车东西（公众号：chedongxi）
作者 ｜ Janson
编辑 ｜ 志豪
全球Robotaxi竞争，正在迎来一个新的分水岭。
2026年2月，无人驾驶巨头Waymo完成160亿美元（约合人民币1072亿元）融资，投后估值达到1260亿美元（约合人民币8442亿元）。
中国企业同样在加速扩张。百度旗下萝卜快跑已进入全球28座城市，累计完成超过2300万次出行服务，无人驾驶总里程突破3.5亿公里。
经过十多年的发展，无人驾驶已经从技术验证走向规模化商业运营，但安全、成本、效率依然是摆在行业面前的“三座大山”。
尤其是随着全球化扩张提速，传统依靠实车和安全员不断积累测试里程的模式，正面临越来越明显的效率瓶颈。
而世界模型，正在成为改变这一局面的关键变量。
今年2月，Waymo发布了基于谷歌DeepMind Genie 3构建的世界模型。
11月3日，百度也正式披露了面向物理AI的智能体驱动全模态世界模型ApolloWorld。
▲AI智能体推动的世界模型
根据百度公布的数据，ApolloWorld一天完成的虚拟路测里程，相当于一辆配备安全员的实车连续测试约三年。
更重要的是，在ApolloWorld构建的虚拟城市中，不仅无人车由AI驾驶，周围的交通参与者也具备自主决策能力，能够与无人车持续交互，让无人驾驶系统提前经历各种复杂的交通状况。
从AI开车，到AI帮助AI练车，Robotaxi产业的竞争正在发生变化。
一、全球Robotaxi大战升级 世界模型成新分水岭
回顾过去十多年，全球无人驾驶产业大致经历了三个发展阶段。
2013年前后至2023年，行业主要围绕无人驾驶技术研发和道路测试展开竞争，重点是让汽车具备自主驾驶能力。
2022年起，随着百度等企业陆续获得全无人商业化运营许可，随后从2023年开始，Robotaxi开始从技术验证走向收费运营，竞争重点逐渐转向车队规模、运营能力和商业模式。
▲Robotaxi产业发展示意（各阶段技术发展存在交叉）
到了2026年，全球Robotaxi产业又进入新的阶段。
Waymo加速拓展运营城市，百度萝卜快跑则已在迪拜、阿布扎比启动全无人商业化运营，在伦敦、瑞士开展公开道路测试，并在香港取得当地首个全无人测试牌照。随着全球化扩张提速，行业开始比拼跨城市、跨市场的规模化运营能力。
资本市场同样关注这一变化，Waymo今年2月完成160亿美元融资（约合人民币1072亿元），四天后正式公布世界模型，10月又获得50亿美元（约合人民币335亿元）债务融资。
资本的眼光往往十分敏锐，毕竟头部投资机构看重的不只是企业现有的运营规模，还包括其未来能否建立持续领先的技术和商业化能力。
而Robotaxi规模化恰恰面临三座大山：安全、成本和效率。
一方面，真实道路充满低频、复杂甚至危险的交通场景，单纯依靠增加实车测试里程，很难充分覆盖所有风险。
另一方面，每进入一个新城市，无人驾驶企业都需要投入大量车辆、人力和时间，验证当地道路环境与驾驶习惯。
如果每一次算法升级、每进入一个新市场，都需要重新进行漫长的道路测试，企业的扩张速度就会受到明显限制。
过去，无人驾驶行业主要通过增加实际测试里程积累经验。
▲世界模型可以生成不同的内容
现在，世界模型提供了另一条路径：让无人车在AI生成的虚拟世界中，提前经历现实中尚未遇到的各种交通情况。
这不仅是测试方法的变化，也可能成为Robotaxi下一阶段竞争的重要分水岭。
二、世界模型扎堆亮相 百度立下技术新标尺
世界模型究竟是什么？
2026年6月，AI科学家李飞飞曾将世界模型划分为渲染器、模拟器和规划器三种类型。
简单来说，渲染器负责把世界画出来，模拟器负责预测世界如何变化，规划器则负责决定下一步如何行动。
其中，模拟器是连接虚拟世界与真实行动的重要环节。
不过，对于不同的物理AI应用，世界模型需要解决的问题也不相同。
