11 月 3 日，在深圳举行的百度 AI Day · Apollo 专场上，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，并提出世界模型 "2+3" 判断标准。

图片来源：百度 Apollo

其中，"2" 是决定算不算世界模型的基础门槛，包括两个核心维度：一是因果性，遵循时间单向性，由过去决定未来，基于当前状态预测下一刻，而非拼凑画面反推过去；二是交互性，能动态响应外部干预，注入动作影响未来世界状态。

"3" 是衡量模型能力高下的进阶指标，包括 "3" 项增益属性：物理准确性，模拟的状态有多可靠，是否符合世界规律，学习获得的能力回到物理世界还能不能用；持久性，持续运行的时间和稳定性能不能跟上，长时间运行物体和细节是否发生漂移；实时性，低时延，生成世界复杂度的增长不影响模型推理时间，获得高模拟测试效率。

目前，该模型已用于萝卜快跑全球化测试与验证，助力无人驾驶规模化落地。

据悉，Apollo World 可 " 日行十万公里 "，其一天完成的虚拟路测里程相当于一辆配备安全员的真实路测车连续测试约三年。

在此过程中，Apollo World 通过把真实运营中的复杂交互与风险场景转化为可重复、可控制、可规模化运行的虚拟测试环境，并生成现实尚未覆盖的新场景，让无人车在实车部署前先在虚拟世界完成驾驶推演，把测试成本和部署风险留在虚拟世界先行消化，实现了让 AI 教 AI 开车。

当然，要让虚拟验证真正贴近现实，离不开萝卜快跑持续积累的真实道路数据。目前，萝卜快跑已落地全球 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，并已在左右舵市场开展无人驾驶实践。

正是依托真实驾驶数据，Apollo World 得以提取高价值场景，用于进行虚拟测试，再将结果反哺车端迭代，从而形成真实运营与虚拟验证相互促进的闭环。

值得关注的是，除了萝卜快跑，据悉 Apollo World 的技术栈还可拓展至机器人等更广泛的物理 AI 场景。