数据越多，越难用？文远知行用WITT补上数据飞轮的关键一环
文远知行发布物理AI认知基础大模型WITT，解决自动驾驶数据量大但长尾场景难提取的问题。WITT从道路视频中提取可信事实，具备事实提取、推理、验证和编排能力，错误率仅为通用大模型的三分之一，数据处理效率提升200倍，与GENESIS世界模型组成数据飞轮。
直接说几个核心判断：自动驾驶行业有个反直觉的现象——车队越大、数据越多的公司，反而越头疼怎么用数据。
数据量在暴涨，但模型能力的提升，却越来越依赖那些罕见、复杂、真正值钱的长尾场景。问题在于，把它们从海量数据里挖出来，难度不亚于采集本身。
7月17日的世界人工智能大会上，文远知行发布了物理AI认知基础大模型WeRide WITT。发布会现场，文远知行上海研发中心总经理霍达没有先谈参数，而是从一个更基础的问题讲起：没有可信的事实基础，我们就没有办法判断模型哪里对了，哪里错了。这句话，也点出了WITT诞生的逻辑。
它是一个运行在云端的数据理解模型，能从连续的道路视频中提取可信事实，判断哪些数据值得进入训练，哪些需要进一步验证，哪些只是大量重复出现的普通样本。
今年1月，文远知行发布了负责生成仿真场景的世界模型GENESIS。半年后，WITT补上了另一端的数据理解能力。一个负责理解真实世界，一个负责生成虚拟世界，两者共同组成了文远知行物理AI飞轮的重要环节。
01 从有没有数据，到怎么用数据
过去几年，自动驾驶行业一直在追求更多数据。特斯拉FSD累计行驶里程已经超过84亿英里，但马斯克认为，要实现安全的无监督自动驾驶，大约还需要100亿英里训练数据。美国兰德公司曾对自动驾驶安全验证做过测算：如果想以80%的置信度证明自动驾驶比人类司机安全，100辆测试车需要连续行驶518年。
训练数据和安全验证虽然是两个问题，但两组数字都说明了一件事：真实道路测试，很难覆盖所有罕见情况。
与此同时，当车队规模扩大以后，另一个问题又冒出来了——数据多到无法有效使用。
文远知行超过3000辆L4车辆在全球多个国家运营。一辆Robotaxi每天持续运行，会产生大量道路视频。其中绝大多数是普通的直行、跟车、等灯，真正影响模型能力的，是少数的复杂场景。
这些长尾数据价值高，但数量少，而且往往隐藏在大量普通数据中。人工筛选并不是一个可持续的方法。面对每天新增的大量视频，工程师很难靠人工逐段查看找到所有有价值的数据。
那么，能不能直接交给通用大模型？答案也并不理想。在WACV 2025的CODA-LM基准测试中，GPT-4V面对自动驾驶corner case场景时，通用感知得分为57.5分。
问题不仅仅是识别错误。交通场景里的视觉大模型还可能产生幻觉，它会描述一个视频中不存在的细节，或者错误理解事件发生的先后关系。如果错误的数据进入训练流程，模型学习到的可能不是现实规律，而是错误的判断，反而会影响算法的表现。
过去几年，行业一直在讨论“数据闭环”。采集、标注、训练、仿真、部署，看起来是一条完整链路。但真正落到工程现场，很多闭环卡在了同一个环节：哪些才是有价值的数据？
发布会上，霍达把这个问题总结为一句话：“没有可信的事实基础，我们其实就没有办法去判断模型哪里对了，哪里错了。”WITT试图解决的，就是这一步。
02 WITT：用事实建立对世界的认知
WITT的技术思路藏在它的名字里。它的全称是World Intelligence Toward Truth，中文解释是“以可信事实建立世界认知”。这个名字同时致敬了哲学家路德维希·维特根斯坦，他在《逻辑哲学论》中写下的第一条命题是：“世界是事实的总和。”
放在哲学史里，这句话讨论的是世界、事实与语言之间的关系。进入物理AI的语境，文远知行把它变成了一条具体的工程路线：AI要理解真实世界，需要先从环境、行为、规则、风险和时序关系中提炼出能够验证的事实，再在这些事实之上做判断和推理。
这条路线的载体，被文远知行称为“最小物理事实单元”。霍达称，这是行业内首次把这一概念引入物理AI。发布会现场，他用一个场景解释了这套方法：“一个路口里面可能有多个对象、多个行为、多层关系。比如说下雨是一个事实，右转是一个事实，路边有行人横穿马路是一个事实。这些事实按照时间和因果关系组合起来，才形成了我们看到的完整的场景。”
在WITT眼中，一段夜间雨天的城市道路视频不再只是一串连续像素。它会被拆解成一组相对独立、能够回到画面中验证的事实：天气正在下雨，自车准备右转，车辆位于交叉口，路边行人正在横穿马路，路口信号正在发生变化。
