北京
7月17日，全球领先自动驾驶科技公司文远知行正式发布自研物理 AI 认知基础大模型WeRide WITT。依托前沿视觉语言大模型（VLM）能力，创新提出“最小物理事实单元”核心概念，融合视频、图像、文本等多模态信息，将复杂真实路况拆解为可识别、可验证、可推理的标准化事实单元，搭建起以物理事实为核心的新一代 AI场景理解框架。
WITT全称为World Intelligence for Trusted Truth，寓意“以可信事实建立世界认知”。命名致敬哲学家路德维希・维特根斯坦“世界是事实的总和”的核心理论，精准契合物理 AI底层逻辑：AI想要认知真实世界，核心是从场景环境、主体行为、交通规则、风险时序中提炼可信事实，进而完成对物理世界的精准判断与推理。
当前自动驾驶行业商业化落地提速，行业痛点持续凸显：海量运营数据里高价值有效数据挖掘效率低下，L4 运营数据与 L2 量产数据混杂大量无效噪声，通用大模型处理复杂交通场景时极易产生认知幻觉、出现判断偏差。行业亟需一套可信、高效的数据理解体系，盘活道路实测数据价值、支撑模型迭代升级，WITT由此应运而生。
依托文远知行全球规模化商业运营沉淀的海量道路数据，WITT打造事实提取、事实推理、事实验证、事实编排四大核心能力，完整覆盖场景识别、成因分析、数据核验、智能分流全业务流程，让每一公里道路数据都成为自动驾驶模型迭代的有效可信信号。
在核心能力层面，WITT可精准识别标准驾驶行为、多主体交互、物理模糊条件三类“最小物理事实单元”，完整覆盖常规交通场景，同时适配各类复杂路况下的不确定工况。同时依托内置视频数据引擎，支持自然语言关键词检索，快速定位施工占道、雨天压线、窄路会车等长尾场景，大幅提升数据回溯与问题排查效率。
针对通用大模型的认知缺陷，WITT创新搭建六大维度反向核验体系，从弱势道路参与者、自车与其他车辆行为、场景理解、事实完备度、交通设施五大维度反向校验模型输出结果，规避认知幻觉与逻辑错误。数据显示，在自动驾驶垂类场景中，该模型单片段事实识别错误率仅为通用大模型的1/3，认知精准度大幅领先。
此外，WITT可根据学习价值对路况数据智能分流：将稀缺长尾场景投入仿真训练、高频常规场景用于算法迭代、异常路况片段做专项复核，最大化释放数据价值。性能层面，该模型轻量化优势显著，相较千亿级通用大模型，Token使用成本降低98%，单卡单日可处理1万分钟路测视频，数据处理效率提升200倍，单次调用即可输出上百类动态场景标签，实现数据高效迭代。
在文远知行物理AI技术体系中，WITT与世界模型WeRide GENESIS形成高效协同的技术飞轮。WITT 负责提炼并校验真实世界物理事实，GENESIS 依托标准化事实生成高保真仿真场景，二者双向协同，持续推动车载模型迭代进化，全面赋能 L4无人驾驶与L2++高阶辅助驾驶。
据悉，WeRide WITT具备极强的通用性与泛化能力，可适配多类数据体系与研发场景。未来模型将持续迭代升级，从自动驾驶赛道拓展至具身智能、多智能体协同等多元领域，持续释放物理AI技术价值，让人工智能能够精准认知、适配真实物理世界。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
