7月17日，全球领先自动驾驶科技企业文远知行（WRD）正式发布自研物理AI认知基础大模型WeRide WITT，针对性解决自动驾驶行业数据利用、场景认知与模型迭代难题。WITT全称World Intelligence for Trusted Truth，意为“以可信事实建立世界认知”，命名致敬哲学家维特根斯坦。其“世界是事实的总和”理念，与物理AI依托真实物理规则认知世界的底层逻辑高度契合，为自动驾驶精准理解复杂路况夯实技术根基。
当前物理AI产业化加速落地，自动驾驶成为首个实现大规模商业化验证的垂类赛道，行业发展痛点也随之凸显。行业实测数据体量持续增长，但高价值迭代数据难以高效挖掘，L4运营与L2量产数据中充斥大量无效噪声片段。同时，通用大模型面对动态复杂的交通场景，极易产生认知幻觉与判断偏差，严重影响自动驾驶算法迭代效率与行车安全，行业亟需一套可信、高效的物理场景数据认知体系。
对此，文远知行（WRD）WITT首创“最小物理事实单元”概念，依托视觉语言大模型打通多模态数据壁垒，将复杂动态的真实交通场景，拆解为可识别、可验证、可推理的标准化事实单元，构建起以物理事实为核心的新一代AI场景理解框架。基于全球商业化运营积累的海量道路数据，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，覆盖场景识别、事件归因、数据校验、智能分流全链路，让每一公里实测数据都能转化为模型迭代的有效支撑。
在实际应用中，WITT可精准识别标准驾驶行为、多主体交互关系、物理模糊条件三类事实单元，全面适配各类常规与极端交通场景。模型可自主推理场景风险、事件成因与演化趋势，依托自然语言检索快速定位各类稀缺长尾场景，大幅提升数据回溯与问题优化效率。为规避通用大模型认知缺陷，WITT搭建六维交叉评测体系，多维度反向校验模型输出结果，有效消除认知幻觉，其自动驾驶垂类事实错误率仅为通用大模型的三分之一。
在数据处理与性能层面，WITT可根据数据价值智能分流，将长尾场景用于仿真扩展、常规场景用于算法优化、异常片段专项复核，最大化释放道路数据价值。凭借轻量化模型架构，WITT相较通用大模型可节省98%的Token成本，单卡单日可处理1万分钟行车视频，数据处理效率提升200倍，单次请求即可输出百余项动态场景标签，实现海量数据（603138）的快速迭代落地。
WITT与文远知行（WRD）仿真世界模型WeRide GENESIS形成完整物理AI技术飞轮，前者负责真实场景事实提炼验证，后者依托真实数据生成高保真仿真场景，双向赋能车端模型迭代，助力企业L4无人驾驶（885736）与L2++高阶辅助驾驶双线商业化落地。目前，文远知行（WRD）业务覆盖全球40余座城市、落地12个国家，自动驾驶车队超3000辆;其量产智驾方案WRD3.0斩获近30个车型定点，配套多款量产车型，并拿下中国智驾大赛六连冠。
此次WITT大模型的发布，补齐了自动驾驶物理AI的场景认知短板，具备极强的通用泛化能力，可延伸至具身智能、智能体协同等多元领域。未来，文远知行（WRD）将持续迭代WITT核心能力，完善物理AI技术体系，推动智能驾驶技术迈向规模化、高可靠的产业化新阶段。
