IT之家 7 月 17 日消息，今日，自动驾驶科技公司文远知行 WeRide 发布自研物理 AI 认知基础大模型 WeRide WITT。
据介绍，基于视觉语言大模型（VLM）能力，WITT 首次引入“最小物理事实单元”概念，打通视频、图像、文本等多模态信息，将连续变化的真实场景拆解为可被识别和验证的事实单元，构建起以物理事实为核心的新一代 AI 理解框架。
WITT 全称 World Intelligence Toward Truth，意为“以可信事实建立世界认知”。这一命名也致敬了 20 世纪哲学家路德维希 · 维特根斯坦（Ludwig Wittgenstein），他提出的“世界是事实的总和”观点与物理 AI 的底层逻辑高度契合：AI 要认知真实世界，关键在于从环境、行为、规则、风险与时序关系中提炼可信事实，在此基础上形成对物理世界的判断与推理。
官方介绍称，WITT 从海量运营信息中提炼物理世界的认知规律，形成了事实提取、事实推理、事实验证、事实编排四大核心能力，贯通从场景识别、事件归因到数据验证、学习分流的完整链路，让每一公里的真实道路数据都成为可信的模型迭代信号。
1. 事实提取
WITT 能够从标准驾驶事实、多主体交互事实和物理模糊条件三个维度，识别真实道路视频中的“最小物理事实单元”，覆盖日常交通行为、交通参与者关系变化，以及复杂环境下的物理状态不确定性。
例如，一段夜间雨天城市道路行车的视频，会被 WITT 拆解为自车右转、城市道路、交叉口、路口信号变化等多个事实单元。每个事实单元都具备高置信、可校准、可追溯的特征，并可生成高密度场景描述，为后续理解、验证和学习分流提供基础。
▲ WeRide WITT 从真实道路视频中识别并提炼“最小物理事实单元”，精准识别复杂路况。
2. 事实推理
完成事实提取后，WITT 能够进一步推理场景中的关键事件、行为关系与风险变化，并分析事件成因和后续演化趋势。
在自动驾驶研发流程中，工程师往往需要从海量视频中寻找特定长尾场景，例如“施工区域内行人突然横穿”“雨天低能见度下他车压线”“窄路会车时自车减速避让”等。依托内置视频数据引擎，WITT 支持通过关键词或自然语言问题快速检索海量视频数据，精准定位相关时序和目标场景，大幅提升长尾样本发现、数据回溯和问题定位效率。
▲ WeRide WITT 内置视频数据引擎，支持通过关键词或自然语言问题快速检索海量视频数据。
3. 事实验证
为避免通用大模型在复杂交通环境中产生幻觉，WITT 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，调用外部物理证据反向验证结论是否成立。
通过追踪事实错误、幻觉、遗漏和时序错误，WITT 既为数据使用者提供质量判断标准，也为模型训练提供偏好信号，引导模型持续生成更符合物理规律的理解结果。当前，WITT 在自动驾驶垂类场景中的平均每片段事实错误率仅约为通用大模型的三分之一。
▲ "6+1" 事实验证维度对比 WeRide WITT 模型和主流通用大模型对于自动驾驶垂类场景的理解效果。
4. 事实编排
在真实道路运营中，不同数据的价值并不相同。WITT 能够按照学习价值对事实视频进行智能分流，让每一条数据进入最合适的学习路径。
稀缺长尾场景回流至文远知行自研世界模型 WeRide GENESIS，用于模拟训练和场景扩展；高频日常场景用于强化学习和流程优化；异常片段进入复核机制，避免关键数据被误判为“脏数据”，最大化释放真实道路数据价值。
由此，WeRide WITT 与 WeRide GENESIS 在云端共同驱动文远知行物理 AI 飞轮：WITT 负责从真实道路数据中提取、理解、验证和编排物理事实，GENESIS 据此生成高保真仿真场景与长尾训练场景，二者协同训练车端模型。
▲ 物理 AI 认知基础模型 WeRide WITT 和世界模型 WeRide GENESIS 共同驱动文远知行物理 AI 飞轮，训练自动驾驶车端模型。
IT之家从文中获悉，相较于动辄百 B 级参数的通用大模型，WeRide WITT 以更轻量的模型规模，在同类任务中可节省 98% 的 Token 成本，单卡单日可处理 1 万分钟车辆运行视频，最高实现 200 倍数据处理效率提升。在标签模式下，WITT 单次请求即可输出 100+ 动态标签，海量真实道路视频得以快速完成检索、验证、进入模型迭代。