车东西7月17日消息，就在今天，自动驾驶科技公司文远知行WeRide正式发布自研物理AI认知基础大模型WeRide WITT。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。

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。

WeRide WITT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，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，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WeRide WITT的工程部署效率。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，成为持续沉淀的事实资产。

从自动驾驶这一高密度、高复杂度的验证场景出发，WeRide WITT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。