文遠發布物理AI大模型WITT：讓每一公里都變成模型能力

杰西卡 發自 副駕寺
智能車參考 | 公眾號 AI4Auto

自動駕駛跑出的里程越多，模型就越聰明？

不見得。

一輛測試車，每天可以產生數小時道路視頻，一支千輛規模的車隊，積累的數據量更是難以估算。但其中大部分是重復發生的日常場景，還混雜著人為接管、無效片段和識別錯誤。

真正能推動模型進化的，往往只是少數長尾數據。

問題是，從幾萬小時視頻中找出“施工區域內行人突然橫穿”“雨天低能見度下車輛壓線”“窄路會車時異常減速”，無疑是一項龐大的工程。

即便大模型能夠看懂視頻，也可能遺漏目標、弄錯時序，甚至生成現實中并未發生的情節。

文遠知行剛剛發布的物理AI認知基礎大模型WITT，瞄準的就是這一層瓶頸。

在VLM基礎上，WITT首次引入了“最小物理事實單元”概念，把連續變化的真實道路場景拆解成可被識別、驗證的事實單元，重構AI對物理世界的理解框架。

官方稱，WITT最高能夠將數據處理效率提升200倍，單卡單日處理1萬分鐘車輛運行視頻；在自動駕駛場景中，每段視頻的平均事實錯誤率約為通用大模型的三分之一。

這就是文遠在做的事：是讓自動駕駛車輛跑過的每一公里，都有機會真正進入模型的進化鏈路。

文遠WITT：把道路視頻拆成“物理事實”

文遠知行剛剛發布的WeRide WITT（World Intelligence Toward Truth），意為“以可信事實建立世界認知”，致敬了哲學家維特根斯坦提出的“世界是事實的總和”。

這個寓意落到自動駕駛研發里，可以理解為一個更具體的目標：先確認道路上究竟發生了什么。

文遠為此提出了“最小物理事實單元”的概念，將連續、復雜的道路視頻，轉化成模型能夠直接使用的結構化信息。

據文遠透露，之所以做這件事，和自動駕駛數據形態的變化直接相關。

過去，自動駕駛公司的車隊規模有限，核心任務是盡可能多地采集真實道路數據。誰的測試里程更長、覆蓋城市更多，往往意味著見過的場景更多。

隨著Robotaxi車隊擴大、L2輔助駕駛車型規模上車，數據開始迅速堆積。但一公里道路數據和另一公里道路數據，價值可能相差很大。

正常直行十公里，未必比一次施工區突然橫穿更值得學習；一段車輛接管視頻，也未必代表自動駕駛系統出現問題，可能只是安全員提前干預。

未經理解和驗證的數據直接進入訓練，無法穩定推動模型進化，甚至會把錯誤信號帶入模型。高價值長尾場景，則很容易淹沒在海量視頻中。

工程師想查找“低能見度下前車壓線”，傳統方式依賴預先設計的標簽。標簽體系沒有覆蓋這個維度，數據即使已經存在，也很難被快速找到。

圍繞這些問題，WITT形成了事實提取、事實推理、事實驗證、事實編排四大核心能力，貫通從識別道路場景、歸因關鍵事件，到檢查數據質量、安排學習路徑的完整流程。

首先是事實提取。WITT會從標準駕駛行為、多主體交互和復雜物理條件等維度，識別視頻中的“最小物理事實單元”。

一段車輛在雨夜通過城市路口的視頻，可以被拆解為自車右轉、城市道路、交叉路口、信號燈狀態變化、低能見度，以及周圍交通參與者動作等多個事實。

每一項事實都可以獨立檢索，并追溯到對應的視頻畫面和時間點。

基于這些事實單元，WITT內置的視頻數據引擎，還允許工程師通過關鍵詞或自然語言檢索道路視頻。

例如輸入“尋找施工區域內行人突然橫穿的片段”，WITT可以直接定位相關視頻、目標主體和發生時間，不再要求工程師逐段查看，也不必提前為所有復雜場景設計標簽。

這相當于讓自動駕駛道路視頻，也擁有了類似文本的搜索能力。過去已經采集、卻很難被找到的長尾數據，開始能夠被重新調用。

但找到視頻只是第一步。同樣一次自車異常減速，可能由前車急剎、行人靠近道路、車道變窄引起，也可能來自自動駕駛策略過于保守。

這對應了WITT第二項能力——事實推理。

WITT還會分析場景中的主體關系、關鍵事件、風險變化和后續演化趨勢，進一步判斷問題為何發生。

自動駕駛工程師得到的不再只是一段“出現異常”的視頻，還包括事件發生前后的事實鏈路。

這能解決研發過程中另一個常見痛點：視頻已經找到了，問題仍然難以定位。

第三項能力是事實驗證。

通用大模型在理解道路視頻時，也可能出現幻覺、遺漏和時序錯誤。它可能沒有識別到畫面邊緣的騎行者，也可能顛倒車輛減速和行人出現的先后順序。

在日常視頻問答中，這類錯誤或許只會影響答案質量；進入自動駕駛訓練鏈路后，錯誤描述可能導致樣本被錯誤分類，進一步影響模型訓練和評測。

WITT為此從弱勢道路使用者、自車行為、他車行為、場景理解、事實完備性和交通設施六個維度，對模型輸出進行評估，同時引入事實置信度，并調用外部物理證據反向驗證結論。

