WeRide WITT: Neues KI-Modell senkt Kosten um 98%
Der chinesische Autonomen-Fahr-Pionier WeRide (文远知行) hat am 17. Juli sein physikalisches KI-Basismodell WITT (World Intelligence Toward Truth) vorgestellt. Das Modell basiert auf einem visuellen Sprachmodell (VLM) und führt erstmals das Konzept der „minimalen physikalischen Fakt-Einheit“ ein. Es zerlegt kontinuierliche reale Szenen in überprüfbare Fakten und schafft so ein neues KI-Verständnisframework, das auf physikalischen Tatsachen beruht.
Hintergrund: Herausforderungen bei autonomen Fahrdaten
Mit der zunehmenden Kommerzialisierung von autonomem Fahren treten Schwachstellen offen zutage: Die Datenmenge wächst explosionsartig, doch wirklich wertvolle Trainingsdaten sind schwer zu identifizieren. Hochwertige Langzeitszenarien sind rar, während Aufzeichnungen häufig mit menschlichen Eingriffen oder Rauschen durchsetzt sind. Große KI-Modelle neigen zudem zu Halluzinationen in komplexen Verkehrssituationen. WITT adressiert diese Probleme, indem es aus den globalen Betriebsdaten von WeRide physikalische Erkenntnisse destilliert.
Die vier Kernfähigkeiten von WITT
- Faktenextraktion: WITT erkennt aus Videodaten die „minimale physikalische Fakt-Einheit“ – etwa Abbiegemanöver, Kreuzungssituationen oder Signalwechsel. Jeder Fakt ist hoch vertrauenswürdig, kalibrierbar und nachvollziehbar.
- Faktenableitung: Das Modell leitet aus den extrahierten Fakten Schlüsselereignisse, Verhaltensbeziehungen und Risikoänderungen ab. Ingenieure können per Stichwort oder natürlicher Sprachabfrage gezielt seltene Szenarien wie „Fußgänger quert plötzlich eine Baustelle“ in riesigen Videodatenbanken finden.
- Faktenvalidierung: Um Halluzinationen zu vermeiden, prüft WITT seine Ergebnisse aus sechs Dimensionen (schwache Verkehrsteilnehmer, Eigen‑ und Fremdverhalten, Szenenverständnis, Vollständigkeit, Infrastruktur). Die durchschnittliche Fehlerrate pro Videosegment beträgt nur ein Drittel derer großer allgemeiner Modelle.
- Faktenorchestrierung: WITT sortiert Videodaten nach ihrem Lernwert: Seltene Langzeitszenarien fließen in das Weltenmodell WeRide GENESIS ein, alltägliche Szenarien dienen dem verstärkenden Lernen, anomale Sequenzen werden separat geprüft. So wird jeder Kilometer echter Straßenfahrt zu einem nutzbaren Signal für die Modelliteration.
Effizienz und Praxis: 98 % weniger Kosten
Im Vergleich zu General‑KI-Modellen mit Hunderten Milliarden Parametern spart WITT 98 % der Token-Kosten. Eine einzelne GPU verarbeitet 10.000 Minuten Fahrvideo pro Tag – das entspricht einer 200‑fachen Effizienzsteigerung. Im Etikettenmodus liefert eine einzige Anfrage über 100 dynamische Labels.
Von L4 zu L2++: WeRides physikalischer KI-Kreislauf
WeRide ist das weltweit einzige Unternehmen, das sowohl L4‑Autonomes Fahren als auch L2++‑Fahrerassistenzsysteme in großem Maßstab kommerziell einsetzt. Der L4‑Fuhrpark umfasst über 3.000 Fahrzeuge in zwölf Ländern. Robotaxis verkehren in Guangzhou, Peking, Abu Dhabi und Dubai ohne Sicherheitsfahrer. Die dabei gewonnenen Daten und Modelle fließen über den physikalischen KI-Kreislauf in die L2++‑End‑to‑End‑Lösung WRD 3.0 ein. Diese hat bereits sechs Siege in der chinesischen Smart‑Driving‑Meisterschaft errungen, wird in knapp 30 Fahrzeugmodellen verbaut (darunter Chery Exeed Sterra und GAC Aion N60) und ist technologisch nach Deutschland, Frankreich und Japan exportiert worden.
In Deutschland
Chery plant mit der Marke Omoda eine Expansion nach Europa.