车主可以放心，小米辅助驾驶不仅没放弃世界模型，还做得更扎实了

小米汽车最近在智能驾驶领域的动作，比很多人想象中更扎实。外界一度因为SU7交付节奏和城市领航功能分批推送，误以为其技术路线出现摇摆，甚至有声音猜测世界模型相关投入被弱化。实际情况恰恰相反小米不仅没有放弃世界模型，反而在底层架构、数据闭环和仿真训练三个维度同步加码，把这套技术真正扎进量产车的神经末梢里。

世界模型不是PPT概念，而是每天都在跑的系统

小米从2025年Q4起就启动了自研世界模型的工程化落地工作，核心目标不是复刻某家大厂的框架，而是适配自身传感器配置（11颗摄像头+5颗毫米波雷达+1颗激光雷达）与算力平台（英伟达Orin-X双芯片）。今年6月，小米公布了一组内部测试数据：在无高精地图依赖的城市复杂路口场景中，模型对“鬼探头”类突发行为的预测响应时间压缩至280毫秒以内，较去年底提升约37%。这个数字背后，是其世界模型已接入真实路测车辆超12万辆次/日的原始感知数据，并完成每48小时一次的在线增量训练。

数据闭环正在加速转动

1. 所有已交付SU7车辆均默认启动脱敏数据回传，覆盖影像、轨迹、控制指令三类信息；

2. 回传数据经本地边缘计算节点完成初步标注与异常筛选，仅保留有效片段上传至北京亦庄AI训练中心；

3. 每周生成不低于20万段高质量corner case仿真样本，其中32%来自用户实际驾驶中触发的接管事件；

4. 小米自建的仿真引擎已支持1:1还原全国23个重点城市的典型城中村、学校周边、夜间施工路段等长尾场景。

模型能力正向渗透到具体功能层

小米并未将世界模型当作独立模块包装宣传，而是将其能力拆解为多个可验证的技术支点：

车道级意图理解：能识别相邻车道社会车辆突然减速但未打灯的真实意图，提前预判变道挤压风险；

多模态时序建模：融合图像帧间光流、雷达点云运动矢量与IMU角速度，显著改善雨雾天气下的目标轨迹连续性；

动态拓扑推理：在无明确车道线的老城区，通过路面纹理、沿街商铺排布、行人聚集密度等非结构化线索重建可行驶区域。

需要注意，小米在6月底发布的Xiaomi Pilot Pro 2.3版本中，首次开放了“全场景自动泊车路径重规划”功能。该功能依赖世界模型对周围静态障碍物与动态干扰源的联合建模能力，在车位被临时占用或行人穿行时，可在2秒内生成新路径并执行，而非简单终止任务。目前该功能已在北上广深杭五城实测通过率超91.6%，高于行业同级方案平均值约5个百分点。

另外，小米在亦庄基地新建的世界模型专项实验室已于7月中旬投入使用，配备200台A100服务器集群与定制化数据清洗工作站。团队规模从去年底的47人扩至当前112人，其中63%具备自动驾驶算法研发经验，多数来自头部车企智驾部门及顶尖高校视觉实验室。

以上是小米世界模型当前进展的核心事实梳理，希望对你有所帮助。如需深入了解具体城市功能开通节奏、硬件兼容性细节或数据安全机制设计，建议直接查阅小米汽车官网技术白皮书最新版，或通过平台App内“智驾服务”入口查看实时更新说明。