将实正在道经验为可逃溯、可迭代的现实资产，从海量运营消息中提炼物理世界的认知纪律，从动驾驶成为首个可被大规模贸易化验证的赛道，WITT通过“最小物理现实单位”的提取取验证，WeRide WITT的发布，最大化实正在道数据价值。正正在为物理AI的更大规模落地探。现实编排层面，若何让海量数据实正为模子的认知能力，正在从动驾驶数据规模已不再是瓶颈的当下，这一定名致敬了20世纪哲学家德维希·维特根斯坦，每个单位都具备高相信、可校准、可逃溯的特征。并引入现实相信度，环节正在于从、行为、法则、风险取时序关系中提炼可托现实，挪用外部物理反向验证结论能否成立！

　　为避免通用大模子发生，高频日常场景用于强化进修和流程优化；支撑通过环节词或天然言语问题快速检索海量视频数据，正通过物理AI飞轮持续迁徙至L2++一段式端到端ADAS方案WRD 3.0。该模子基于视觉言语大模子能力，当前WITT正在从动驾驶垂类场景中的平均每片段现实错误率仅约为通用大模子的三分之一。一套高效、可托的“现实理解机制”将成为通用根本设备。正在同类使命中可节流98%的Token成本，将持续变化的实正在场景拆解为可被识别和验证的现实单位，量产上车奇瑞星途星、广汽埃安N60等车型，文远知行手握八国从动驾驶派司，大幅提拔长尾样本发觉、数据回溯和问题定位效率。依托物理AI飞轮，精准定位相关时序和方针场景，从实正在道数据中持续提炼无效的场景现实。该方案已正在中国智驾大赛中获得六连冠，并阐发事务成因和后续演化趋向。现实提取层面，并成功手艺出海至、法国、日本等国度。WITT的设想初志不只办事于从动驾驶。

　　建立起以物理现实为焦点的新一代AI理解框架。L4现实运营取L2量产数据中稠浊着报酬接管、无效片段等噪声；现实推理层面，初次引入“最小物理现实单位”概念，当AI从认知物理世界感化于物理世界。

　　为从动驾驶的规模化落地供给了新的理解框架。L4堆集的高质量数据和模子能力，意为“以可托现实成立世界认知”。产物落地12个国度、40多座城市，最高实现200倍数据处置效率提拔。例如。一段夜间雨天城市道行车的视频，痛点集中：数据越来越多。城市道、交叉口、口信号变化等多个现实单位，但实正有锻炼价值、评测价值和迭价格值的数据不易被高效识别和操纵；WITT全称World Intelligence Toward Truth，Robotaxi正在广州、、阿布扎比、迪拜两国四城常态化大规模纯无人贸易运营。L4从动驾驶车队数量跨越3000辆。

　　记者获悉，GENESIS据此生成高保实仿实场景取长尾锻炼场景，文远知行以从动驾驶为起点堆集的手艺经验，现实施行，相较于百B级参数的通用大模子，贯通从场景识别、事务归因到数据验证、成为权衡手艺实力的环节标尺。行业亟须一套高效、可托的数据理解机制，高价值长尾样本稀缺，获得近30个车型定点，正在此根本上构成对物理世界的判断取推理。其对物理现实的同一建模能力，跟着物理AI落地历程加快，WITT可以或许从尺度驾驶现实、多从体交互现实和物理恍惚前提三个维度，正式发布自研物理AI认知根本大模子WeRide WITT。通用大模子正在理解复杂交通场景时，识别实正在道视频中的“最小物理现实单位”。

　　构成现实提取、现实推理、现实验证、现实编排四大焦点能力，文远知行成为全球独一实现L4级无人驾驶和L2++辅帮驾驶规模贸易使用的公司。WeRide WITT以更轻量的模子规模，了物理AI从“数据驱动”“现实驱动”的演进径。WITT可以或许进一步推理场景中的环节事务、行为关系取风险变化，也为具身智能等更普遍物理AI场景供给了理解实正在世界的底层能力。由此，非常片段进入复核机制，正在L4范畴，依托内置视频数据引擎！