百度要把「世界模型」摆上台面：自动驾驶的下一场仗，打的是物理世界预测

自动驾驶发展到现在，行业逐渐形成一个共识：只靠「看到什么就识别什么」，很难应付真实道路的长尾场景。真正稀缺的能力，是提前几秒预测「接下来会发生什么」。这正是世界模型被反复提起的原因。

10 月 28 日，有消息称百度计划近日披露世界模型的研发进展与成果。世界模型的核心，是对物理环境进行建模与预测；若用于自动驾驶，可以提升复杂场景下的预测与决策能力，为无人车规模化落地提供支撑。过去数年，百度旗下萝卜快跑已覆盖全球 28 座城市，积累了一定规模的真实道路数据。

一分钟速览

• 百度计划近日披露世界模型研发进展与成果。
• 世界模型的核心是对物理环境建模与预测，而非单纯感知识别。
• 若用于自动驾驶，可提升复杂场景的预测与决策能力。
• 萝卜快跑已覆盖全球 28 座城市，积累了真实道路数据。
• 百度世界 2026 将于 11 月 12 日在北京举行，主题为「下一幕，智能组织」。

世界模型和端到端，到底差在哪

端到端模型解决的是「从传感器输入直接输出驾驶动作」，减少人工规则和信息损失；世界模型则试图在模型内部建立一个可推演的「小宇宙」：给定当前画面和动作，预测未来几秒其他车辆、行人、路况会如何变化。前者让车「反应更快」，后者让车「想得更远」。

对自动驾驶来说，这种推演能力价值巨大。现实中的危险场景往往不常见，靠实车路测积累成本极高；如果能用世界模型生成逼真、可控的反事实场景，就能在仿真里反复训练「如果那辆车突然并线会怎样」。这也是为什么特斯拉、Waymo 以及一批中国厂商都在往这个方向投入。

百度手里的牌

百度的优势在于数据闭环。萝卜快跑在多座城市实际运营，遇到的是真实交通、真实乘客、真实法规环境，这些数据不是实验室里能造出来的。世界模型要学好物理规律和驾驶常识，正需要这种长尾、连续、带反馈的真实数据。

另一个变量是组织。百度世界 2026 的主题定为「下一幕，智能组织」，而十年前李彦宏在百度世界 2016 上提出「互联网的下一幕，是人工智能」。十年之后把镜头转向组织，说明百度想讲的已经不只是模型参数，而是 AI 如何重塑一家公司的运转方式。世界模型在这个叙事里，既是技术底座，也是组织效率的工具。

难点不在演示，在规模化

世界模型有三道坎。第一是「真」：生成的场景必须符合物理规律，否则训练出来的策略会学到错误因果。第二是「稳」：长时序推演容易误差累积，几秒之后画面就崩了。第三是「用」：如何把模型输出接入规控系统，并通过安全验证，是工程问题，也是监管问题。

因此，披露研发进展只是开始。真正决定成败的，是模型能否在车端算力约束下实时运行、能否通过多城市复杂路况的验证、能否把仿真里学到的能力稳定迁移到实车。无人车规模化落地，最终比的不是谁 demo 更惊艳，而是谁的事故率更低、运营成本更可控。

一句话判断

世界模型是自动驾驶从「能开」走向「敢大规模开」的关键拼图。百度有数据、有运营场景，接下来要证明的是：它能把预测能力变成可复制的安全记录。