技看来，这种从业务数据到训练素材、再从模型训练迭代到日常运营的数据闭环，也是百度Apollo World的独家优势之一。
雷科技认为，随着模型训练形式、考点的多样化，用来训练无人驾驶模型的世界模型的水平，也将成为未来无人驾驶模型水平的重要评判标准。就拿萝卜快跑这种无人驾驶出租车为例，此前行业比的是车队规模、开城数量和安全记录。但随着无人驾驶出租车概念的成熟，这些运营层面的数据，只会成为无人驾驶出租车行业的入行门槛。
世界模型已经成为无人驾驶的下一个战场
当无人驾驶出租车真正走向大众后，作为决定无人驾驶模型能力的重要依据，世界模型的复杂程度和训练效果，将成为无人驾驶出租车行业的下一个竞争点。原因其实也很好理解，无人驾驶出租车行业目前正以城市为单位，向国内外城市扩张自己的运营版图，而不同城市有着截然不同的驾驶法规、路况与驾驶习惯。
企业如果想在某座城市业务落地的第一时间就提供出色的体验，必然要在模型训练上下大功夫。也只有足够出色的世界模型，才能为企业提供这种多变的训练环境，打磨出足够出色的无人驾驶模型。
图片来源：雷科技
事实上，选择从世界模型能力下手，提升无人驾驶模型能力的企业也不只有这一家。今年2月，背靠Google的Waymo也发布了自己以Gemini 3为底座的世界模型。根据其公布的数据，Waymo的模拟里程已经超过200亿英里。
换句话说，全球头部的两家Robotaxi玩家，都选择以世界模型作为下一个战场。
按照百度的说法，Apollo World的技术栈还能拓展到机器人等更广泛的物理AI场景。至于Apollo World能把百度的无人驾驶业务带到多远，相信很快我们就能从萝卜快跑的运营城市列表中看到答案。
热门跟贴