软件介绍

法国空乘未删减版使用指南

第一步：：导入文件

打开软件，，，点击"?增长 法国空乘未删减版"按钮，，，从电脑当选择《法国空乘未删减版》文件，，，或直接将其拖拽至软件界面中。。

第二步：：配置解析

软件会自动鉴别并解析导入的文件，，，您可凭据界面提醒选择所需的保留蹊径或下载体式。。

第三步：：起头下载

确认无误后，，，点击"起头下载/处置"按钮。。期待进度条读取结束，，，即可在设定的文件夹中查看下载好的正版文件。。

文远知行颁布物理AI大模型WITT，，，以物理事实重构AI认知，，，法国空乘未删减版

7月17日，，，全球当先的自动驾驶科技公司文远知行WeRide（NASDAQ：：WRD，，，HKEX：：0800）正式颁布自研物理AI认知基础大模型WeRide WITT。；；；谑泳跛祷按竽Ｐ停╒LM）能力，，，WITT初次引入“最小物理事实单元”概念，，，买通视频、、图像、、文本等多模态信息，，，将陆续变动的真实场景拆解为可被鉴别和验证的事实单元，，，构建起以物理事实为主题的新一代AI理解框架。。

WITT全称World Intelligence Toward Truth，，，意为“以可信事实成立世界认知”。。这一定名也致敬了20世纪哲学家路德维
！！！の馗固梗↙udwig Wittgenstein），，，他提出的“世界是事实的总和”概念与物理AI的底层逻辑高度符合：：AI要认知真实世界，，，关键在于从环境、、行为、、规定、、风险与时序关系中提炼可信事实，，，在此基础上形成对物理世界的判断与推理。。

（文远知行物理AI认知基础大模型WeRide WITT，，，构建以物理事实为主题的新一代AI理解框架。。）

随着物理AI落地过程加快，，，自动驾驶成为首个可被大规模贸易化验证的赛道，，，痛点也集中显露：：数据越来越多，，，但真正有训练价值、、评测价值和迭价值值的数据，，，并不容易被高效鉴别和利用；；；高价值长尾样本稀缺，，，L4现实运营与L2量产数据中混合着报答收受、、无效片段等噪声；；；通用大模型在理解复杂交通场景时，，，也容易产生幻觉与误判。。

行业亟需一套高效、、可信的数据理解机制，，，从真实路线数据中持续提炼有效的场景事实，，，提升数据进入训练、、评测与迭代闭环的质量和效能，，，让真实世界经验沉淀为自动驾驶系统的进化能力。。

WeRide WITT正是为此而生，，，它根植于文远知行全球贸易化运营的数据泥土，，，从海量运营信息中提炼物理世界的认知法规，，，形成了事实提取、、事实推理、、事尝试证、、事实编排四大主题能力，，，贯通从场景鉴别、、事务归因到数据验证、、学习分流的齐全链路，，，让每一公里的真实路线数据都成为可信的模型迭代信号。。

（WeRide WITT的四大主题能力）

1. 事实提取

WITT可能从尺度驾驶事实、、多主体交互事实和物理：：疤崛鑫，，，鉴别真实路线视频中的“最小物理事实单元”，，，覆盖日常交通畅为、、交通参加者关系变动，，，以及复杂环境下的物理状态不确定性。。

例如，，，一段夜间雨天城市路线行车的视频，，，会被WITT拆解为自车右转、、城市路线、、交叉口、、路口信号变动等多个事实单元。。每个事实单元都具备高相信、、可校准、、可追忆的特点，，，并可天生高密度场景描述，，，为后续理解、、验证和学习分流提供基础。。

（WeRide WITT从真实路线视频中鉴别并提炼“最小物理事实单元”，，，精准鉴别复杂路况。。）

2. 事实推理

实现事实提取后，，，WITT可能进一步推理场景中的关键事务、、行为关系与风险变动，，，并分析事务成因和后续演化趋向。。

在自动驾驶研发流程中，，，工程师往往必要从海量视频中寻找特定长尾场景，，，例如“施工区域在行人忽然横穿”“雨天低能见度下他车压线”“窄路会车时自车减速避让”等。。依附内置视频数据引擎，，，WITT支持通过关键词或天然说话问题急剧检索海量视频数据，，，精准定位有关时序和指标场景，，，大幅提升长尾样本发现、、数据回溯和问题定位效能。。

