自动驾驶跑出的里程越多，模型就越聪明？不见得。

一辆测试车每天产生数小时道路视频，一支千辆规模的车队积累的数据量难以估算。但其中大部分是重复发生的日常场景，混杂着人为接管、无效片段和识别错误。真正能推动模型进化的，往往只是少数长尾数据。行业亟需一套高效、可信的数据理解机制，从真实道路数据中持续提炼有效的场景事实。

7月17日，文远知行在上海WAIC 2026现场正式发布自研物理AI认知基础大模型WeRide WITT。WITT全称World Intelligence Toward Truth，意为“以可信事实建立世界认知”，命名致敬了哲学家维特根斯坦“世界是事实的总和”这一观点。

最小物理事实单元：把连续场景拆成可验证的积木

WITT基于视觉语言大模型能力，首次引入“最小物理事实单元”概念。它将连续变化的真实场景拆解为可被识别和验证的事实单元，打通视频、图像、文本等多模态信息，构建起以物理事实为核心的AI理解框架。

一段夜间雨天城市道路行车的视频，会被WITT拆解为自车右转、城市道路、交叉口、路口信号变化等多个事实单元。每一项事实都可独立检索，并可追溯到对应视频画面和时间点。这相当于让自动驾驶道路视频拥有了类似文本的搜索能力。

四大核心能力：事实提取、推理、验证、编排

WITT形成了四个核心能力，贯通从场景识别到学习分流的完整链路。

事实提取——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，识别道路视频中的最小物理事实单元。单次请求即可生成超过100个动态标签。

事实推理——完成提取后，进一步推理场景中的关键事件、行为关系与风险变化。工程师输入“施工区域内行人突然横穿”，依托内置视频数据引擎，WITT可直接定位相关视频、目标主体和发生时间，无需逐段查看，也不必预先设计所有复杂场景的标签。

事实验证——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评估模型输出，引入事实置信度，调用外部物理证据反向验证结论。通过追踪事实错误、幻觉、遗漏和时序错误，WITT为模型训练提供偏好信号。

事实编排——按学习价值对事实视频智能分流。稀缺长尾场景回流至文远知行自研世界模型WeRide GENESIS用于模拟训练；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”。

关键指标：数据处理效率提升200倍，错误率仅为通用大模型三分之一

WITT在自动驾驶垂类场景中的平均每片段事实错误率约为通用大模型的三分之一。Token成本较通用大模型降低98%。单卡单日可处理1万分钟车辆运行视频，数据处理效率提升最高达200倍。

物理AI飞轮：WITT+GENESIS双轮驱动

文远知行将WITT与自研世界模型WeRide GENESIS配对，形成物理AI飞轮。WITT从真实世界数据中提取并验证物理事实；GENESIS基于这些事实生成高保真仿真环境和长尾训练场景。两者共同训练车端模型，让真实路测经验和合成学习同时驱动模型进化。

文远知行目前拥有约3000辆自动驾驶车辆，覆盖12个国家40座城市。其Robotaxi已在广州、北京、阿布扎比和迪拜实现全无人驾驶运营。WITT根植于这一大规模商业化运营的数据土壤，让每一公里的真实道路数据都成为可信的模型迭代信号。

物理AI需要从根本上不同于纯语言或纯视觉模型的架构。WITT给出的答案是：先把世界拆成事实，再让事实驱动认知。