WeRide WITT：自动驾驶采用“基础模型”格式

简单来说

WeRide，中国自动驾驶领域的重要参与者之一，在2026年世界人工智能大会（WAIC）上展示了一种独特的“基础模型”——WITT，它将多模态理解统一为围绕最小物理事实的路景理解。换句话说：与其堆叠子系统（感知、预测、规划），不如用一个主干来处理它们。

背景

embodied-foundation-race线程（小米机器人-U0开源38B，#1139；X-Square机器人，#1072；Nvidia GR00T；丰田织女城×Nvidia，#1153）使得2026年成为“为机器人做LLM为语言所做的事情”的想法转化为产品的年份。WeRide，迄今为止以运营车队（机器人出租车、扫地车）为主，跨越了边界：从服务提供商转向架构提供商。

关键点

“最小物理事实”这一表述是编辑信号。它指向一个精确的工程决策：与其让模型学习每一种可能的场景，不如将其锚定在物理约束的核心（质量、距离、动态）上，并让学习处理其余部分。这与LLM所经历的本体论转变相同：更少的特征工程，更多的数据工程。

对于WeRide来说，挑战是双重的。商业上，一个统一的主干可以以许可证或嵌入式ADAS的形式出售给那些无力自建技术栈的制造商。战略上，这将WeRide与中国“物理AI”的叙事联系起来，北京正在WAIC上推动这一叙事（WITT在汽车领域，U0在机器人领域，润和在计算领域——另见#1044关于城市预测）。

技术细节

需要保持谨慎：Pandaily报道了这一宣布，但尚未有论文或第三方基准测试。关键问题将是模型的规模（参数、标记）、可用性（开放权重或API）和嵌入式延迟。没有这些数据，WITT仍然是一个展示的架构，而不是经过测量的架构。

结论

如果该宣布在6个月内转化为可用模型，WeRide将与小米机器人-U0处于同一类别：中国物理AI技术栈的战略资产，可重复使用于汽车之外的领域（送货机器人、无人机、类人机器人）。否则，这将只是WAIC上的另一张名片。后续关注：首批技术出版物和OEM采用情况。