自动驾驶公司为什么要自己做大模型？文远 WITT 给出一种答案

来源：市场资讯

（来源：芝能汽车）

一家做 Robotaxi 的公司，7 月 17 日在2026世界人工智能大会（WAIC）上“突然”发布了一个个大模型。

文远知行发布的 WeRide WITT，一个“物理 AI 认知基础大模型”，全称 World Intelligence Toward Truth，意思是用可信事实建立世界认知。致敬了维特根斯坦那句「世界是事实的总和」。

这是来蹭WAIC热度的？

这家公司手里有别人没有的东西，一套在全球跑着的真实运营数据。大模型有没有用，得看它脚下有没有真实世界的土。没有土，模型再大也是空中楼阁。大模型这两年满地跑。可会聊天和会开车，是两码事。

自动驾驶的数据困境，是特别有意思的事情。

◎ 车越卖越多，路跑得越多，数据堆成山，可真正能拿去训练、评测、迭代的，反而不好找。规模上去了，有效数据没跟上。有个数字能说明白这件事，一辆车跑一天，摄像头、雷达攒下的数据以 T 计。

可其中值得标、值得训的片段，占比往往个位数。海量原始数据里，能当养料的，是极少数。自动驾驶公司拼了这么多年，瓶颈早不是采不到数据，是分不出哪段数据有用。

◎ 长尾样本稀缺。施工区里行人突然横穿、雨天看不清他车压线、窄路会车自车减速避让。这些才是考验系统的硬骨头，可它们发生概率低，海量视频里捞不到几条。

L4 实际运营、L2 量产数据里，混着大量人为接管、无效片段。一个司机接管的瞬间，对模型来说就是脏数据。

通用大模型还有幻觉，复杂交通场景里，它容易编出不存在的事，给出误判。拿这种输出去训练车，危险。

◎ 数据多，不等于数据好。这是绕不开的坎。把数据里的有效事实捞出来，效果会更好。WITT 要解的，就是这道坎。

◎ 最小物理事实单元。把一段连续变化的真实视频，拆成可被识别和验证的事实小块。自车右转、城市道路、交叉口、信号变化，各算一个单元。每块高置信、可校准、可追溯。夜间雨天城市道路的一段视频，能被拆成好几个事实单元。每个单元都能生成高密度场景描述。

这一步，等于把混沌的真实路况，变成了结构化、能喂给模型的事实资产。

维特根斯坦说世界是事实的总和，WITT 把这句话落到了每一帧视频上。过去大模型看视频，看到的是像素和概率。WITT 看视频，看到的是「发生了什么事实」。这中间差着的，是对物理世界的敬畏。

围绕事实单元，WITT 长出四大能力。

◎ 事实提取，从标准驾驶事实、多主体交互、物理模糊条件三个维度认路。

它不光认「车在开」，还认「车和车之间关系怎么变」「模糊路况下物理状态有多不确定」。这一点，普通感知模型做不到。

◎ 事实推理，进一步推场景里的关键事件、风险变化和成因。

工程师要找「施工区行人横穿」这种长尾，过去靠人肉翻视频，翻几天未必翻到。现在输入关键词或自然语言问题，WITT 直接定位相关片段。找样本的活，从体力活变脑力活。

一个安全团队要复盘某次急刹，以前得翻几小时录像。现在问一句「昨天哪段路自车急刹了」，WITT 秒级甩出片段和上下文。研发效率的差，就藏在这些日常小事里。

◎ 事实验证，是它最较真的一环。

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、交通设施六个维度查错，再引入事实置信度，拿外部物理证据反推结论成立不成立。当前它在自动驾驶垂类的事实错误率，约为通用大模型的三分之一。差出两倍多，不是小数目。

◎ 事实编排，按学习价值给数据分流。稀缺长尾回流到世界模型 GENESIS 做仿真扩展；高频日常进强化学习；异常片段进复核，避免被误判成脏数据。每条数据，去它该去的路。

