文遠知行推出WITT模型，AI代幣成本降低98%

文遠知行（WeRide Inc.）週四發布WITT（World Intelligence Toward Truth，趨近真理的世界智能）模型，這是一款物理AI認知基礎模型，引入「原子物理事實」作為機器理解物理世界的基本構件，與通用AI模型相比，代幣成本最多降低98%。

該公司在一份聲明中指出：「WITT將持續演變的真實世界環境分解為可驗證的事實，這些事實能夠被識別、推理及驗證。」該模型以哲學家維根斯坦（Ludwig Wittgenstein）「世界是事實的總和」這一命題命名，從駕駛數據中提取三類原子物理事實：標準駕駛事實、多智能體交互事實以及物理條件模糊的場景。

據文遠知行表示，該模型在單張GPU上每天可處理多達10,000分鐘的車輛運行視頻，在同等工作負載下，數據處理效率提升200倍。單次請求可生成超過100個動態標籤，從而實現對駕駛錄像的快速檢索與驗證。文遠知行稱，在自動駕駛場景理解任務中，WITT的平均事實錯誤率約為主流通用AI模型的三分之一，但未具體說明用作對比模型的名稱。

此舉解決了物理AI領域一項根本性挑戰：大量真實世界的運營數據中包含雜訊、人工干預及無效段，限制了這些數據的訓練價值。WITT的四階段流程——事實提取、事實推理、事實驗證和事實篩選——將每一公里的駕駛數據轉化為結構化學習信號。高價值的長尾場景被導入文遠知行的GENESIS模擬模型進行合成訓練，而高頻日常場景則支援強化學習工作流程。

WITT如何改變自動駕駛的經濟學

文遠知行的架構將WITT與其專有通用模擬模型GENESIS配對，形成該公司所稱的「物理AI飛輪」。WITT從真實世界數據中提取並驗證物理事實；GENESIS則基於這些事實生成高保真模擬環境及長尾訓練場景。兩者共同訓練車端模型，使其透過真實世界經驗與合成學習不斷提升。

效率提升十分顯著。通用AI模型往往依賴數千億個參數，而WITT以精簡得多的架構實現了強勁性能。代幣成本降低98%，意味著文遠知行能夠以競爭對手所需計算成本的一小部分，處理其車隊的運營數據——這些數據涵蓋12個國家40個城市超過3,000輛自動駕駛車輛。

文遠知行已獲得包括中國、阿聯酋、新加坡、法國、瑞士、沙烏地阿拉伯、比利時及美國在內八個市場的自動駕駛許可。其Robotaxi服務在廣州、北京、阿布達比及杜拜實現全無人駕駛運營。該公司的L2++ ADAS解決方案WRD 3.0已連續六屆獲得中國城市智能駕駛挑戰賽冠軍，並被近30個車輛項目選用，包括奇瑞星途及廣汽埃安的車型。

競爭格局與投資啟示

此次發布使文遠知行置身於日益壯大的自動駕駛與物理AI企業陣營之中。廣州競爭對手小馬智行（Pony AI）已將其Robotaxi業務擴展至全球超過20個城市，並近期透過與ComfortDelGro合作，在新加坡推出面向消費者的應用程式服務。優步（Uber）自2020年出售自動駕駛部門後採取了合作夥伴驅動策略，目前在歐洲和中東地區與文遠知行合作部署Robotaxi。

根據公開文件，凱西·伍德（Cathie Wood）旗下的ARK投資管理公司於7月14日增持了22,000股文遠知行股票，同時也買入了小馬智行及Kodiak AI的股票，顯示出對自動駕駛技術領域的信心。文遠知行以代碼WRD在納斯達克及香港聯交所雙重上市。

對投資者而言，WITT所聲稱的錯誤率僅為通用模型三分之一的表現——若經獨立驗證——可能為文遠知行在擴大自動駕駛運營規模時帶來結構性成本優勢。根據Markets and Markets的數據，自動駕駛叫車市場預計將從2023年的4億美元增長至2030年的457億美元，年複合增長率高達91.8%。文遠知行能否比競爭對手更有效地將運營數據轉化為訓練信號，將決定哪些公司能夠在這一增長中實現盈利。

本文僅供資訊參考，不構成投資建議。