文遠將這套機制稱為“6+1事實驗證”。

通過追蹤事實錯誤、幻覺、遺漏和時序錯誤，WITT可以在數據進入訓練之前，先判斷模型究竟有沒有看錯。

據文遠內部測試，WITT在自動駕駛垂類場景中的平均每片段事實錯誤率，約為通用大模型的三分之一。

完成識別、推理和驗證后，最后一步是事實編排。

不同道路視頻，學習價值并不相同。WITT會根據數據的稀缺程度、可信度和訓練價值，對視頻進行智能分流：

稀缺長尾場景被送入文遠自研世界模型GENESIS，用于生成更多仿真場景和訓練樣本；高頻日常場景用于強化學習和流程優化；存在異常或置信度不足的片段則進入人工復核。

這一步讓WITT超出了單純的視頻理解工具。它開始介入自動駕駛的數據閉環，決定每一段視頻具有什么學習價值，以及應該進入訓練、仿真還是復核鏈路。

至此，WITT的四項能力形成了一條完整鏈路：

事實提取負責確認發生了什么，事實推理負責解釋事件如何形成，事實驗證負責檢查判斷是否可信，事實編排則決定這些數據接下來如何被模型學習。

支撐這套數據鏈路規模運轉的，是WITT的工程處理效率。

文遠披露，WITT相較百B級通用大模型，在同類任務中可以節省98%的Token成本，單卡單日處理1萬分鐘車輛運行視頻，最高實現200倍數據處理效率提升。

標簽模式下，WITT一次請求可以輸出100多個動態標簽。可見WITT方向已經很明確——

WITT追求的并非把視頻描述得更生動，而是用更低成本，把更多真實道路數據送進模型迭代。

但這套能力能否真正產生價值，還需要兩個條件：

前端要有足夠多、足夠復雜的真實道路數據；后端也要有承接這些數據的模型和量產產品。

這恰好和文遠目前同時推進的兩條業務線對應上了。

3000輛L4車隊，開始接入量產智駕

根據文遠披露，目前其自動駕駛產品已經落地12個國家、40多座城市。

其L4自動駕駛車隊規模超過3000輛；其中，Robotaxi已在廣州、北京、阿布扎比和迪拜等城市，開展常態化純無人商業運營。

這些車輛長期運行，意味著文遠每天都會獲得大量來自真實道路的數據。

但車隊規模本身，并不會自動轉化成模型能力。

L4車輛在道路上遇到一次復雜場景，工程師還需要找到這段視頻、確認具體問題、驗證識別結論，再將它轉化成可以訓練的樣本。

WITT負責的就是完成這條鏈路的前半段。它從真實道路視頻中提取、推理和驗證事實，篩選出值得訓練的場景。

負責后半段的，則是文遠此前發布的世界模型GENESIS：根據這些真實事實，生成更多高保真仿真場景和長尾變體。

例如，一輛Robotaxi在雨天施工路段遇到行人橫穿。WITT會先識別道路條件、行人行為、自車動作和風險變化，再將這一稀缺場景送入GENESIS。

GENESIS可以在原始場景基礎上，改變雨量、道路寬度、行人速度、橫穿位置和周圍車輛數量，生成更多相似但不完全相同的訓練樣本。這些樣本隨后用于訓練車端模型，再部署回真實車輛。

文遠將這套循環稱為物理AI飛輪。

從其公布的架構看，WITT和GENESIS共同位于云端，前者理解和驗證真實世界，后者負責擴展和生成場景，最終協同訓練L4與L2++車端模型。

這套飛輪最直接的意義，是文遠正在把L4和L2++之間的“反哺”路徑進一步具體化。

行業一直在講L4降維量產、Robotaxi數據反哺輔助駕駛，但具體如何反哺，往往只停留在技術路線層面。

WITT發布后，這條路徑被拆成了更清楚的步驟：

L4車隊負責產生高復雜度真實場景，WITT負責提煉和驗證，GENESIS負責擴展，最終同時訓練L4和L2++車端模型。

文遠的L2++一段式端到端方案WRD 3.0，正是這套能力的另一個出口。

按照文遠披露，WRD 3.0目前已經獲得近30個車型定點，并量產上車奇瑞星途星紀元、廣汽埃安N60等車型，同時進入德國、法國和日本等市場。

這意味著，L4車隊積累的數據不再只服務于Robotaxi，也可能進入更大規模的量產輔助駕駛體系。兩條業務的數據特征又剛好互補。

L4車隊規模相對有限，但運營場景復雜，能夠積累更高價值的長尾數據；L2++量產車型覆蓋范圍更廣，可以帶來更多城市、道路和用戶駕駛習慣。

WITT與GENESIS如果能夠同時處理兩端數據，文遠就有機會形成雙向循環：

L4提供復雜場景，L2++擴大數據覆蓋；云端模型完成理解和生成，車端產品繼續產生新的真實數據。

相比只在數字環境中處理文字和圖像的通用大模型，自動駕駛系統需要持續面對真實道路中的物理約束。

車輛運動、行人行為、道路規則和風險變化，都不能只靠語言層面的相關性進行推測。模型必須理解真實世界發生了什么，還要讓結論經得起物理證據驗證。

自動駕駛，恰好是物理AI較早進入規模商業驗證的領域。車輛已經在道路上長期運行，模型的每一次判斷都會轉化為真實動作，錯誤也會直接暴露在現實環境中。

這使得文遠有機會用L4車隊和L2++量產業務，驗證WITT究竟能否提高數據利用率、縮短模型迭代周期。

未來衡量自動駕駛公司的核心資產，可能也會出現一個新的尺度：

每一公里真實道路，究竟需要多久，才能變成下一版模型的能力