百度世界模型用在自动驾驶,比特斯拉FSD真的更强吗?

百度世界模型用在自动驾驶,比特斯拉FSD真的更强吗?
2026年10月28日 23:11 看点资讯

最近百度要披露世界模型研发进展、且有望率先用在自动驾驶的消息出来后,不少人第一反应就是拿它和特斯拉FSD比。其实与其急着下结论谁更强,不如先把两边的技术路线逻辑理清楚,答案自然就出来了。

先明确一个基本共识:世界模型的核心是对物理环境建模与预测,放到自动驾驶里,就是让系统不光能识别当前的红灯、行人、车辆,还能预判接下来几秒各方的动作,从“被动反应”变成“提前决策”。这一点是行业的共同方向,两边都在往这个方向走,没有本质的路径分歧。

两者真正的差异,藏在数据来源和落地场景里。根据2026年10月28日科创板日报等多家媒体的报道,过去一两年百度旗下萝卜快跑已经覆盖全球28座城市,积累了一定规模的真实道路数据。这些数据大多来自Robotaxi的常态化运营,特点是场景密度高、工况复杂——尤其是国内城市道路里的混合交通流、多样的路口形态、不同城市的驾驶习惯差异,对世界模型的“多样性训练”帮助比较大。

而特斯拉FSD的数据来源是全球海量的量产私家车,优势是数据总量大、覆盖的地域广,用户日常通勤的长尾场景也能被持续采集。两种数据路径各有侧重,一个是在复杂运营场景里深度打磨,一个是在海量民用场景里广度覆盖,训练出来的模型擅长的场景自然不一样。

再看技术落地的配套逻辑。百度走的是L4级自动驾驶+车路协同的路线,世界模型可以和路侧感知数据、高精地图形成互补,在车路协同覆盖的区域里,系统能获得更完整的环境信息,预测的维度也更全。特斯拉走的是纯视觉端到端路线,更依赖车载传感器和模型本身的推理能力,对单车智能的要求更高。

所以简单说“谁更强”其实不太准确,因为两者的优化目标本来就不完全一样:一个是优先打磨城市复杂运营场景的稳定性,一个是优先适配全球量产车的普适性。随着百度世界模型的具体参数和落地效果在后续披露,行业对不同路线的适配性会有更清晰的判断。

以上仅为行业观察,不构成投资建议。

声明:本文由AI基于公开信息生成,不代表新浪财经立场或观点。

财经自媒体联盟更多自媒体作者

新浪首页 语音播报 相关新闻 返回顶部