文远想讲的一个飞轮，WITT 在云端负责提取、理解、验证、编排物理事实。GENESIS 据此生成高保真仿真和长尾训练场景。二者协同，训练车端模型。

车跑真实世界，又产出新数据，回流 WITT。转起来，自动驾驶能力在真实世界里持续进化。从数据到模型，再从模型回到数据，闭环转得越快，能力涨得越稳。

这套打法，文远不是第一家想，却是第一家把全球运营数据真的喂进去跑通的。飞轮最怕空转，文远的优势是有真实车流持续供血。

工程效率上，WITT 用了更轻量的模型规模。

同类任务节省 98% 的 Token 成本。一个量级的变化。单卡单日能处理 1 万分钟车辆运行视频。数据处理效率最高提升 200 倍。

标签模式下，一次请求输出 100 多个动态标签。海量真实道路视频，得以快速检索、验证、进入迭代。省钱、省时、还能把数据用透，这三件事它一起做了。

算笔账就清楚：一家自动驾驶公司养数据团队，人力大头花在标数据和找数据上。WITT 把这块成本往下砍，模型还更轻，推理更省。省下来的钱，能多跑几辆车、多开几个城。效率这东西，最后都会变成牌桌上的筹码。

文远是全球唯一同时把 L4 无人驾驶和 L2++ 辅助驾驶规模商用落地的公司。

L4 这边，手握八国自动驾驶牌照，产品落地 12 个国家、40 多座城市，车队超过 3000 辆。Robotaxi 在广州、北京、阿布扎比、迪拜两国四城，已经常态化大规模纯无人商业运营。这套全球运营，每天产生大量真实道路视频。

WITT 就长在这片土上。没有规模化运营，就没有足够多样的事实单元去训练它。这是文远敢发大模型的底气，也是别的公司一时抄不走的护城河。

八国牌照不是摆设，它让文远能在不同法规、不同路况、不同驾驶习惯的市场里采数据。广州的雨、迪拜的沙、北欧的雪，这些环境差异，最后都变成事实单元的多样性。多样性够了，模型才不容易在陌生场景翻车。

L4 积累的高质量数据和模型能力，通过物理 AI 飞轮持续迁移到 L2++。

一段式端到端 ADAS 方案 WRD 3.0，在第二届中国智驾大赛拿下六连冠。近 30 个车型定点，已经上车奇瑞星途星纪元、广汽埃安 N60。还技术出海到德国、法国、日本。

L4 烧钱，L2++ 赚钱。

文远用 L4 的高质量安全冗余能力，反哺量产辅助驾驶，换来定点和收入。大模型不是秀，是这套生意的发动机。别的自动驾驶公司多在 L4 和 L2 之间二选一，文远用飞轮把两条线拧成了一股绳。

小马、百度走的是另一条路，要么死磕 L4 运营，要么主攻 L2 量产。文远偏要把 L4 的能力往下灌，用高端场景养出的安全冗余，去换量产市场的定点。这条路的难度在于飞轮得真转，转不起来两边都不讨好。

往大了看，WITT 指向的是物理 AI 的商业版图，自动驾驶是第一个能被大规模商业化验证的物理 AI 赛道。它的高密度、高复杂度，刚好用来检验「AI 能否理解并作用于真实物理世界」。

WITT 对物理事实的统一建模，也为具身智能等更广的场景，提供理解世界的底层能力。今天它能认路口和行人，明天它或许能认机械臂和货架。

物理 AI 这把火，从自动驾驶点着，正往具身智能烧。谁能把「事实」这套语言讲通，谁就拿着通往更多机器人场景的钥匙。文远先把自动驾驶跑通，等于提前占了一个坑。坑占住了，后面扩场景就顺。

小结

文远的 WITT，背后是全球跑着的真实运营数据。把数据变成可信事实、再变成车端能力，是L4公司的能力。