这里的“最小”指的是事实的颗粒度。复杂场景被拆开以后，每个单元只描述相对明确的一件事。在这些事实单元之上，WITT还会生成更完整的场景描述，把一段视频里发生的事情、参与者之间的关系和风险变化重新组织起来。
这和常用的标签系统不一样。传统的数据处理方式，是先由人定义类别，再给视频贴上标签。标签可以回答“这段视频里有没有行人”，却很难描述行人与自车的距离如何变化、风险从哪一刻开始、车辆为什么在这个时候减速。一张图像有可能有上百万个像素点，但跟决策相关的只有一小部分。
WITT要做的，是把这些像素背后的道路事实识别出来，再还原事实之间的关系，变成模型能够直接使用的认知单位。事实单元是基础，真正让它进入自动驾驶研发流程的，是在此之上搭建的事实提取、事实推理、事实验证和事实编排四项能力。
03 WITT四大核心能力
“最小物理事实单元”解决的是AI如何理解真实世界的问题，而围绕这些事实形成的四项能力，则决定了这些信息如何真正进入自动驾驶研发流程。
WITT目前形成了事实提取、事实推理、事实验证和事实编排四项核心能力，分别对应自动驾驶研发中的几个关键环节：从真实道路视频中提炼事实，理解事件背后的关系，判断模型输出是否可信，以及让不同数据进入合适的训练路径。
事实提取：从连续视频中找到关键事实
自动驾驶面对的真实世界并不是由一个个孤立标签组成的。一辆车在道路上行驶，背后同时包含天气、道路结构、车辆状态、交通参与者行为等多个因素。WITT要做的第一件事，就是从这些连续变化的信息中提取出能够被理解和验证的事实。
文远知行将事实分为三个层面：一类是标准驾驶事实，例如车辆转向、变道、减速；一类是多主体交互事实，例如车辆、行人、非机动车之间的位置和行为变化；另一类是物理模糊条件，例如雨雾、反光、遮挡等导致的不确定状态。一段夜间雨天城市道路视频，在WITT看来，不再只是一串连续画面，而是一组相互关联的事实：正在下雨，自车准备右转，车辆位于交叉路口，路边存在行人，信号状态正在变化。这些事实单元组合起来，才形成工程师真正关心的道路场景。
事实推理：不仅找到场景，还理解发生了什么
找到事实之后，下一步是理解事件。自动驾驶研发中，经常需要从大量历史数据里寻找某类特殊情况，例如施工区域内行人突然横穿、雨天低能见度下其他车辆压线、窄路会车时自车减速避让。
过去，工程师需要依靠标签系统筛选，再人工查看大量视频。WITT内置的视频数据引擎支持通过关键词和自然语言进行检索。工程师可以直接描述希望寻找的场景，模型定位相关时间段，并进一步分析事件的原因和演化过程。它回答的不只是“这里发生了什么”，还包括“为什么发生”。例如，一辆车突然减速，是因为前方车辆影响，还是因为行人正在进入潜在风险区域；一次避让动作，是正常驾驶行为，还是模型决策出现问题。
事实验证：减少模型对物理世界的误解
对于自动驾驶来说，理解错误比理解慢更危险。通用视觉语言模型能够描述画面，但在复杂交通场景中，也可能产生幻觉：补充不存在的信息，遗漏关键对象，或者错误判断事件顺序。
WITT针对这一问题建立了事实验证机制。它从弱势道路使用者、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，并加入事实置信度，形成“6+1”验证体系。模型输出的问题会被归纳为事实错误、幻觉、遗漏和时序错误，再用于判断数据质量，并反馈给模型训练。按照文远知行披露的数据，在自动驾驶垂类场景中，WITT平均每片段事实错误率约为通用基础大模型的三分之一。
事实编排：让不同数据进入不同路径
自动驾驶数据并不是越多越好。不同数据，需要进入不同的处理流程。WITT会根据事实价值对数据进行编排：稀缺的长尾场景进入世界模型GENESIS，用于生成更多模拟训练场景；大量高频日常场景用于强化学习和流程优化；暂时无法确认价值的异常片段进入复核机制，避免关键数据被误判为“脏数据”。
这也是WITT和传统数据处理工具最大的区别之一。它不是简单给数据分类，而是在判断这些数据接下来应该如何被使用。这套机制最终还要接受工程现实的检验。发布会上，霍达披露，在11项物理AI公开测试中，WITT有7项取得领先；单次请求可以输出100多个动态行为标签，事实错误率为通用基础大模型的三分之一。在工程成本方面，WITT相比通用大模型可以节省98%的Token成本；在同等算力预处理条件下，数据处理效率最高提升200倍，单张主流显卡每天可以处理1万分钟车辆运行视频。
