文远知行在世界人工智能大会发布物理AI认知基础大模型

【实时直播转录 · 世界人工智能大会】
来源:世界人工智能大会(bilibili 直播间 21586166) · 标题:魔盒直播间（徐汇）
时段:2026-07-17 14:00–14:30(Asia/Shanghai),共 61 段
说明:以下为该时段该直播间的连续语音转录(FunASR 流式 ASR,可能有同音/识别误差)。请从中识别与 AI算力/芯片/服务器/光模块/液冷/数据中心/大模型/机器人·具身智能/自动驾驶 等相关的、**可交易**的公司/产品/订单/产能/需求/合作/高管或官员表态,判断是否构成可交易事件;若通篇无可交易内容,判为不做。识别误差请结合上下文与常识修正,勿据孤立音近词臆断。

--- 转录正文 ---
[14:10] 文远知行正式发布物理AI认知基础大模型。we write weight weight就是说word intelligence turwl truth weight诞生于文远知行过去数年间大规模的自动驾驶落地的实践。但它解决的是一个更基础的物理AI的底层问题就是AI如何从真实世界中提取事实推理事实推证事实，再把这些事实转化为可以学习的知识，这就是v vi weight
[14:12] 。那么我们其实是在行业内首次把最小物理事实单元这个概念引入到物理AI这个数据体系里边。这从根本上改变了行业的场景和处处理现实世界数据的方式。我们都知道过去十年自动驾驶和AI场，据主要是靠场景来组织数据训练，数据不断的收集更多的场景覆盖更多的场景，但场景的颗粒度很大，比如说一个路口，路口一段会车一次变道里面可能有多个对象，多个行为多层关系，但我们笼统的把它归为一个场景，其实是很难复用和验证的。所以为就把视频里的对象行为关系状态，结果拆解成可信度高，能被校准能被验证的最小物理事实单元比如说下雨是一个事实，右转是一个事实，比如有行人横穿马路是一个事实，这些事实按照时间和因果关系组合起来才形成了我们看到的完整的场景，在此基础上为it构建起了统一的事实层，让真实世界的数据其实被系统化的这个数据数据的方式
[14:12] 。因此我们的weight总共围绕这个最小事实单元weight形成了四大的核心能力。事实提取。事实推理。事实验证和事实编排
[14:12] ，先看事实提取所谓的事实提取呢在真实道路上大致可以分为三类。第一类人眼看得明白，但感知系统很难去抓抓取到的。第二类动态交互场景变化很多AI容易顾此失彼。第三类人眼都很难识别的物理的模糊的条件。但是都可以被微微right weight很好的提取出来
[14:13] 。第二类我们叫事实推理。面对更复杂的符合的场景，weight的场景定位的能力更强。它不只是回答发生了什么，还要回答为什么发生以及接下来会怎样？而且weight内置了视频，据引引擎，你可以用然然言言进行问问。如如说前方有没出出现情情况？前有没有脱离险情的片段，它会从海量数据中精确找到你想要的在公开评测集里wait视频全场景的理解能力。现如说第一景的景
[14:13] 问答单帧问答都超过我们的竞评
[14:13] 。第三个，我们叫事实的验证模型，能够输出答案还要进一步的回答一个问题，这个答案可信吗？为此，伟远之行，首创了六加一的事实验证维度。六个维度来讲，事实的深度一个维度来讲置信度
[14:14] 。我们从六个维度来描述和解释一段视频它包括弱势的道路使用者自车行为、他车行为、场景理解事实的完备性交通设施。这六个维度覆盖了
[14:14] 自动驾驶场景里几乎所有的关键因素。但这六个维度有一个问题，就是描述对得上吗？就这个六个维度。就够了嘛，所以我们还增加了第七个维度，就叫事实置信度这个
[14:14] 维度不描述内容，他只做一件事情就是引入外部的物理证据反向的验证前六个维度是正确的，是能不能被物理所证明的多年的运营经验让文远之行沉淀了复
[14:14] 在完备的外部证据收集链路，我们总共追踪大概四种错误。第一个叫事实错误，幻觉遗漏时序错误。六个维度交叉验证，再加上物理一致性的兜底每个片段
[14:15] 平均事实的错误率我们约我们的错误率约为通用模型的三分之一
[14:15] 。那最后一个就是事实编排，其实大家都知道自动驾驶的竞争本质上是数据飞轮的动竞争，谁能更快更好的把真实世界的驾驶经验变成模型能力再反哺到车上，谁的模型就谁的车就跑得越来越好，谁的AI就越聪明。所以wait weight编编排能力能按照学习的价值对事实的视频数据进行分流，每条数据呢进入最适合他学习的
[14:15] 路径，最稀缺的回放到我们世界模型啊文院的genesis里边进行模拟的训练，日常的高质量的数据做强化学习提升AI的能力。我们想做的是什么？我们想做榨干
