文远知行发布WITT物理AI大模型，专治智驾幻觉

自动驾驶领域迎来一项备受关注的新进展。近日，文远知行WeRide正式发布自研的物理AI认知基础大模型，命名为“WITT”，全称为World Intelligence Toward Truth。

该命名蕴含深意，致敬20世纪哲学家路德维希·维特根斯坦。其核心观点“世界是事实的总和”几乎为物理AI提供了精准注脚——AI要真正认知真实世界，必须从环境、行为、规则、风险及时序关系中提炼出可信的事实，而非停留于模糊表象。

当前，物理AI的落地正在加速，自动驾驶无疑是其中最先可能实现大规模商业化验证的赛道。伴随而来的痛点也较为集中：数据量虽在暴涨，但真正具有训练价值、可用于评测和迭代的数据难以高效识别；高价值的长尾样本依然稀缺；L4实际运营数据与L2量产数据中，掺杂了大量人为接管、无效片段等噪声；更棘手的是，通用大模型在处理复杂交通场景时，常出现幻觉与误判。

那么，WITT如何应对这些挑战？根据文远知行提供的资料，其核心思路在于引入“最小物理事实单元”概念。简言之，将连续变化的真实场景拆解为一个个可识别、可验证的事实单元。

以一段夜间雨天城市道路行车视频为例，在WITT视角下，该视频会被拆解为“自车右转、城市道路、交叉口、路口信号变化”等多个独立事实单元。每个单元均具备高置信度、可校准、可追溯的特性，为后续训练与验证提供更扎实的基础。

基于这一逻辑，WITT形成了四大核心能力：

事实提取

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，识别最小物理事实单元。

事实推理

支持通过关键词或自然语言问题，在海量视频数据中快速检索，精准定位“施工区域内行人突然横穿”等长尾场景。

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对模型输出进行评估，并引入事实置信度进行反向验证。在自动驾驶垂类场景中，WITT平均每片段的事实错误率约为通用大模型的三分之一。

事实编排

按照学习价值对事实视频进行智能分流——长尾场景回流至世界模型WeRide GENESIS用于仿真训练，高频日常场景则用于强化学习。

在工程效率方面，WITT优势明显。相比动辄百亿级参数的通用大模型，WITT模型规模更轻量，在同类任务中可节省高达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，单次请求即可输出100多个动态标签。

从行业视角来看，WITT的发布本质上是文远知行在“数据—算法—商业化”闭环效率上的一次关键押注。它试图回答一个核心问题：当车队规模从百辆级跃迁至千辆级甚至万辆级时，如何以更低的算力成本处理指数级增长的数据？

当然，技术升级能否真正转化为可持续商业模式，还需关注两个关键变量。其一，WITT带来的数据处理效率提升，能否实质性压缩文远知行的研发与运营开支；其二，L4车队的规模化扩张速度，能否跟上市场对“2026年规模化落地元年”的预期。

中信建投等机构在研报中已提示，2026年Robotaxi行业将迎来扩张潮。高盛甚至将2026年中国Robotaxi车队规模预测上调至1.4万辆。在这一时间窗口内，谁能率先跑通“千辆级车队自我造血”的经济模型，谁就将握有下一轮竞争的主动权。