# 文远知行发布物理AI大模型WITT：重塑自动驾驶的认知底座
近日，自动驾驶领域领军企业文远知行（WeRide）正式发布其自主研发的物理AI大模型——**WITT**（World Interaction and Temporal Transformer）。这一模型并非传统意义上的语言或视觉大模型，而是一个专为理解物理世界动态规律而构建的“世界模型”。它的问世，标志着自动驾驶系统从“感知-决策”的简单流水线，迈向了具备时空推理能力的认知新阶段。
**WITT的核心技术突破在于其对物理规则的深度嵌入。** 传统自动驾驶模型通常依赖大量标注数据学习场景特征，但面对长尾场景（如突发事故、恶劣天气）时泛化能力不足。WITT通过引入“物理先验知识”，将牛顿力学、运动学约束以及光照、摩擦力等环境参数编码为可学习的隐式表征。模型能够同时处理多模态传感器数据（激光雷达点云、高清摄像头图像、毫米波雷达信号），并利用时序Transformer结构对过去、现在与未来进行联合建模，实现了对车辆、行人、非机动车的轨迹预测误差降低40%以上。
**更值得关注的是，WITT展现出了“因果推理”能力。** 在测试中，当遇到前方车辆突然变道时，WITT能够基于物理动量守恒推断出后车的制动距离，而非仅仅依赖模式匹配。这种能力使其在复杂交互场景（如无保护左转、环岛汇入）中表现出远超现有端到端模型的稳定性。文远知行透露，WITT已在旗下Robotaxi与Robosweeper（自动驾驶环卫车）车队的超过1000万公里真实路测数据上完成训练，在极端场景下的接管率下降了60%。
**从行业视角看，WITT的发布将加速自动驾驶向“通用人工智能”演进。** 当前，物理AI被视为通往L4级及以上自动驾驶的关键桥梁——它让机器不仅“看见”世界，更“理解”世界。文远知行选择将WITT设计为轻量化但可扩展的架构，未来有望适配人形机器人、智能物流车等更多实体设备。这或许意味着，自动驾驶公司正从单一场景的“算法优化”转向“底层物理认知”的竞争，而这正是行业迈向真正智能化的分水岭。
