告別無效數(shù)據(jù)與模型幻覺，文遠(yuǎn)知行發(fā)布物理AI認(rèn)知基礎(chǔ)大模型WITT

今天聊聊文遠(yuǎn)知行。

7月17日，自動駕駛科技公司文遠(yuǎn)知行WeRide正式發(fā)布自研物理AI認(rèn)知基礎(chǔ)大模型WeRide WITT。

WITT全稱World Intelligence Toward Truth，意為「以可信事實(shí)建立世界認(rèn)知」。

這一命名致敬了20世紀(jì)（參數(shù)丨圖片）哲學(xué)家路德維希·維特根斯坦，他提出「世界是事實(shí)的總和」。

文遠(yuǎn)知行將這一哲學(xué)觀點(diǎn)注入自動駕駛，認(rèn)為AI要認(rèn)知真實(shí)世界，必須從環(huán)境、行為、規(guī)則、風(fēng)險(xiǎn)與時(shí)序關(guān)系中提煉可信事實(shí)，再形成判斷與推理。

01自動駕駛的痛點(diǎn)，不在數(shù)據(jù)少

隨著物理AI落地加速，自動駕駛成為首個(gè)可大規(guī)模商業(yè)化驗(yàn)證的賽道，但痛點(diǎn)明顯。

車跑得越多，數(shù)據(jù)堆得越厚，然而真正有訓(xùn)練價(jià)值、評測價(jià)值和迭代價(jià)值的數(shù)據(jù)并不容易被高效識別。

《科技叢林》說一句暴論：現(xiàn)在自動駕駛跑出來的數(shù)據(jù)至少90%都是垃圾數(shù)據(jù)、無效數(shù)據(jù)（不是針對任何公司）。

L4實(shí)際運(yùn)營與L2量產(chǎn)數(shù)據(jù)中混雜著同質(zhì)化常規(guī)行駛數(shù)據(jù)與無效臟數(shù)據(jù)，高價(jià)值長尾樣本稀缺。

通用大模型在理解復(fù)雜交通場景時(shí)，容易產(chǎn)生幻覺與誤判。

行業(yè)亟需一套高效、可信的數(shù)據(jù)理解機(jī)制，可以在海量數(shù)據(jù)中持續(xù)提煉有效的場景事實(shí)。

WeRide WITT正是為此而生。

事實(shí)上，在幾年前，物理AI概念還未成熟之前，文遠(yuǎn)就已經(jīng)組織團(tuán)隊(duì)推動這件事的落地應(yīng)用。

如今時(shí)機(jī)成熟，才正式對外官宣。

02最小物理事實(shí)單元與四大核心能力

WITT基于視覺語言大模型（VLM）能力，首次引入「最小物理事實(shí)單元」概念，將連續(xù)變化的真實(shí)場景拆解為可被識別和驗(yàn)證的事實(shí)單元。

圍繞這一基礎(chǔ)，WITT形成四大核心能力。

事實(shí)提取：從標(biāo)準(zhǔn)駕駛事實(shí)、多主體交互事實(shí)和物理模糊條件三個(gè)維度識別真實(shí)道路視頻中的最小物理事實(shí)單元，覆蓋日常交通行為到復(fù)雜環(huán)境下的物理狀態(tài)不確定性。

例如一段夜間雨天城市道路行車視頻，會被拆解為自車右轉(zhuǎn)、城市道路、交叉口、路口信號變化等多個(gè)事實(shí)單元。

每個(gè)單元具備高置信、可校準(zhǔn)、可追溯的特征，同時(shí)可以生成高密度場景描述，為后續(xù)理解、驗(yàn)證和學(xué)習(xí)分流提供基礎(chǔ)。

事實(shí)推理：依托內(nèi)置視頻數(shù)據(jù)引擎，WITT支持通過關(guān)鍵詞或自然語言問題快速檢索海量視頻數(shù)據(jù)。

精準(zhǔn)定位如「施工區(qū)域內(nèi)行人突然橫穿」「雨天低能見度下他車壓線」等長尾場景，大幅提升樣本發(fā)現(xiàn)效率。

事實(shí)驗(yàn)證：為避免幻覺，WITT從弱勢道路使用者、自車行為、他車行為、場景理解、事實(shí)完備性和交通設(shè)施六個(gè)維度評估模型輸出，并引入事實(shí)置信度，調(diào)用外部物理證據(jù)反向驗(yàn)證。