霍达总结这套能力时表示：“用云端物理AI模型大规模处理车辆运行数据，在工程上变成了可行。”对于自动驾驶公司来说，真正困难的并不是让模型看懂一段视频，而是让它每天处理成千上万分钟的视频，并融入在研发流程中。
04 WITT + GENESIS：文远知行的物理AI飞轮
WITT解决的是“理解现实”的问题。但自动驾驶不能只理解现实。遇到一个危险场景之后，需要在大量相似场景中进行训练；发现一次模型错误，也需要在安全环境中不断验证改进。
今年1月，文远知行发布了通用仿真世界模型WeRide GENESIS。它负责生成高保真的虚拟道路环境，将真实世界中难以反复采集的场景搬到仿真环境中。车辆加塞、无保护转弯、行人突然出现，甚至极端天气条件，都可以在仿真世界里不断生成和测试。
如果说GENESIS负责“创造世界”，那么WITT负责的就是告诉它应该创造什么样的世界。真实道路中的数据经过WITT处理后，高价值长尾场景被提取出来，进入GENESIS进行扩展，生成的仿真数据再用于车端模型训练；车辆重新进入真实道路，又产生新的数据回流到WITT。一个负责理解现实，一个负责生成接近真实世界的训练场景，两者共同组成文远知行的物理AI飞轮。
这样的方向也正在成为自动驾驶行业的重要趋势。过去行业更多在讨论世界模型如何生成世界，而WITT在这基础上进一步探索：模型应该依据什么事实，去生成一个可信的世界？需要两个条件：足够多的真实道路数据和验证模型性能的产品体系。文远知行过去几年的积累刚好满足了这样的条件。
在L4自动驾驶领域，文远知行已经形成规模化运营。公司披露，目前拥有超过3000辆L4自动驾驶车辆，产品进入12个国家、40多座城市，并在广州、北京、阿布扎比和迪拜开展常态化纯无人商业运营。量产市场上，文远也已经获得近30个车型定点，并搭载于奇瑞星途星纪元、广汽埃安N60等车型。
L4车辆提供更加复杂、更加接近无人驾驶要求的真实场景，L2++量产车提供更大的车辆规模和更广泛的道路覆盖。两者产生的数据，都可以进入WITT进行理解和筛选，再反向推动模型迭代。
更值得关注的是，自动驾驶下一阶段的竞争，不只是比谁拥有更多数据，而是谁能够更快、更准确地从中找到真正有价值的数据。
WPS Office是一款面向macOS用户的综合办公套件，将文字处理、电子表格、演示文稿、PDF工具、模板与云协作整合在同一应用中。它兼容常见Microsoft Office格式，支持Intel及Apple芯片Mac，基础功能可免费使用，
Shapr3D是一款面向工业设计、机械工程、建筑概念和三维打印工作流的CAD软件。Mac版采用Parasolid建模内核，支持草图约束、实体建模、工程图、可视化渲染及常见CAD格式交换，并可通过账户在多台设备之间同步项目。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Ableton Live 是面向音乐制作人与现场表演者的数字音频工作站，提供编曲视图、独具特色的现场视图、音频录制、MIDI创作、实时变速、乐器及效果器。Mac版原生支持Apple芯片，并可连接音频接口、MIDI控制器和第三方插件。
Adobe After Effects 是面向动态图形、影视特效与视频合成的专业创作软件。它提供关键帧动画、遮罩抠像、运动跟踪、三维空间、文字动画和表达式等工具，并可与 Premiere Pro、Photoshop、Illustrator
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Adobe Bridge 是面向摄影师、设计师及内容团队的免费数字资产管理工具，可集中预览照片、视频和 Adobe 项目文件，并利用评级、标签、关键词、元数据、筛选与收藏集完成分类检索。它还支持批量重命名、格式导出、相机导入及 Camera
Adobe Illustrator 是 Adobe 推出的专业矢量图形设计软件，适合在 Mac 上制作标志、图标、插画、包装、信息图及印刷版面。它以路径和锚点构建可无损缩放的图形，并提供钢笔、形状、文字、图像描摹、渐变、画板及生成式功能。
