文遠(yuǎn)知行發(fā)布物理AI大模型WITT，以物理事實(shí)重構(gòu)AI認(rèn)知

7月17日，全球領(lǐng)先的自動(dòng)駕駛科技公司文遠(yuǎn)知行WeRide（NASDAQ：WRD，HKEX：0800）正式發(fā)布自研物理AI認(rèn)知基礎(chǔ)大模型WeRide WITT。基于視覺語言大模型（VLM）能力，WITT首次引入“最小物理事實(shí)單元”概念，打通視頻、圖像、文本等多模態(tài)信息，將連續(xù)變化的真實(shí)場景拆解為可被識別和驗(yàn)證的事實(shí)單元，構(gòu)建起以物理事實(shí)為核心的新一代AI理解框架。

WITT全稱World Intelligence Toward Truth，意為“以可信事實(shí)建立世界認(rèn)知”。這一命名也致敬了20世紀(jì)哲學(xué)家路德維希·維特根斯坦（Ludwig Wittgenstein），他提出的“世界是事實(shí)的總和”觀點(diǎn)與物理AI的底層邏輯高度契合：AI要認(rèn)知真實(shí)世界，關(guān)鍵在于從環(huán)境、行為、規(guī)則、風(fēng)險(xiǎn)與時(shí)序關(guān)系中提煉可信事實(shí)，在此基礎(chǔ)上形成對物理世界的判斷與推理。

（文遠(yuǎn)知行物理AI認(rèn)知基礎(chǔ)大模型WeRide WITT，構(gòu)建以物理事實(shí)為核心的新一代AI理解框架。）

隨著物理AI落地進(jìn)程加速，自動(dòng)駕駛成為首個(gè)可被大規(guī)模商業(yè)化驗(yàn)證的賽道，痛點(diǎn)也集中顯現(xiàn)：數(shù)據(jù)越來越多，但真正有訓(xùn)練價(jià)值、評測價(jià)值和迭代價(jià)值的數(shù)據(jù)，并不容易被高效識別和利用；高價(jià)值長尾樣本稀缺，L4實(shí)際運(yùn)營與L2量產(chǎn)數(shù)據(jù)中混雜著人為接管、無效片段等噪聲；通用大模型在理解復(fù)雜交通場景時(shí)，也容易產(chǎn)生幻覺與誤判。

行業(yè)亟需一套高效、可信的數(shù)據(jù)理解機(jī)制，從真實(shí)道路數(shù)據(jù)中持續(xù)提煉有效的場景事實(shí)，提升數(shù)據(jù)進(jìn)入訓(xùn)練、評測與迭代閉環(huán)的質(zhì)量和效率，讓真實(shí)世界經(jīng)驗(yàn)沉淀為自動(dòng)駕駛系統(tǒng)的進(jìn)化能力。

WeRide WITT正是為此而生，它根植于文遠(yuǎn)知行全球商業(yè)化運(yùn)營的數(shù)據(jù)土壤，從海量運(yùn)營信息中提煉物理世界的認(rèn)知規(guī)律，形成了事實(shí)提取、事實(shí)推理、事實(shí)驗(yàn)證、事實(shí)編排四大核心能力，貫通從場景識別、事件歸因到數(shù)據(jù)驗(yàn)證、學(xué)習(xí)分流的完整鏈路，讓每一公里的真實(shí)道路數(shù)據(jù)都成為可信的模型迭代信號。

（WeRide WITT的四大核心能力）

1. 事實(shí)提取

WITT能夠從標(biāo)準(zhǔn)駕駛事實(shí)、多主體交互事實(shí)和物理模糊條件三個(gè)維度，識別真實(shí)道路視頻中的“最小物理事實(shí)單元”，覆蓋日常交通行為、交通參與者關(guān)系變化，以及復(fù)雜環(huán)境下的物理狀態(tài)不確定性。

例如，一段夜間雨天城市道路行車的視頻，會被WITT拆解為自車右轉(zhuǎn)、城市道路、交叉口、路口信號變化等多個(gè)事實(shí)單元。每個(gè)事實(shí)單元都具備高置信、可校準(zhǔn)、可追溯的特征，并可生成高密度場景描述，為后續(xù)理解、驗(yàn)證和學(xué)習(xí)分流提供基礎(chǔ)。

（WeRide WITT從真實(shí)道路視頻中識別并提煉“最小物理事實(shí)單元”，精準(zhǔn)識別復(fù)雜路況。）

2. 事實(shí)推理

完成事實(shí)提取后，WITT能夠進(jìn)一步推理場景中的關(guān)鍵事件、行為關(guān)系與風(fēng)險(xiǎn)變化，并分析事件成因和后續(xù)演化趨勢。

在自動(dòng)駕駛研發(fā)流程中，工程師往往需要從海量視頻中尋找特定長尾場景，例如“施工區(qū)域內(nèi)行人突然橫穿”“雨天低能見度下他車壓線”“窄路會車時(shí)自車減速避讓”等。依托內(nèi)置視頻數(shù)據(jù)引擎，WITT支持通過關(guān)鍵詞或自然語言問題快速檢索海量視頻數(shù)據(jù)，精準(zhǔn)定位相關(guān)時(shí)序和目標(biāo)場景，大幅提升長尾樣本發(fā)現(xiàn)、數(shù)據(jù)回溯和問題定位效率。

