百度首披Apollo World世界模型，萝卜快跑端到端已投入运营
nashnova research
百度首次公开面向自动驾驶的世界模型Apollo World，同时披露约百辆萝卜快跑无人车已搭载端到端架构投入载客运营，累计全无人安全里程接近百万公里——这标志着其自动驾驶技术从实验室测试正式跨入真实商业服务。
端到端架构到底改了什么？
传统自动驾驶靠工程师写规则：感知、预测、规划各管一段，车辆行为由人为约束决定。端到端架构(让模型直接从原始传感器数据到方向盘指令，一步输出)则让模型自己从海量驾驶数据中学开车。
这意味着→ 开发逻辑从"人写规则"变成"数据喂模型"，跟大语言模型预测下一个字的思路一脉相承——只不过预测对象从文字变成了方向盘转向、油门和刹车。
用大白话说＝ 以前是工程师告诉车"遇到红灯停"，现在是车自己看了几百万公里视频后学会了停。好处是能力上限更高；风险是车可能学出工程师没想到的行为，安全验证难度陡增。
约百辆车上路，数据撑不撑得住？
百度IDG首席架构师王亮透露，目前约百辆萝卜快跑无人车已搭载端到端架构参与实际载客运营，累计全无人安全里程接近百万公里。
这意味着→ 该架构已不是封闭路段测试，而是在真实交通中接送乘客，从技术验证跨入商业服务。
更大的背景数据：截至二季度，萝卜快跑累计提供超2300万次出行服务，自动驾驶总里程超3.5亿公里，其中全无人里程超2.4亿公里，覆盖全球28座城市。
Apollo World解决什么问题？
端到端模型可能出现意外行为，传统仿真(回放真实路况录像)测不出"如果对面车换一种反应，我的车会怎样"。Apollo World的核心变化：把虚拟环境里的车辆、行人都建模成会自主决策的AI智能体，而非固定剧本。
现场演示中，同一路口对向车绕行时无人车刹车避让，对向车停车等待时无人车直接通过——其他参与者的行为变了，无人车的决策随之改变。
百度披露Apollo World一天可完成约十万公里虚拟路测。但世界模型负责人杨泽坦言，现阶段模型仍难以完整模拟真实世界所有变化，虚拟数据需要与真实道路数据结合使用。
"安全不意味着保守"——这句话背后是什么矛盾？
王亮表示，随着萝卜快跑车辆增加，无人车与人类司机交互更频繁；过于保守的策略反而影响交通秩序和乘客体验，无人车需要学会融入当地车流。
用大白话说＝ 一辆永远慢半拍的无人车，在路上就是"移动路障"——安全了自己，堵了别人。
另一个难题：人类司机的驾驶行为并不都值得学。不规范习惯会"污染"训练数据，百度需要筛选过滤，同时针对不同城市适配——重庆的立体交错、香港和伦敦的左侧通行，车流节奏完全不同。
通用大模型会不会直接跨界抢活？
世界模型是行业共同方向：Waymo今年2月发布Waymo World Model，Wayve 8月发布GAIA-4；国内小马智行4月推出PonyWorld 2.0，文远知行1月发布WeRide GENESIS。
更大的变量来自通用大模型。9月独立项目DrivingBench用GPT-6 Astra等四款通用模型控制一辆真实丰田卡罗拉低速行驶，GPT-6 Astra第二次尝试完成全部锥桶赛道，实测134.7米，平均速度约1.5公里/小时——但其余三款模型最好成绩未过半程，且全程有安全员随时准备接管。
这意味着→ 通用模型已能在极低速、有人监督条件下"开一小段"，但杨泽指出，无人驾驶系统需要以约33毫秒周期作出决策，通用模型距L4实际任务还有明显差距。Apollo World能否真正提升端到端安全验证效率，将是衡量百度这套技术体系实际价值的核心节点。
市场有风险，内容仅供研究参考，不构成投资建议。