文远知行发布物理AI大模型WITT：将道路视频拆解为“事实”，数据处理效率提升200倍
2026/07/17 18:11阅读量 2
文远知行发布物理AI认知基础大模型WITT，核心是引入“最小物理事实单元”概念，将连续道路视频拆解为可验证的事实，实现从事实提取、推理、验证到编排的完整数据链路。WITT相比通用大模型可节省98%的Token成本，单卡单日处理1万分钟视频，平均事实错误率降至通用大模型的三分之一。该模型与文远世界模型GENESIS协同，形成“物理AI飞轮”，支撑其3000辆L4车队和L2++量产车的数据反哺与模型迭代。
事件概述
文远知行（WeRide）发布物理AI认知基础大模型WITT（World Intelligence Toward Truth），旨在解决自动驾驶数据堆量但高价值长尾场景难以被有效利用的瓶颈。WITT首次提出“最小物理事实单元”概念，将连续的真实道路场景拆解为可识别、可验证的事实单元，重构AI对物理世界的理解框架。
核心能力
WITT具备四大核心能力：
- 事实提取：从标准驾驶行为、多主体交互、物理条件等维度，将视频拆解为独立事实（如自车右转、城市道路、低能见度等），每项事实可独立检索并追溯到视频时间点。
- 事实推理：分析场景中的主体关系、关键事件、风险变化和演化趋势，判断事件为何发生，输出事件前后的事实链路。
- 事实验证：从弱势道路使用者、自车行为、他车行为、场景理解、事实完备性和交通设施六个维度评估模型输出，并引入事实置信度与外部物理证据反向验证，称为“6+1事实验证”机制。
- 事实编排：根据数据稀缺度、可信度及训练价值对视频智能分流——稀缺长尾场景送入文远自研世界模型GENESIS生成更多仿真样本，高频场景用于强化学习，置信度不足片段转入人工复核。
效率与准确率
- 相较百B级通用大模型，WITT在同类任务中节省98%的Token成本。
- 单卡单日可处理1万分钟车辆运行视频，数据处理效率最高提升200倍。
- 在自动驾驶垂类场景中，每段视频的平均事实错误率约为通用大模型的三分之一。
与业务协同
WITT与文远此前发布的世界模型GENESIS共同位于云端，前者负责理解和验证真实世界，后者负责扩展和生成场景，协同训练L4与L2++车端模型，构成“物理AI飞轮”。
- L4自动驾驶车队规模超过3000辆，Robotaxi已在中国广州、北京及阿联酋阿布扎比、迪拜开展常态化纯无人商业运营。
- L2++一段式端到端方案WRD 3.0已获得近30个车型定点，量产上车奇瑞星途星纪元、广汽埃安N60等车型，并进入德国、法国、日本市场。
- 文远正通过L4车队提供高复杂度场景，L2++扩大数据覆盖，WITT提炼验证，GENESIS扩展，最终双向反哺，使每一公里真实道路数据都能进入模型进化链路。