本报讯(记者袁传玺)7月17日，全球领先的自动驾驶科技公司文远知行WeRide(NASDAQ：WRD，HKEX：00800)正式发布自研物理AI认知基础大模型WeRideWITT。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WorldIntelligenceTowardTruth，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(LudwigWittgenstein)，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。
随着物理AI落地进程加速，自动驾驶成为首个可被大规模商业化验证的赛道，痛点也集中显现：数据越来越多，但真正有训练价值、评测价值和迭代价值的数据，并不容易被高效识别和利用；高价值长尾样本稀缺，L4实际运营与L2量产数据中混杂着人为接管、无效片段等噪声；通用大模型在理解复杂交通场景时，也容易产生幻觉与误判。
行业亟需一套高效、可信的数据理解机制，从真实道路数据中持续提炼有效的场景事实，提升数据进入训练、评测与迭代闭环的质量和效率，让真实世界经验沉淀为自动驾驶系统的进化能力。
WeRideWITT正是为此而生，它根植于文远知行全球商业化运营的数据土壤，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。
由此，WeRideWITT与WeRideGENESIS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，推动自动驾驶能力在真实世界中落地和持续进化。
支撑这套物理AI飞轮高效运转的，是WeRideWITT的工程部署效率。相较于动辄百B级参数的通用大模型，WeRideWITT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，成为持续沉淀的事实资产。
依托物理AI飞轮，文远知行成为全球唯一实现L4级无人驾驶和L2++辅助驾驶规模商业应用的公司。在L4无人驾驶领域，文远知行手握八国自动驾驶牌照，旗下自动驾驶产品落地12个国家、40多座城市，L4自动驾驶车队数量超过3000辆，Robotaxi在广州、北京、阿布扎比、迪拜两国四城开启常态化大规模纯无人商业运营。
与此同时，L4积累的高质量数据和模型能力，正通过物理AI飞轮持续迁移至L2++一段式端到端ADAS方案WRD3.0。目前，WRD3.0已在第二届中国智驾大赛中拿下史无前例的六连冠，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，并成功技术出海至德国、法国、日本等国家。
从自动驾驶这一高密度、高复杂度的验证场景出发，WeRideWITT展现出面向物理AI的通用潜能。其对物理事实的统一建模能力，也为具身智能等更广泛物理AI场景提供理解真实世界的底层能力。
站在物理AI进入规模化落地的新阶段，文远知行将继续以真实世界验证为基础，推进物理AI认知基础大模型能力演进，推动AI从认知物理世界，走向更大规模地作用于物理世界。
小麦策略提示：文章来自网络，不代表本站观点。