[14:16] ，按每一条数据的价值屏蔽掉脏数据，现在无远之行，已经形成了物理AI基础模型下的数据飞轮体系。飞轮的起点是真实数据，无远之行，有两种车队在路上
[14:16] 跑，一种是l四全无人的运营车队，包括我们的robot taxi robt、 one robot sweper和robot呃和robot bus积累的是最复杂最边缘的极端场景。另一种是我
[14:16] l二加加的量产车队规模庞大，覆盖海量日常的驾驶场景，两支车队呢数据互补，共同喂养我们云端的大模型。所以当数据进入云端以后，有两个大模型
[14:16] 在工作。第一个就是weight，是我们的认知基础模型负责理解世界，把路上发生的每件事情结构化成机器能够学习的物理事实。第二个是genesis空间基础模型负责
[14:17] 生成和仿真不断扩展模型训练的场景边界，云端的物理事实和合成经验，通过共同的监督机制，持续的注入到文远智行车端大模型，让车端模型不断的迭代
[14:17] 。所以我们的模型就会跑得越来越好，越来越稳，越来越安全。我们自动驾驶的系统也因此每天比昨天更强
[14:18] 。为什么是文远来做的这件事情？为什么是文远有了这样一个物理大模型？那是因为物理事实的需求，它必须要来自真实的道路，真实的车队和多国商业化场景的持续验证。大家都知道文远之行是全球唯一一家同时实现l四无人驾驶和l二加加辅助驾驶规模化商业运商用的城市，我们的自动驾驶的产品已经落地，全球十二个国家，四十多个城市，l四车辆的规模超过三千辆。我们的robot taxi在北京，广州阿布扎比迪拜开展了这个纯无人的商业化运营。在新加坡利亚德苏黎世马德里等多国核心的城市启动了公开城市运营和测试运营。与此同时，与l四同源的l加加的技术也表现的非常亮眼。我们一段是adas方案。拿下了全国全们近三十个车型定点在其瑞星星途新纪元。广汽埃安n六零等车型上量产上车在德国法国、日本等国家开展道路测试。最近，我们更是斩获了中国智驾大赛史无前例的六连冠。最是很多在座的朋友也看到了这个这个新闻，其实它证明我们两种数据是相互弥补，这正是weight训练的基础，也是他理解物理世界的底气
[14:19] 。我们也把weight的核心能力和竞争力做了一段VCR也请大家来看，请大家看大屏幕，真实世界从未停止学习，也从未停止robot taxi正迈向大规模纯无人运营，随能辅助驾驶正走向千万级规模。AI要学会的，不再只是驾驶。随着持续学习，真实世界运营规模化车队每一天每一公里、每一次交互都在创造海量经验。随着物理AI迈向规模化新的挑战开始出现机器幻觉开始增加隐藏问题，难以发现人为噪声极易淹没。这些都在阻碍真正值得学习的经验。生成物理AI不缺数据，缺的是可信可学习的物理事实
[14:20] AI需要更好的老师，需要来自真实世界的可信的物理事实。we wrde with it运运生物理AI认知基础大模型生于商业化服务规模化。它不只是理解视频，他理解真实世界，并将真实世界转化为机器。可信的物理事实
[14:20] 一看即懂。we ride with以物理事实为核心单元，将复合场景视频拆解为高置信可校准的最佳时件在在
[14:20] 采用多个实时组合生成高密度场景描述
[14:21] 小于七b模型规模，实现自动驾驶垂类高性能理解，相比主流通用多模态、大模型，可节省百分之九十八token成本单块GPU每天可处理一万分钟车辆运行视频一次性求可输出
[14:21] 一百家动态标签
[14:22] ，一问即得自动理解归因预测真实事件内置视频数据引擎
[14:22] 能够通过关键词快速定位海料食品的相关时间节点定位场景
[14:22] 同样的算力，每天处理最高两百倍的车辆运行视频数据一验即侦
[14:22] 要用全局物理证据
[14:22] ，基于reward体系和六维维评测交验验证实施一致性，建立极其可信的truth
[14:22] 理解正确率。较行业通用模型提升三倍
[14:22] ，一筛几惊
[14:22] ，按学习价值智能分流，让每一条数据进入最佳学习路径
[14:22] ，真实世界，创造事实，we ride with让事实成为真知原
[14:23] 与真实世界正与真实世界一套物理AI底座两大商业体系共同验证
[14:23] 。这就是文远执行物理AI的进化方式。每一个事实都至关重要。每一公里都推动进化。we ride with眼见为实洞察真知
[14:23] ，带大家看到我们是weight的真实的实际能力。接下来我们用benchmark来用结果说话，我们在十一个自动驾驶测试和和物理AI相关的一些评测集上对weight做了测试