（WeRide WITT内置视频数据引擎，，，支持通过关键词或天然说话问题急剧检索海量视频数据。。）

3. 事尝试证

为预防通用大模型在复杂交通环境中产生幻觉，，，WITT从弱势路线使用者、、自车行为、、他车行为、、场景理解、、事实完整性和交通设施六个维度评估模型输出，，，并引入事实相信度，，，挪用外部物理证据反向验证结论是否成立。。

通过追踪事实谬误、、幻觉、、遗漏和时序谬误，，，WITT既为数据使用者提供质量判断尺度，，，也为模型训练提供偏好信号，，，疏导模型持续天生更切合物理法规的理解了局。。当前，，，WITT在自动驾驶垂类场景中的均匀每片段事实谬误率仅约为通用大模型的三分之一。。

（"6+1"事尝试证维度对比WeRide WITT模型和主流通用大模型对于自动驾驶垂类场景的理解成效。。）

4. 事实编排

在真实路线运营中，，，分歧数据的价值并不一样。。WITT可能依照学习价值对事实视频进行智能分流，，，让每一条数据进入最相宜的学习蹊径。。

稀缺长尾场景回流至文远知行自研世界模型WeRide GENESIS，，，用于仿照训练和场景扩大；；；高频日常场景用于强化学习和流程优化；；；异常片段进入复核机制，，，预防关键数据被误判为“脏数据”，，，最大化开释真实路线数据价值。。

由此，，，WeRide WITT与WeRide GENESIS在云端共同驱动文远知行物理AI飞轮：：WITT掌管从真实路线数据中提取、、理解、、验证和编排物理事实，，，GENESIS据今天生高保真仿真场景与长尾训练场景，，，二者协同训练车端模型，，，推动自动驾驶能力在真实世界中落地和持续进化。。

（物理AI认知基础模型WeRide WITT和世界模型WeRide GENESIS共同驱动文远知行物理AI飞轮，，，训练自动驾驶车端模型。。）

支持这套物理AI飞轮高效运行的，，，是WeRide WITT的工程部署效能。。相较于动辄百B级参数的通用大模型，，，WeRide WITT以更轻量的模型规模，，，在同类工作中可节俭98%的Token成本，，，单卡单日可处置1万分钟车辆运行视频，，，最高实现200倍数据处置效能提升。。在标签模式下，，，WITT单次要求即可输出100+动态标签，，，海量真实路线视频得以急剧实现检索、、验证、、进入模型迭代，，，成为持续沉淀的事实资产。。

依附物理AI飞轮，，，文远知行成为全球唯一实现L4级无人驾驶和L2++辅助驾驶规模贸易利用的公司。。在L4无人驾驶领域，，，文远知行手握八国自动驾驶派司，，，旗下自动驾驶产品落地12个国度、、40多座城市，，，L4自动驾驶车队数量超过3000辆，，，Robotaxi在昭通、、北京、、阿布扎比、、迪拜两国四城开启常态化大规模纯无人贸易运营。。

与此同时，，，L4堆集的高质量数据和模型能力，，，正通过物理AI飞轮持续迁徙至L2++一段式端到端ADAS规划WRD 3.0。。目前，，，WRD 3.0已在第二届中国智驾大赛中拿下史无前例的六连冠，，，获得近30个车型定点，，，量产上车奇瑞星途星纪元、、广汽埃安N60等车型，，，并成功技术出海至德国、、法国、、日本等国度。。

从自动驾驶这一高密度、、高复杂度的验证场景启程，，，WeRide WITT展示出面向物理AI的通用潜能。。其对物理事实的统一建模能力，，，也为具身智能等更宽泛物理AI场景提供理解真实世界的底层能力。。

站在物理AI进入规；；；涞氐男陆锥，，，文远知行将持续以真实世界验证为基础，，，推动物理AI认知基础大模型能力演进，，，推动AI从认知物理世界，，，走向更大规模地作用于物理世界。。

主题为「智能同伴·共创将来」的WAIC2026正在火热发展中
！！！AI叙事路线从模型参数堆叠，，，转变到Agent出产力落地；；；异构协同、、光子推算持续提高推算上限；；；具身智能加快利用，，，机械人到家进厂让物理AI变为现实。。雷科技WAIC探展团已到达上海，，，直击AI产业化落地年度巅峰时刻，，，敬请关注
！！！