李飞飞曾将无人驾驶汽车比作在二维平面上移动的“盒子”，认为通用机器人需要完成更加复杂的三维空间操作。
▲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博士
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博士则提出了另一种判断。
汽车的控制动作虽然相对简单，但无人驾驶面临的是开放道路上大量交通参与者之间的动态博弈。
例如，一辆无人车准备通过路口，旁边车辆可能主动让行，也可能突然加速。无人车的不同选择，还会进一步改变其他车辆的行为。
因此，无人驾驶的难点不只是理解道路，更在于预测其他交通参与者的选择，以及这些选择引发的连锁反应。
▲不同决策导致的实时交互
随着生成式AI快速发展，世界模型已经成为AI行业的热门概念。从视频生成、三维空间构建到物理仿真，不同技术都开始被冠以世界模型之名，但它们能否真正用于物理AI，仍然存在明显差异。
这次百度并没有急于用一个新概念包装技术，而是选择从L4无人驾驶的实际需求出发，先想清楚世界模型究竟应该解决什么问题，再围绕这一目标设计系统。
在百度看来，世界模型不能只是一个生成逼真画面的工具，更应该是能够模拟真实物理规律、理解交通参与者行为，并持续验证无人驾驶能力的测试环境。
也正因如此，百度提出了面向物理AI的「2+3」世界模型判断标准，试图为这项快速发展的技术建立一套更清晰的评价方法。
其中，两项基础门槛是因果性和交互性：模型不仅要根据当前状态预测未来，还必须能够响应外部动作，让不同决策产生不同结果。
例如在ApolloWorld展示的一段虚拟场景中，无人车行驶至高架入口。
当无人车选择驶上高架，旁边支路车辆便会汇入主路；当无人车选择继续沿辅路行驶，支路车辆则会停车等待。
同一个路口，因为无人车的选择不同，整个交通环境也随之变化。
另外三项进阶指标分别是物理准确性、持久性和实时性，要求模型符合真实物理规律、能够长时间稳定推演，并及时响应车辆动作。
▲驾驶决策不同模型响应也不同
按照这套标准，面向无人驾驶的世界模型不能只是生成一段逼真的道路视频，还需要能够成为真实无人驾驶系统的测试环境。
拿到了模拟数据，让虚拟激光雷达准确还原真实环境中的感知变化也是模型能力的重要一环。
雨雪天气下，雨滴和雪花会影响激光的传播与反射，导致回波减弱、部分点云缺失或出现噪点。
▲激光雷达的点云数据同步模拟
ApolloWorld不仅要模拟相机画面中的雨雪、反光和能见度变化，还要同步生成符合物理规律的激光雷达点云，并保证两种传感器看到的是同一个世界。
这比单纯生成逼真的道路视频更复杂，也是虚拟测试能否真实反映无人车感知能力的关键。
更进一步，ApolloWorld还能支持无人车在虚拟城市中完成从起点到终点的完整行程。此次演讲展示了从深圳滨海大道辅路驶向A8音乐大厦，以及从香港天际万豪酒店前往多个目的地的虚拟驾驶任务，还能在同一路线下调整车流密度。
▲完整的虚拟路测
一个路口考验的是单次驾驶决策，一整单考验的则是无人驾驶系统持续完成任务的能力。
放眼全球，世界模型已经成为自动驾驶头部企业争夺的技术高地，但不同企业正在探索的方向并不完全相同。
▲百度与Waymo无人驾驶世界模型对比
今年2月，Waymo公布了基于谷歌DeepMind Genie 3打造的世界模型，能够生成龙卷风、极端天气、罕见障碍物等复杂场景，也支持驾驶动作控制、交通参与者行为设定和多传感器仿真。
相比Waymo的世界模型技术，百度ApolloWorld更强调世界模型的实际应用价值，也更贴近Robotaxi规模化运营的需求。
如此一来，百度ApolloWorld不仅能够模拟多智能体之间的动态交通博弈，还将仿真从单个场景延伸至完整出行任务，并接入已经规模化运营的L4无人驾驶系统，让世界模型真正服务于无人驾驶的训练、验证和商业化落地。