數(shù)據(jù)顯示，WITT在自動駕駛垂類場景的平均每片段事實(shí)錯(cuò)誤率僅約為通用大模型的三分之一。

事實(shí)編排：按照學(xué)習(xí)價(jià)值對事實(shí)視頻進(jìn)行智能分流。稀缺長尾場景回流至自研世界模型WeRide GENESIS用于模擬訓(xùn)練；高頻日常場景用于強(qiáng)化學(xué)習(xí)；異常片段進(jìn)入復(fù)核機(jī)制，避免關(guān)鍵數(shù)據(jù)被誤判為臟數(shù)據(jù)。

粗暴理解，這就是一套非常高效的自動駕駛數(shù)據(jù)分揀器。

03物理AI飛輪：WITT與GENESIS協(xié)同

在云端，WITT負(fù)責(zé)從真實(shí)道路數(shù)據(jù)中提取、理解、驗(yàn)證和編排物理事實(shí)。

文遠(yuǎn)自研通用仿真模型GENESIS則可以據(jù)此生成高保真仿真場景與長尾訓(xùn)練場景。

二者協(xié)同訓(xùn)練車端模型，推動自動駕駛能力在真實(shí)世界落地和持續(xù)進(jìn)化。

更值得一說的是，WITT的工程部署效率。

相較動輒百B級參數(shù)的通用大模型，WITT模型規(guī)模更小，在同類任務(wù)中可節(jié)省98%的Token成本。

單卡單日可處理1萬分鐘車輛運(yùn)行視頻，最高實(shí)現(xiàn)200倍數(shù)據(jù)處理效率提升。

在標(biāo)簽?zāi)Ｊ较拢瑔未握埱蠹纯奢敵?00多個(gè)動態(tài)標(biāo)簽。

這也是文遠(yuǎn)智能駕駛能力得到飛速提升的原因。

依托物理AI飛輪，文遠(yuǎn)知行成為全球唯一實(shí)現(xiàn)L4級無人駕駛和L2++輔助駕駛規(guī)模商業(yè)應(yīng)用的公司。

在L4無人駕駛領(lǐng)域，文遠(yuǎn)知行手握八國自動駕駛牌照，旗下自動駕駛產(chǎn)品落地12個(gè)國家、40多座城市，L4自動駕駛車隊(duì)數(shù)量超過3000輛。

Robotaxi在廣州、北京、阿布扎比、迪拜兩國四城開啟常態(tài)化大規(guī)模純無人商業(yè)運(yùn)營。

同時(shí)，L4積累的高質(zhì)量數(shù)據(jù)和模型能力正通過物理AI飛輪遷移至L2++一段式端到端ADAS方案WRD 3.0。

該方案已在第二屆中國智駕大賽中拿下六連冠，獲得近30個(gè)車型定點(diǎn)，量產(chǎn)上車奇瑞星途星紀(jì)元、廣汽埃安N60等車型，并技術(shù)出海至德國、法國、日本。

04物理AI的一條務(wù)實(shí)路徑

文遠(yuǎn)知行的優(yōu)勢在于，其全球規(guī)模化運(yùn)營（L2+L4）產(chǎn)生的多地域、多氣候、多法規(guī)事實(shí)數(shù)據(jù)。

現(xiàn)在，有了物理AI認(rèn)知基礎(chǔ)模型WeRide WITT和世界模型WeRide GENESIS，讓文遠(yuǎn)知行得以在無人駕駛這條路上，更進(jìn)一步。

所以在接下來，我們可以見證文遠(yuǎn)智駕能力新的提升。

另外一個(gè)值得一說的是，文遠(yuǎn)的這套WITT并不僅僅適用于自動駕駛。

畢竟，自動駕駛只是物理AI的其中一個(gè)驗(yàn)證場。

現(xiàn)在，WeRide WITT已經(jīng)展現(xiàn)出面向物理AI的通用潛能。

其對物理事實(shí)的統(tǒng)一建模能力，也為具身智能等更廣泛物理AI場景提供理解真實(shí)世界的底層能力。

所以，除了自動駕駛，我們也可以展望文遠(yuǎn)知行在物理AI領(lǐng)域更多可能。

畢竟前不久上市的Momenta已經(jīng)明牌接下來會入局具身智能。

文遠(yuǎn)知行未嘗不會。

那么，就讓子彈再飛一會兒吧。

完。