数据处理效率最高提升200倍，错误率仅约通用模型三分之一，文远知行发布WITT

单卡单日处理1万分钟车辆运行视频，数据处理效率最高飙到通用方案的200倍，Token成本却骤降98%。更让工程师在意的另一组数字是：在自动驾驶垂类场景里，WITT的平均每片段事实错误率，仅约通用大模型的三分之一。今天，文远知行把这套名为WITT的自研物理AI认知基础大模型正式公开，抛出了一个扎眼的问题——当通用大模型还在为交通场景的“幻觉”头疼时，是否有一条更务实的路，不必追逐百B级参数，而是先把物理世界的事实搞清楚？

WITT全称World Intelligence Toward Truth，直译过来是“以可信事实建立世界认知”。这个名字还向哲学家维特根斯坦致了个敬，借用他那句“世界是事实的总和”。在文远知行看来，物理AI要真正理解真实道路，得从环境、行为、规则、风险与时序关系里，先提炼出可信的物理事实，才有资格谈判断和推理。所以他们没把WITT做成又一个百B参数的多模态怪兽，而是引入“最小物理事实单元”这个概念，把连续变化的真实场景拆解到可识别、可验证、可追溯的事实颗粒。一段夜间雨天的右转视频，能被分解成自车右转、城市道路、交叉口、路口信号变化等多个事实单元，每个单元自带高置信度，生成高密度的场景描述。

正是这种以事实为核心的设计，让WITT在处理真实道路视频时，形成了一条完整的链路：事实提取、事实推理、事实验证、事实编排。这四步环环相扣，目的是让每一公里的真实道路数据都变成可信的模型迭代信号，而不是丢给黑盒大模型赌它有没有编造画面中的行人或交通标识。

先说事实提取。WITT从标准驾驶事实、多主体交互事实和物理模糊条件三个维度下手，把视频里自车与其他交通参与者的关系变化、复杂环境下的物理状态不确定性，都拆成最小物理事实单元。这些单元覆盖日常交通行为，也抓得住“夜间雨天自车右转时路口信号变化”这样的模糊场景。每个单元都具备可校准、可追溯的特征，为后面的验证和学习分流打底。

事实推理这一步，解决的是工程师长尾场景搜寻的痛点。在日常研发里，工程师常常要在海量视频里大海捞针般找特定片段，比如“施工区域内行人突然横穿”“雨天低能见度下他车压线”“窄路会车时自车减速避让”。WITT通过内置的视频数据引擎，支持用关键词或自然语言问题快速检索，直接定位相关时序和目标场景。长尾样本发现、数据回溯和问题定位的效率瞬间拉高，不再靠人眼一帧一帧翻。

最让自动驾驶团队心动的，应该是事实验证这个能力。通用大模型在处理复杂交通场景时容易出现所谓的“幻觉”，比如凭空生成不存在的交通参与者、误读信号灯状态。WITT则从弱势道路使用者、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，给模型输出打分，并引入事实置信度，调用外部物理证据反向验证结论。这套机制不只给出质量判断标准，还追踪事实错误、幻觉、遗漏和时序错误，为模型训练提供偏好信号，引导模型持续生成更符合物理规律的理解结果。官方给出的对比数字很直观：在自动驾驶垂类场景中，WITT的平均每片段事实错误率仅为通用大模型的三分之一左右。

事实编排则负责回答一个问题：所有真实道路数据都有用吗？不同数据的价值差异巨大。WITT按照学习价值对事实视频进行智能分流：稀缺长尾场景回流至文远知行自研的世界模型WeRide GENESIS，用于模拟训练和场景扩展；高频日常场景用于强化学习和流程优化；异常片段进入复核机制，避免关键数据被误判为“脏数据”。换句话说，它不再让珍贵的长尾数据被淹没，也不让异常数据拖累模型。

这套编排逻辑，把WITT和GENESIS绑成了一个云端物理AI飞轮：WITT负责从真实道路数据里提取、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，两者协同训练车端模型。这样一来，真实道路数据不再只是录像存档，而是被精确分类、验证后变成驱动车端模型进化的燃料。

成本方面的数字同样打眼。对比动辄百B级参数的通用大模型，WITT以更轻量的模型规模，在同类任务里可将Token成本压到通用方案的2%左右。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多个动态标签，让海量真实道路视频快速完成检索、验证并进入模型迭代。对于需要处理大规模路采数据的自动驾驶公司来说，这组效率与成本数据意味着，自建专用物理认知大模型不只在精度上更有把握，在商业落地的成本账上也站得住脚。