# 文远知行推出物理AI认知基础大模型WIIT，开启真实世界理解新范式
近日，全球领先的自动驾驶科技公司文远知行（WeRide）正式发布其自主研发的物理AI认知基础大模型——**WIIT（World Interaction & Intelligence Transformer）**。这一举措标志着文远知行从传统的自动驾驶解决方案提供商，向构建“通用物理世界理解框架”的深度探索者迈出了关键一步。WIIT并不是一个简单的多模态模型，而是专为理解复杂物理动态、因果逻辑及空间交互而设计的认知基础模型。
**深度解析：从“看见”到“理解”的跨越**
与当前流行的基于海量文本和图像数据训练的大语言模型不同，文远知行WIIT的核心在于对**物理世界底层规则**的建模。它通过融合摄像头、激光雷达、毫米波雷达及GPS/IMU等多种传感器数据，构建了一个能够感知物体属性（如刚性、流体、可变形）、预测物理交互（如碰撞、遮挡、滑动）以及推演时空连续性的统一框架。
WIIT的突破性在于其“认知”层面。它不再仅仅识别道路上的“轿车”或“行人”，而是能够理解“一辆正在转弯的轿车可能会遮挡住后方驶来的自行车”这一复杂的物理因果关系。这种能力源于模型对大规模真实路测数据与仿真环境的深度预训练，使其具备了类似人类直觉的“物理常识”。例如，模型能够准确判断一个纸箱在风中滚动的轨迹，或是预测雨天积水路面的车辆制动距离变化。
**行业影响：重塑自动驾驶与具身智能的底层逻辑**
WIIT的推出，对于自动驾驶行业乃至更广泛的通用机器人领域具有深远意义。首先，它解决了长期困扰自动驾驶的**长尾问题（Corner Case）**。通过构建真实世界的物理模型，车辆能够对从未见过的异常场景（如散落的货物、非标准交通参与者）进行基于物理规则的推理，而非依赖有限的标注数据，从而大幅提升决策的鲁棒性与安全性。
其次，WIIT为**端到端自动驾驶**提供了新的演进路径。它不再割裂感知、预测与规划模块，而是基于统一的物理认知进行联合优化。这有助于减少传统pipeline中的信息损失，实现更流畅、更拟人化的驾驶行为。在更宏观的层面，WIIT作为物理AI的基础设施，未来有望赋能送货机器人、人形机器人等具身智能体，让机器在复杂、动态的物理世界中实现真正的自主与协作。文远知行此举，正将人工智能的竞争从“文本世界”拉入充满挑战与机遇的“物理世界”。
