百度首披Apollo World世界模型，蘿蔔快跑端到端已投入運營
nashnova research
百度首次公開面向自動駕駛的世界模型Apollo World，同時披露約百輛蘿蔔快跑無人車已搭載端到端架構投入載客運營，累計全無人安全里程接近百萬公里——這標誌着其自動駕駛技術從實驗室測試正式跨入真實商業服務。
端到端架構到底改了甚麼？
傳統自動駕駛靠工程師寫規則：感知、預測、規劃各管一段，車輛行為由人為約束決定。端到端架構（讓模型直接從原始傳感器數據到方向盤指令，一步輸出）則讓模型自己從海量駕駛數據中學開車。
這意味著→ 開發邏輯從「人寫規則」變成「數據餵模型」，跟大語言模型預測下一個字的思路一脈相承——只不過預測對象從文字變成了方向盤轉向、油門和剎車。
簡單來說＝ 以前是工程師告訴車「遇到紅燈停」，現在是車自己看了幾百萬公里影片後學會了停。好處是能力上限更高；風險是車可能學出工程師沒想到的行為，安全驗證難度陡增。
約百輛車上路，數據撐不撐得住？
百度IDG首席架構師王亮透露，目前約百輛蘿蔔快跑無人車已搭載端到端架構參與實際載客運營，累計全無人安全里程接近百萬公里。
這意味著→ 該架構已不是封閉路段測試，而是在真實交通中接送乘客，從技術驗證跨入商業服務。
更大的背景數據：截至第二季，蘿蔔快跑累計提供超2,300萬次出行服務，自動駕駛總里程超3.5億公里，其中全無人里程超2.4億公里，覆蓋全球28座城市。
Apollo World解決甚麼問題？
端到端模型可能出現意外行為，傳統仿真（回放真實路況錄像）測不出「如果對面車換一種反應，我的車會怎樣」。Apollo World的核心變化：把虛擬環境裡的車輛、行人都建模成會自主決策的AI智能體，而非固定劇本。
現場演示中，同一路口對向車繞行時無人車剎車避讓，對向車停車等待時無人車直接通過——其他參與者的行為變了，無人車的決策隨之改變。
百度披露Apollo World一天可完成約十萬公里虛擬路測。但世界模型負責人楊澤坦言，現階段模型仍難以完整模擬真實世界所有變化，虛擬數據需要與真實道路數據結合使用。
「安全不意味着保守」——這句話背後是甚麼矛盾？
王亮表示，隨着蘿蔔快跑車輛增加，無人車與人類司機交互更頻繁；過於保守的策略反而影響交通秩序和乘客體驗，無人車需要學會融入當地車流。
簡單來說＝ 一輛永遠慢半拍的無人車，在路上就是「移動路障」——安全了自己，堵了別人。
另一個難題：人類司機的駕駛行為並不都值得學。不規範習慣會「污染」訓練數據，百度需要篩選過濾，同時針對不同城市適配——重慶的立體交錯、香港和倫敦的左側通行，車流節奏完全不同。
通用大模型會不會直接跨界搶活？
世界模型是行業共同方向：Waymo今年2月發佈Waymo World Model，Wayve 8月發佈GAIA-4；國內小馬智行4月推出PonyWorld 2.0，文遠知行1月發佈WeRide GENESIS。
更大的變量來自通用大模型。9月獨立項目DrivingBench用GPT-6 Astra等四款通用模型控制一輛真實豐田卡羅拉低速行駛，GPT-6 Astra第二次嘗試完成全部錐桶賽道，實測134.7米，平均速度約1.5公里/小時——但其餘三款模型最好成績未過半程，且全程有安全員隨時準備接管。
這意味著→ 通用模型已能在極低速、有人監督條件下「開一小段」，但楊澤指出，無人駕駛系統需要以約33毫秒週期作出決策，通用模型距L4實際任務還有明顯差距。Apollo World能否真正提升端到端安全驗證效率，將是衡量百度這套技術體系實際價值的核心節點。
市场有风险，内容仅供研究参考，不构成投资建议。