此次披露的萝卜快跑新一代端到端自动驾驶系统，已经实现超过百万公里的全无人运营，而ApolloWorld正是为这套系统提供训练和验证环境。
ApolloWorld不仅能够构建一个可交互的虚拟世界，还能够让已经投入实际运营的L4自动驾驶系统在其中持续接受检验。
世界模型由此从前沿技术探索，进一步成为支撑Robotaxi规模化运营的技术基础。
三、从一天顶三年到全球化开城 Robotaxi进入“强者恒强”时代
世界模型再先进，最终也要回答一个问题：能够给无人驾驶产业带来什么？
ApolloWorld公布的一组数据颇具代表性。
据百度方面介绍，ApolloWorld每天可完成约10万公里虚拟路测，相当于一辆配备安全员的实车连续测试约三年的里程。
过去需要真实车辆、道路和人力完成的部分测试工作，如今可以转移到云端，通过算力持续扩展。
例如，真实道路上很难为了测试而反复制造行人突然横穿、前车急刹等危险情况，但在虚拟世界中，这些场景可以重复生成，并不断调整交通条件。
世界模型带来的改变，不只是测试里程增加，更是让无人驾驶系统能够以更低成本、更高效率接受大量复杂场景的检验。
对于正在加速全球化的Robotaxi企业来说，这一点尤其重要。
不同国家和城市的道路结构、交通规则、驾驶习惯各不相同。以香港为例，百度已在当地开展右舵左行道路的全无人驾驶测试。
▲百度Apollo香港测试示意
真实运营经验与虚拟测试相结合，有助于降低跨市场部署的验证成本，提高开城效率。
而百度还有一项值得关注的优势——萝卜快跑已经积累的大规模真实运营数据。
目前，萝卜快跑无人驾驶总里程超过3.5亿公里，其中全无人驾驶里程超过2.4亿公里。
这些实际驾驶经验可以不断为ApolloWorld提供高价值场景。世界模型则能够围绕真实问题生成更多测试情况，再将验证结果反馈给车端无人驾驶系统。
真实运营提供经验，虚拟世界扩大经验，无人驾驶系统通过验证不断迭代。
由此，百度正在形成一个值得关注的技术闭环。真实运营积累驾驶经验，世界模型不断扩展虚拟测试场景，自动驾驶系统经过训练和验证后，再将新的能力带回真实道路。
这也可能改变Robotaxi产业的竞争逻辑。
当真实驾驶经验能够在虚拟世界中被反复利用，运营规模就不再只是车队数量和订单量的优势，还可能转化为算法迭代效率的优势。
对于百度这样的头部企业来说，数亿公里实际驾驶经验与ApolloWorld相结合，让已经积累的运营数据有机会产生更大的技术价值。而更快的迭代速度，又将反过来支持企业拓展新的运营区域。
从比拼实际测试规模，到比拼真实运营与虚拟训练的综合能力，世界模型有望进一步放大头部企业的优势，让Robotaxi产业进入新的“强者恒强”阶段。
▲数据持续迭代的优势
从更长远的视角来看，这也是百度所说的无人驾驶产业“AGI时刻”的重要含义。
过去，AI主要负责驾驶汽车，工程师则需要投入大量精力设计、组织和验证测试。
如今，AI不仅可以驾驶真实车辆，还可以在虚拟环境中模拟其他交通参与者的行为，为无人驾驶系统提供规模化的训练与验证环境。
从AI司机到AI训练AI司机，无人驾驶正在形成一套更加智能化的研发体系。
而具备真实运营规模和世界模型技术能力的企业，也有望在下一阶段的全球Robotaxi竞争中进一步扩大优势。
结语：得世界模型者 得Robotaxi下半场的主动权
从AI开车，到AI为AI创造考题、验证能力，世界模型正在改变无人驾驶的研发方式。
对于已经进入全球规模化竞争的Robotaxi产业来说，未来比拼的不仅是谁能把车开得更好，还包括谁能以更低成本、更高效率，让无人车不断进化。
百度ApolloWorld等世界模型的出现，也让世界模型从一项前沿AI技术，进一步成为影响无人驾驶产业竞争格局的重要变量。
未来，得世界模型者，很有可能会提前拿下Robotaxi下半场的主动权。
