物界前沿让每一公里变成模型能力：物理AI大模型WITT给中学生上了一堂什么课
如果在物理课上，老师说“你每跑一步，就学会一种新的走路方式”，你可能会觉得这是科幻。但文远发布的物理AI大模型WITT，正在让这个比喻变成现实。它把自动驾驶车辆跑过的每一公里，都变成模型自身能力的增量，而不是简单地把数据存进硬盘。
我教中学信息技术，经常跟学生说“AI学东西就像人学游泳”。你光看教学视频，永远学不会换气。你得下水，呛几口水，感受水流，肌肉才会记住动作。WITT的核心理念，就是把“下水”的体验变成模型进化的燃料。以往自动驾驶用海量数据训练，但数据多了，模型不一定更聪明，很多数据是重复的、无用的。WITT的关键在于，每一公里行驶产生的视频流，都被模型实时消化，变成对物理世界更深的理解。单卡日处理1万分钟视频，这个数字背后，是效率的飞跃。
从教学角度看，WITT最有价值的地方在于“物理AI”这个概念。中学生常问：“AI能理解‘杯子掉地上会碎’这种事吗？”传统大模型很难，因为它只学文字和图片，不学重力、惯性、摩擦。WITT通过视频序列学习物理规律，比如车辆转弯时侧倾的幅度、刹车时路面摩擦系数的变化。这些是课本上用公式写的，但AI通过“看”来学，相当于把物理实验课搬到云端自动跑。我甚至觉得，未来我们可以用WITT的架构，让学生自己设计小型的物理模拟器，把牛顿定律编成AI能理解的数据流。
不过，教学上也有挑战。WITT的核心是“物理表示学习”，这需要学生理解时空连续性和因果推理。中学生可能会觉得抽象。我的建议是，先拆解成两个层次：第一层，让AI学会“预判”，比如看到行人脚步移动，就预判他可能过马路；第二层，让AI学会“反事实推理”，比如如果这辆车没刹车，会怎样。第二层才是物理AI的精华，也是WITT区别于传统纯视觉模型的地方。
回到开头那个比喻。WITT让每一公里都变成模型能力，本质上是在说：在物理世界里，数据和经验不是仓库里的库存，而是肌肉和神经。对学生而言，这堂课最该记住的是：真正聪明的AI，不靠堆砌数据，靠的是学会从经历中提取世界的底层规律。就像学游泳，呛几口水是必要的，但更重要的是理解浮力和阻力的关系。