（WeRide WITT內(nèi)置視頻數(shù)據(jù)引擎，支持通過關(guān)鍵詞或自然語言問題快速檢索海量視頻數(shù)據(jù)。）

3. 事實(shí)驗(yàn)證

為避免通用大模型在復(fù)雜交通環(huán)境中產(chǎn)生幻覺，WITT從弱勢道路使用者、自車行為、他車行為、場景理解、事實(shí)完備性和交通設(shè)施六個(gè)維度評估模型輸出，并引入事實(shí)置信度，調(diào)用外部物理證據(jù)反向驗(yàn)證結(jié)論是否成立。

通過追蹤事實(shí)錯(cuò)誤、幻覺、遺漏和時(shí)序錯(cuò)誤，WITT既為數(shù)據(jù)使用者提供質(zhì)量判斷標(biāo)準(zhǔn)，也為模型訓(xùn)練提供偏好信號，引導(dǎo)模型持續(xù)生成更符合物理規(guī)律的理解結(jié)果。當(dāng)前，WITT在自動(dòng)駕駛垂類場景中的平均每片段事實(shí)錯(cuò)誤率僅約為通用大模型的三分之一。

（"6+1"事實(shí)驗(yàn)證維度對比WeRide WITT模型和主流通用大模型對于自動(dòng)駕駛垂類場景的理解效果。）

4. 事實(shí)編排

在真實(shí)道路運(yùn)營中，不同數(shù)據(jù)的價(jià)值并不相同。WITT能夠按照學(xué)習(xí)價(jià)值對事實(shí)視頻進(jìn)行智能分流，讓每一條數(shù)據(jù)進(jìn)入最合適的學(xué)習(xí)路徑。

稀缺長尾場景回流至文遠(yuǎn)知行自研世界模型WeRide GENESIS，用于模擬訓(xùn)練和場景擴(kuò)展；高頻日常場景用于強(qiáng)化學(xué)習(xí)和流程優(yōu)化；異常片段進(jìn)入復(fù)核機(jī)制，避免關(guān)鍵數(shù)據(jù)被誤判為“臟數(shù)據(jù)”，最大化釋放真實(shí)道路數(shù)據(jù)價(jià)值。

由此，WeRide WITT與WeRide GENESIS在云端共同驅(qū)動(dòng)文遠(yuǎn)知行物理AI飛輪：WITT負(fù)責(zé)從真實(shí)道路數(shù)據(jù)中提取、理解、驗(yàn)證和編排物理事實(shí)，GENESIS據(jù)此生成高保真仿真場景與長尾訓(xùn)練場景，二者協(xié)同訓(xùn)練車端模型，推動(dòng)自動(dòng)駕駛能力在真實(shí)世界中落地和持續(xù)進(jìn)化。

（物理AI認(rèn)知基礎(chǔ)模型WeRide WITT和世界模型WeRide GENESIS共同驅(qū)動(dòng)文遠(yuǎn)知行物理AI飛輪，訓(xùn)練自動(dòng)駕駛車端模型。）

支撐這套物理AI飛輪高效運(yùn)轉(zhuǎn)的，是WeRide WITT的工程部署效率。相較于動(dòng)輒百B級參數(shù)的通用大模型，WeRide WITT以更輕量的模型規(guī)模，在同類任務(wù)中可節(jié)省98%的Token成本，單卡單日可處理1萬分鐘車輛運(yùn)行視頻，最高實(shí)現(xiàn)200倍數(shù)據(jù)處理效率提升。在標(biāo)簽?zāi)Ｊ较?，WITT單次請求即可輸出100+動(dòng)態(tài)標(biāo)簽，海量真實(shí)道路視頻得以快速完成檢索、驗(yàn)證、進(jìn)入模型迭代，成為持續(xù)沉淀的事實(shí)資產(chǎn)。

依托物理AI飛輪，文遠(yuǎn)知行成為全球唯一實(shí)現(xiàn)L4級無人駕駛和L2++輔助駕駛規(guī)模商業(yè)應(yīng)用的公司。在L4無人駕駛領(lǐng)域，文遠(yuǎn)知行手握八國自動(dòng)駕駛牌照，旗下自動(dòng)駕駛產(chǎn)品落地12個(gè)國家、40多座城市，L4自動(dòng)駕駛車隊(duì)數(shù)量超過3000輛，Robotaxi在廣州、北京、阿布扎比、迪拜兩國四城開啟常態(tài)化大規(guī)模純無人商業(yè)運(yùn)營。

與此同時(shí)，L4積累的高質(zhì)量數(shù)據(jù)和模型能力，正通過物理AI飛輪持續(xù)遷移至L2++一段式端到端ADAS方案WRD 3.0。目前，WRD 3.0已在第二屆中國智駕大賽中拿下史無前例的六連冠，獲得近30個(gè)車型定點(diǎn)，量產(chǎn)上車奇瑞星途星紀(jì)元、廣汽埃安N60等車型，并成功技術(shù)出海至德國、法國、日本等國家。

從自動(dòng)駕駛這一高密度、高復(fù)雜度的驗(yàn)證場景出發(fā)，WeRide WITT展現(xiàn)出面向物理AI的通用潛能。其對物理事實(shí)的統(tǒng)一建模能力，也為具身智能等更廣泛物理AI場景提供理解真實(shí)世界的底層能力。

站在物理AI進(jìn)入規(guī)?；涞氐男码A段，文遠(yuǎn)知行將繼續(xù)以真實(shí)世界驗(yàn)證為基礎(chǔ)，推進(jìn)物理AI認(rèn)知基礎(chǔ)大模型能力演進(jìn)，推動(dòng)AI從認(rèn)知物理世界，走向更大規(guī)模地作用于物理世界。