Adobe InDesign 是面向印刷品与数字出版物的专业版面设计软件，可在 Mac 上制作书籍、杂志、宣传册、海报、报告及交互式文档。它提供精细的文字样式、网格、母版、长文档管理和印前输出能力。
Adobe Lightroom Classic 是面向桌面摄影工作流的照片管理与后期处理软件，可将原始照片保存在本地硬盘，通过目录、关键词、评分和收藏夹高效整理图库，并提供 RAW 冲印、蒙版、镜头校正、批量同步及多格式导出等功能。
Adobe Media Encoder 是 Adobe 推出的专业音视频编码与转码工具，可通过队列、预设和监视文件夹批量完成格式转换、代理文件创建及多平台成片输出，并与 Premiere Pro、After Effects 等软件紧密协作。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理软件，提供图层、蒙版、选区、修复、调色、文字排版、智能对象及生成式编辑等能力。Mac 版支持 Intel 与 Apple Silicon 处理器。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理工具，可在 Windows 上完成照片修饰、选区抠图、图层合成、文字排版、绘画及生成式编辑。软件采用订阅授权，由 Creative Cloud 管理安装、更新与许
Adobe InDesign 是面向印刷与数字出版的专业页面排版工具，可制作书籍、杂志、宣传册、海报、交互式 PDF 和电子书。它提供精细的文字样式、多页面管理、印前检查及多格式输出能力，并能与 Photoshop、Illustrator
Adobe Illustrator 是用于绘制矢量图形、插画、图标、徽标和版式的专业设计工具。它以路径和锚点为核心，作品放大后仍能保持清晰，并提供画板、文字、渐变、图像描摹及精确变换等功能，适合品牌视觉、印刷物料、数字界面和商业插画创作。
Adobe Bridge 是 Adobe 推出的创意资产管理工具，可集中预览、分类和查找照片、视频、PDF及多种设计文件，并支持元数据、关键词、评级、批量重命名和格式导出。它可与 Photoshop、Illustrator 等应用衔接，
Affinity Photo 是一款面向摄影师、修图师和视觉设计人员的桌面图像编辑工具，提供 RAW 显影、多图层合成、蒙版、实时滤镜、批处理和色彩管理等功能。原独立产品已停止销售，其照片编辑能力已延续至免费的新 Affinity 应用；
Adobe Lightroom Classic 是面向 Windows 桌面摄影工作流的照片管理与无损编辑工具，可通过目录集中整理大型图库，并完成 RAW 显影、局部蒙版、批量调整、打印和多格式导出。它强调本地文件管理与精细控制，
Figma 是面向产品设计与开发团队的云端协作平台，可在 Windows 桌面客户端中完成界面绘制、组件管理、交互原型、评论评审和开发交付。文件保存在云端，多名成员能够同步编辑并共享设计系统；官方同时提供免费 Starter 方案及按席位计
Affinity Designer 是面向矢量图形、数字插画和界面设计的专业创作工具，可在矢量、像素与导出工作区之间快速切换。它提供曲线编辑、形状构建、画板、排版、图层和专业色彩管理，并支持常见设计文件的导入及多种印刷、网页格式输出。
Capture One Pro 是面向摄影师和影像团队的专业桌面照片处理工具，提供相机定制色彩配置、RAW转换、图层与蒙版、联机拍摄、目录及会话管理等功能。它适合棚拍、人像、商业产品、婚礼和风光摄影，
Adobe Acrobat Pro 是面向专业 PDF 工作的综合解决方案，可在 Windows 中创建、编辑、转换、比较、整理和保护文档，并支持表单、电子签名、扫描件文字识别及敏感信息永久遮盖。订阅还包含网页、移动服务和云端协作能力，
Adobe After Effects 是面向动态图形、动画与影视视觉特效制作的专业工具，可完成关键帧动画、图层合成、遮罩跟踪、抠像、文字动画和二维三维元素整合。Windows 版通过 Adobe Creative Cloud 安装及更新，
DaVinci Resolve是Blackmagic Design推出的一体化影视后期工具，将素材管理、非线性剪辑、专业调色、Fusion视觉特效、Fairlight音频处理和成片交付整合在统一工程中。免费版已覆盖多数个人创作需求，