文遠知行發佈自研物理 AI 大模型 WITT，首次引入“最小物理事實單元”概念

自動駕駛科技公司文遠知行（WeRide）今日正式對外發布自研的物理 AI 認知基礎大模型「WeRide WITT」。該模型導入視覺語言大模型（VLM）能力，首次在業界提出「最小物理事實單元」概念，透過整合影片、圖片、文字等多模態資訊，將連續變化的真實交通情境拆解為可被辨識與驗證的事實單元，建立以物理事實為核心的新一代人工智慧理解框架。WITT 全稱為 World Intelligence Toward Truth，意即「以可信事實建立世界認知」。

這一名稱源自對 20 世紀哲學家路德維希・維根斯坦（Ludwig Wittgenstein）的致敬，其所提出的「世界是事實的總和」觀點，恰好呼應了物理 AI 的底層邏輯：若要讓 AI 認知真實世界，必須從環境、行為、規則、風險與時序關係中提煉出可信的事實，並在此基礎上進行判斷與推理。根據官方說明，WITT 從海量的營運資料中提煉物理世界的認知規律，並建構出四大核心能力：事實提取、事實推理、事實驗證與事實編排。這四項能力貫穿了場景辨識、事件歸因、數據驗證到學習分流的完整鏈路，讓每一公里的真實道路數據都能成為可靠且可持續迭代的模型訓練訊號。

在事實提取方面，WITT 能從標準駕駛事實、多主體交互事實以及物理模糊條件三個維度，辨識真實道路影片中的「最小物理事實單元」。這些單元涵蓋日常交通行為、交通參與者之間的關係變化，以及複雜環境下的物理狀態不確定性。舉例來說，一段夜間雨天城市道路的行車影片，WITT 會將其拆解為自車右轉、城市道路、交叉口、路口信號變化等多個獨立的事實單元。每個單元都具備高置信、可校準、可追溯的特性，並能生成高密度的場景描述，為後續理解與驗證奠定基礎。完成事實提取後，WITT 進一步執行事實推理，分析場景中的關鍵事件、行為關係與風險變化，並推論事件成因與後續演化趨勢。

在自動駕駛研發流程中，工程師經常需要從大量影片中尋找特定的長尾場景，例如「施工區域內行人突然橫穿」或「雨天低能見度下他車壓線」等。WITT 內建影片數據引擎，支援透過關鍵詞或自然語言問題快速檢索大量影片數據，精準定位相關時序與目標場景，大幅提升長尾樣本發現、數據回溯與問題定位的效率。為避免通用大型模型在複雜交通環境中產生幻覺，WITT 導入事實驗證機制，從弱勢道路使用者、自車行為、他車行為、場景理解、事實完備性與交通設施等六個維度進行評估。同時引入「事實置信度」，調用外部物理證據反向驗證結論是否成立。

透過追蹤事實錯誤、幻覺、遺漏和時序錯誤，WITT 不僅提供數據使用者品質判斷標準，也為模型訓練提供偏好訊號，引導模型持續產出更符合物理規律的理解結果。目前 WITT 在自動駕駛垂直場景中，平均每片段的錯誤率僅約為通用大型模型的三分之一。在事實編排階段，WITT 能根據學習價值對事實影片進行智能分流，讓每一筆數據進入最合適的學習路徑。稀缺的長尾場景會回流至文遠知行自研的世界模型 WeRide GENESIS，用於模擬訓練與場景擴展；高頻日常場景則用於強化學習與流程優化；異常片段則進入複核機制，避免關鍵數據被誤判為「髒數據」，最大化釋放真實道路數據的價值。

透過這樣的分工，WeRide WITT 與 WeRide GENESIS 在雲端共同驅動文遠知行的物理 AI 飛輪：WITT 負責從真實道路數據中提取、理解、驗證與編排物理事實，GENESIS 則根據這些事實生成高保真模擬場景與長尾訓練場景，兩者協同訓練車端模型。在技術表現上，WITT 相較於動輒百億級參數的通用大型模型，以更輕量的模型規模達成同等任務，最高可節省 98% 的 Token 成本。單卡單日即可處理 1 萬分鐘的車輛運行影片，實現最高 200 倍的數據處理效率提升。

在標籤模式下，WITT 單次請求就能輸出超過 100 個動態標籤，讓海量真實道路影片快速完成檢索、驗證，並進入模型迭代流程。此次發佈的 WITT 模型，是在 2026 年世界人工智慧大會期間公開亮相，展現文遠知行在自動駕駛與物理 AI 領域的最新技術成果。透過將真實世界的物理事實轉化為可運算、可驗證的結構，該模型不僅為自動駕駛的數據處理與模型訓練帶來顯著效率提升，也為整個物理 AI 的發展提供了新的認知框架。