据文远知行（WRD）消息，7月17日，自动驾驶科技公司文远知行（WRD）发布自研物理AI认知基础大模型WeRide WITT。该模型首次引入“最小物理事实单元”概念，旨在从真实道路数据中提炼可信事实，构建以物理事实为核心的新一代AI理解框架，解决通用大模型在复杂交通场景中的幻觉与误判问题。
WITT全称World Intelligence Toward Truth，意为“以可信事实建立世界认知”。随着自动驾驶数据量激增，高价值长尾样本稀缺、数据噪声混杂等问题日益突出，行业亟需高效可信的数据理解机制。WITT根植于文远知行（WRD）全球商业化运营数据，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。
在事实提取方面，WITT能从标准驾驶事实、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”。例如，一段夜间雨天城市道路行车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高置信、可校准、可追溯的事实单元。
事实推理方面，WITT可分析场景中的关键事件、行为关系与风险变化。其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，精准定位长尾场景，大幅提升样本发现与问题定位效率。
事实验证方面，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。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。
事实编排方面，WITT能按学习价值对事实视频进行智能分流：稀缺长尾场景回流至自研世界模型WeRide GENESIS用于模拟训练，高频日常场景用于强化学习，异常片段进入复核机制，最大化释放数据价值。
由此，WITT与GENESIS共同驱动文远知行（WRD）物理AI飞轮，协同训练车端模型。在工程部署上，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。文远知行（WRD）表示，该模型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场景提供了理解真实世界的底层能力。
