文远知行在 WAIC 期间发布物理 AI 认知基础大模型 WITT(World Intelligence Toward Truth),把"理解真实世界"拆成可被识别和验证的"原子级物理事实"(Atomic Physical Facts, APFs)。 WITT 借鉴维特根斯坦"世界是事实的总和":模型不再把一段驾驶视频当整体学习,而是先识别"自车右转、信号灯切换、行人横穿"这类最小事实单元,再围绕这些事实做提取、推理、验证、编排。流水线被拆成事实提取、事实推理、事实验证、事实编排四件事,并配套"6+1"事实验证维度,给自动驾驶场景里常见的幻觉、遗漏、时序错位提供量化抓手。 效率层面:相较百 B 级参数的通用大模型,WITT 可节省约 98% 的 Token 成本,单卡单日处理 1 万分钟车辆视频,数据处理效率最高提升 200 倍,平均每片段事实错误率约为通用大模型的三分之一。 闭环意义在 WITT 与文远自研世界模型 GENESIS 共同构成的"物理 AI 飞轮":前者从真实数据中萃取、验证事实,后者据此生成高保真仿真与长尾场景。文远的护城河不只是 3000+ 辆 L4 Robotaxi,而是能把这支车队每天吐出的视频持续变成"可被验证的事实"——这是 L4 与 L2++ 数据能在同一套认知底座上共用的前提,也是国内同行最难抄的一段。