这家自动驾驶公司表示，其基于事实的新型认知模型可将 token 成本最多降低 98%，并将运营驾驶数据转化为经验证的学习信号。
文远知行发布了 WITT（World Intelligence Toward Truth），将其定义为一种物理 AI 认知基础模型，旨在把现实世界中的运营数据转化为其所称可用于 AI 训练、评估和迭代的可信事实。该模型引入了“原子物理事实”（Atomic Physical Facts，APFs）概念，将其作为关于物理世界的最小可验证信息单元，并通过四项功能——事实提取、事实推理、事实验证和事实编排——把视频、图像和文本转化为结构化且经验证的学习信号。 该公司表示，WITT 旨在解决自动驾驶中的一个核心问题：海量且嘈杂的真实世界数据、稀缺的长尾场景（罕见但重要的边缘案例），以及通用 AI 模型对场景理解不一致。在文远知行的架构中，WITT 与其 GENESIS 仿真模型协同工作，形成一个反馈闭环，将运营数据转化为事实，再进一步转化为仿真和训练输入。 文远知行称，WITT 在单个 GPU（图形处理器）上每天可处理最多 10,000 分钟车辆运营视频，将 token 成本最多降低 98%，并在可比工作负载下实现最高为大型通用 AI 模型 200 倍的数据处理效率。公司还表示，在自动驾驶场景理解任务中，WITT 的平均事实错误率约为领先通用 AI 模型的三分之一。该公司将此次发布视为其推动构建基于现实世界验证的认知基础模型的更广泛举措之一，正值物理 AI 进入更大规模部署阶段。