自动驾驶长期卡在一个核心矛盾上：真实道路足够复杂，但真实路测无法穷尽复杂性。暴雨、遮挡、掉落物、非规则加塞、施工改道、行人突然折返，这些低频高风险场景很难靠规模化采集完全覆盖；传统仿真又往往停留在“重放已知场景”或“按规则生成场景”，缺乏对物理演化和交互后果的深层理解。世界模型之所以被视为自动驾驶的核心突破，正是因为它试图让系统不只是识别世界，而是预测世界。
所谓世界模型，关键不在于生成更逼真的画面，而在于学习环境状态如何随时间变化。对自动驾驶而言，这意味着模型需要理解重力、惯性、碰撞、遮挡、运动轨迹演化等底层规律，并把这些规律用于驾驶决策。当前车掉落物体时，系统不能只把它识别为“障碍物”，还要判断它可能滚向哪里、是否会进入本车轨迹、是否需要提前减速或绕行。这类能力正是从“感知智能”走向“物理推理”的分界线。
从场景覆盖到场景生成
传统自动驾驶研发高度依赖道路数据积累，但数据越往后越贵。常规场景很容易收集，真正决定安全边界的却是极端场景。世界模型的价值在于，它可以基于已学习的物理规律和交通交互逻辑，生成或推演此前没有直接见过的场景，从而扩大训练与验证空间。
原文提到，特斯拉的 Neural World Simulator 让 AI 一天学到相当于人类 500 年的驾驶经验，Waymo 与 DeepMind 合作的 Waymo World Model 能逼真生成极端交通场景。这里的重点不是“模拟器更大”，而是训练范式发生变化：系统不再完全等待现实世界提供样本，而是主动构造高价值样本，尤其是那些真实道路中罕见但事故代价极高的样本。
这会改变自动驾驶的迭代节奏。过去，能力提升依赖“上路—采集—标注—训练—回归测试”的长链条；世界模型成熟后，更多问题可以先在模型空间中暴露，再进入真实道路验证。真实路测仍不可替代，但它的角色会从单纯堆里程，转向校准模型、发现偏差和验证边界。
决策的本质是预测后果
自动驾驶不是一个单纯的识别问题。车辆每一次转向、制动、加速，都会改变周围交通参与者的行为。一个只看当前帧的系统，即使识别准确，也可能在多主体互动中失误。世界模型的突破点在于，它把驾驶决策放进动态环境里评估：如果本车减速，后车会怎样；如果提前并线，旁车是否会让行；如果障碍物继续运动，几秒后风险是否扩大。
这也是端到端自动驾驶与世界模型结合的原因。端到端系统追求从输入到驾驶动作的整体优化，但如果缺少对未来状态的内部表征，就容易变成对训练数据的统计拟合。世界模型提供的是一种“可推演的中间世界”：系统可以在内部形成未来场景的候选轨迹，再选择风险更低、效率更高的动作。
当然，世界模型并不等于自动驾驶已经解决。它学习到的规律可能不完整，也可能在罕见环境中产生错误外推。越是把它用于关键决策，越需要严密验证、边界约束和冗余机制。真正可靠的系统，不应把世界模型当作万能驾驶员，而应把它作为提升预测、仿真和决策质量的核心模块。
为什么商业落地首先指向汽车
自动驾驶成为世界模型最先商业落地的场景，并不偶然。汽车行业的智能化竞争正在从硬件转向软件。原文提到，汽车硬件利润占比已从 2020 年的 79%降至 2025 年的 69%，软件利润从 6%跃升至 17%，预计 2030 年达 25%；软件在整车价值中的占比也被预期从当前的 10%提升至 30%-40%，高端车型甚至可达 50%。在这种结构变化下，谁能掌握更强的驾驶智能，谁就能占据更高价值的位置。
世界模型的意义因此不只是技术指标提升，而是产业分工重塑。整车制造可以模块化，智能座舱和自动驾驶却更难被标准化。对 AI 公司而言，最有价值的位置未必是亲自造车，而是成为车企共同依赖的“汽车大脑”供应方。原文中提到豆包“上车”、火山引擎与车企合作等现象，反映的正是这一趋势：AI 能力正在从互联网产品进入车辆系统，成为汽车差异化的一部分。
自动驾驶的下一阶段，不会只比谁采集了更多道路数据，也不会只比谁拥有更强感知模型，而是比谁能更准确地理解世界如何变化。世界模型把自动驾驶从“看见道路”推进到“预演道路”，这是它可能成为核心突破的根本原因。真正的胜负手，不在模型能生成多真实的场景，而在它能否稳定预测风险、解释互动，并把这种预测转化为安全可控的驾驶行为。