7月17日，2026世界人工智能大会（WAIC）在上海顺利举办，自动驾驶与物理AI领域迎来重磅技术突破。文远知行WeRide在大会现场正式推出自研物理AI认知基础大模型WeRide WITT，依托独创的物理事实认知架构，打破传统自动驾驶AI的感知局限，构建起贴合真实物理世界的智能认知体系，为高阶自动驾驶、车载具身智能的迭代升级筑牢底层技术根基，标志着自动驾驶AI正式从视觉语义理解迈入物理事实认知新阶段。

当前行业主流自动驾驶AI模型，大多基于视觉语言大模型实现场景识别与语义判断，核心依赖像素、图像表层信息完成决策输出，存在天然技术短板。这类模型仅能完成场景表层识别，无法深度理解交通场景背后的物理逻辑、运动规律与环境约束，面对极端天气、异形障碍物、突发路况等复杂动态场景，容易出现认知偏差、决策滞后、预判失误等问题。同时，多模态信息割裂、场景认知碎片化、缺乏事实校验机制等问题，长期制约高阶自动驾驶的安全性与泛化能力提升，成为行业技术迭代的核心瓶颈。

此次发布的WeRide WITT大模型，全称World Intelligence Toward Truth，寓意“以可信事实建立世界认知”，创新性引入行业首个“最小物理事实单元”核心概念，彻底重构自动驾驶AI的认知逻辑。模型深度融合成熟的视觉语言大模型（VLM）技术，打通视频、图像、文本等多维度多模态信息，将连续、复杂、动态的真实交通场景，拆解为可识别、可解析、可验证、可推演的标准化物理事实单元，让AI不再局限于“看懂画面”，更能深度理解场景物理规则、运动逻辑与因果关系，实现从表层感知到底层认知的跨越式升级。

在核心能力层面，WeRide WITT构建起完整的四维技术体系，涵盖事实提取、事实推理、事实验证、事实编排全链路能力，形成闭环式智能认知迭代机制。模型可精准提取路况中的核心物理要素与场景特征，基于真实物理规律完成路况趋势推理、风险预判与行为推演，同时通过海量实景运营数据完成结果校验，智能编排最优行驶决策与避障策略。这套体系让每一段道路行驶数据、每一次实景场景交互，都能转化为可信的模型迭代素材，持续提升自动驾驶系统的场景适配性与决策精准度。

作为文远知行物理AI技术体系的全新核心成果，WITT与此前发布的GENESIS通用仿真模型形成高效技术互补，构建起“虚拟仿真训练+实景事实认知”的双轮驱动技术格局。GENESIS模型负责在虚拟数字空间复刻海量场景、完成模型预训练，而WITT聚焦真实物理世界的认知落地，依托文远知行多年L4级自动驾驶商业化运营积累的海量实景数据，提炼真实世界的运行规律，解决虚拟仿真与实景落地的认知偏差问题，大幅提升模型在复杂真实路况下的鲁棒性。

相较于传统自动驾驶大模型，WeRide WITT的核心优势在于解决了AI认知“脱离物理现实”的行业痛点。传统模型易出现违背物理逻辑的误判，而WITT以物理事实为核心搭建认知框架，所有决策均贴合真实世界运行规则，能够高效应对城市复杂路况、动态突发场景、极端环境干扰等高频难题，显著提升自动驾驶的安全冗余与场景泛化能力，为高阶辅助驾驶、全场景无人自动驾驶的规模化落地提供坚实技术支撑。

业内人士表示，物理AI与世界模型是下一代自动驾驶、具身智能的核心发展方向。文远知行WeRide WITT的正式发布，不仅是企业自身全栈技术能力的重大突破，更为行业提供了全新的物理AI研发范式。未来，文远知行将持续迭代WITT模型的认知精度与推理能力，深化物理AI在自动驾驶场景的落地应用，依托技术创新持续刷新自动驾驶安全标准，推动国内智能驾驶产业向更高阶、更安全、更智能化的方向迭代升级。