[14:23] 。这些测试集覆盖静态图片理解时序视频理解常识，理解我们和三个不同参数尺寸的代表性的模型进行了横向的对比。尽管部分对比模型的参数规模是我们weight十倍，但是在十一项测试中wait整个的依然是在七项上取得了第一
[14:24] 。我们进一步把几个视频评测级的题目按照任务类型进行分类，结果就会更加明显。无论是在场景问答，还是行为分析，weight都取得了领先。总体平均分上，我们甚至比两百b的模型还要高出十分
[14:24] 公开评测集之外，我们还围绕着最小物理事实单元这个理念自研了一套测试集和评测体系。在这套评测体系之下，weight和几个主流模型包括顶尖的必然大模型做了横向对比。在六个维度上全面的超越对手，大家看最左边的雷达图，最外外圈的绿色六边形就是weight的能力，指数场景理解等核心维度优势非常明显，右边的表格是同样的信息数值的差距还是一目了然
[14:25] 。所以呢我总结一下weight核心的性能指标相比动辄几十b甚至上百b参数的通用大模型工程化的优势是我们可可以省百分分九万分钟weitotoken成本在规模算力预处理之下数据处理的效率提升提高两百倍。单张主流显卡，我们每天可处理一万分钟，车辆运行的视频十一项物理AI公开测试集中七项取得领先。单次请求输出一百加动态行为标签，事实错误率呢为通用基础大模型的三分之一，这就意味着用云端物理AI模型大规模处理车辆运行数据在工程上变成了可行
[14:26] 。那么weight的物理事实能力不仅局限于自动驾驶，凡是AI需要在物理世界理解、判断、行动都需要这一层。比如说巨身智能和physical agent同样都需要理解环境
[14:26] 行为规则和风险物理AI的边界延伸到哪里，weight就可以跟到哪里
[14:26] ，最后跟大家分享一点我们的信念。我们觉得每一个事实都至关重要。每一个公理堆都推动进化。我想正是这样，技术一点，一滴的发展，推动了整个无人驾驶这个事业的不断进步
[14:26] ，没什么所以
[14:26] 以上就是我的分享欢迎交流，谢谢大家，谢谢谢谢我们的霍总，请留步来到我们的舞台中央哈。今天我还在准备咱们的这个稿件的时候，我的先生就在出门前跟我说哇，你要去做这个文远之行的，他们很有名，最近还拿了
[14:26] 果不其然，今天也是非常开心的这种心情啊跟大家共同的来分享。但是我作为这个家庭主妇哈平时也自己开油车嗯，我对于这个自动驾驶会有一点点的担忧。因为我曾经呢就是在几年前看到过一个就是高
[14:27] 速上呃广告牌上正好是车尾，然后呢我想自动驾驶万一识别到这是一辆真实的车急停了，哪能北对吧？我就很紧张，但是我先生说自动驾驶的好处是什么呢？其实你一直都不
[14:27] 知道，我在高速上都是自动驾驶。对，而且他说万一前面的这个司机呢不太讲武德，不小心丢一个瓜皮呀，然后裹壳呀，甚至一个塑料袋直接迎面而来的时候哇
[14:27] ，自动驾驶就可以救你的命啊，对不对？对，是的是的，今天呢其实有很多媒体的好朋友们来到现场可以询问您一些问题哈，也解答一下真知我呢同时也作为媒体的代表我来问问您哈。好，我是一个有二
[14:27] 十五年经验的老司机
[14:28] 女司机，我就想问问看您说的今天发布的这个weight模型啊，对同普遍意义上的这些视频啊呃大模型有什么区别？能够给咱们老百姓，甚至是这种车队带来什么样的好
[14:28] 处？您言简意赅的来讲一讲，我呢也抛个砖，引个喻。当然当然我们的weight大模型呢其实是专门为自动驾驶所设计的视频理解的模型，它能够做到什么？它能够帮助我们整个算
[14:28] 法团队去更好的获得这些高质量的数据。所以我们在车我们在茫茫的这个生活中，现在其实已经有很多l加加高阶辅助驾驶，甚至包括听不懂听不懂，什么l加加高阶辅助，听不懂听不懂，比如说
[14:28] 你现在的私家车上，像我们在新纪元对吧？然后在我们的n六零上面的这些这些呃辅助驾驶的功能，你就不需要自己开啊，你只需要看着车开，但是在关键时刻你需要一些接管，就我们有很多的车在这样跑。所以我们
[14:29] 收集了很多的数据，这些数据呢可以被我的胃很好的理解理解完之后呢，它所分析产生的一些对于这个世界的认知，这些知识呢可以送到我的车端大模型所以它可以做到什么
[14:29] 让我车跑的更好，让我车上的AI也更好。你以后就不用担心前面扔一个西瓜皮或者是一个小塑料袋，这些都能被我们很好的检测出来，我觉得这就是我们weight作用，所以wait应该算是博士后，对不对
[14:29] ？就属于咱们的这个学霸，对学霸学更好。我理解了这个世界。好的，那接下来呢就是我们的媒体提问环节有哪位好朋友想要举手来询问这个第二个问题呢？有请我们有请工作人员也可以
[14:29] 把话筒交给我们的媒体工作人员现场的观众朋友呢如果有问题也是可以的来有请