文远发布物理AI大模型WITT，单卡日处理1万分钟视频

背景

自动驾驶行业长期以来面临一个核心矛盾：车队规模越大、测试里程越长，并不意味着模型越聪明。一辆测试车每天可产生数小时道路视频，千辆规模的车队积累的数据量更是难以估算。但海量数据中，大部分是重复发生的日常场景，还混杂着人为接管、无效片段和识别错误。真正能推动模型进化的，往往只是少数长尾数据——例如“施工区域内行人突然横穿”“雨天低能见度下车辆压线”“窄路会车时异常减速”。从数万小时视频中精准找出这些场景，是一项庞大的工程。即使通用大模型能够看懂视频，也可能遗漏目标、弄错时序，甚至生成现实中并未发生的情节（幻觉）。这一问题随着Robotaxi车队扩大和L2辅助驾驶车型规模化上车而愈发突出。文远知行（WeRide）发布的物理AI认知基础大模型WITT，正是为了突破这一层瓶颈。

核心内容

文远知行发布的WeRide WITT（World Intelligence Toward Truth，意为“以可信事实建立世界认知”），其命名致敬哲学家维特根斯坦提出的“世界是事实的总和”。在产品理念上，WITT将连续、复杂的真实道路视频，拆解成模型能够直接使用的结构化信息，核心是引入了“最小物理事实单元”概念。

WITT具备四大核心能力，贯通从识别道路场景、归因关键事件，到检查数据质量、安排学习路径的完整流程：

1. 事实提取：从标准驾驶行为、多主体交互和复杂物理条件等维度，识别视频中的“最小物理事实单元”。例如一段车辆在雨夜通过城市路口的视频，可被拆解为自车右转、城市道路、交叉路口、信号灯状态变化、低能见度、周围交通参与者动作等多个事实。每一项事实都可独立检索，并追溯到对应的视频画面和时间点。基于此，WITT内置的视频数据引擎允许工程师通过关键词或自然语言检索道路视频（如“寻找施工区域内行人突然横穿的片段”），无需逐段查看，也不必提前为所有复杂场景设计标签。

2. 事实推理：在找到视频后，进一步分析场景中的主体关系、关键事件、风险变化和后续演化趋势，判断问题为何发生。例如一次自车异常减速，可能由前车急刹、行人靠近道路、车道变窄引起，也可能来自自动驾驶策略过于保守。工程师得到的不仅是一段“出现异常”的视频，还包括事件发生前后的事实链路。

3. 事实验证：针对通用大模型理解道路视频时可能出现的幻觉、遗漏和时序错误，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（称为“6+1事实验证”）对模型输出进行评估，同时引入事实置信度，并调用外部物理证据反向验证结论。通过追踪事实错误、幻觉、遗漏和时序错误，确保数据在进入训练之前先判断模型是否看错。据文远内部测试，WITT在自动驾驶垂类场景中的平均每片段事实错误率，约为通用大模型的三分之一。

4. 事实编排：根据数据的稀缺程度、可信度和训练价值，对视频进行智能分流。稀缺长尾场景送入文远自研世界模型GENESIS，用于生成更多仿真场景和训练样本；高频日常场景用于强化学习和流程优化；存在异常或置信度不足的片段则进入人工复核。这一步让WITT介入自动驾驶的数据闭环，决定每一段视频的学习价值及其应进入训练、仿真还是复核链路。

在工程效率方面，WITT相较百B级通用大模型，可在同类任务中节省98%的Token成本，单卡单日处理1万分钟车辆运行视频，最高实现200倍数据处理效率提升。标签模式下，一次请求可输出100多个动态标签。

WITT与文远此前发布的世界模型GENESIS共同位于云端，形成物理AI飞轮：WITT负责理解和验证真实世界，GENESIS负责扩展和生成场景，最终协同训练L4与L2++车端模型。文远的L4自动驾驶车队规模超过3000辆，已在广州、北京、阿布扎比和迪拜等城市开展常态化纯无人商业运营；L2++一段式端到端方案WRD 3.0已获得近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，进入德国、法国和日本市场。

关键要点

• 最小物理事实单元：WITT首次引入该概念，将连续道路视频拆解为可独立识别、检索和验证的事实片段（如自车行为、环境条件、交通参与者动作等）。
• 四大核心能力：事实提取、事实推理、事实验证、事实编排，形成从识别到学习入口的完整链路。
• 效率提升：相较百B级通用大模型节省98% Token成本，单卡单日处理1万分钟视频，最高实现200倍数据处理效率提升；平均每片段事实错误率约为通用大模型的三分之一。
• 事实验证机制：“6+1事实验证”从六个维度（弱势道路使用者、自车行为、他车行为、场景理解、事实完备性、交通设施）加置信度与外部证据反向验证，确保数据质量。
• 数据闭环与飞轮：WITT与GENESIS协同，L4车队提供高复杂度长尾数据，L2++量产车型扩大数据覆盖；WITT提炼验证后，GENESIS生成仿真变体，训练车端模型，车端产品再产生新真实数据，形成双向循环。
• 工程与商业化落地：文远L4车队超3000辆，L2++方案WRD 3.0已获近30个车型定点并量产多款车型，覆盖12个国家、40多座城市。

意义与影响

WITT的发布标志着自动驾驶数据处理从“堆里程、堆数据”的粗放模式，转向“理解事实、验证事实、高效编排”的精细化范式。其核心价值在于：让自动驾驶车辆跑过的每一公里真实道路，都有机会真正进入模型的进化链路，而非简单地被海量重复数据淹没。

从行业视角看，WITT为“L4降维反哺L2”提供了具体可操作的技术路径：L4车队产生高复杂度场景，WITT提炼验证，GENESIS扩展生成，最终同时训练L4与L2++车端模型。这种双向循环有助于解决自动驾驶长期面临的数据利用率低、长尾场景采集成本高、模型迭代周期长等痛点。

此外，WITT在准确性（事实错误率降至通用大模型的三分之一）和成本效率（Token成本节省98%、单卡日处理万分钟视频）上的量化表现，使其具备大规模工程落地的潜力。它模糊了“数据管理工具”与“模型训练基础设施”的边界，有望成为自动驾驶公司衡量核心资产的新尺度：每一公里真实道路，需要多久才能被转化成下一版模型的能力？WITT正是试图缩短这一时间的关键组件。随着L2++量产车型的持续增长，物理AI的数据飞轮将加速运转，进一步推动自动驾驶从实验室走向全场景商业化。