奇瑞发布CheryMind垂类大模型与紫微芯片，以AI重构造车全流程

10月20日，2026奇瑞全球创新大会在安徽芜湖举行。奇瑞汽车董事长尹同跃在开场发言中直言：‘奇瑞就是一家披着汽车企业马甲的高科技创新企业。’这一表述并非修辞，而是对自身战略转向的明确界定——奇瑞正系统性地用AI重构造车逻辑，并将由此沉淀的能力向外延展至出行、能源、农业与生活等多个领域。

垂类大模型CheryMind：吃的是30年造车“家底”

通用大模型在工厂场景中常显乏力：精度不足、深度有限、可靠性难达工业级要求。奇瑞的选择是自研垂类基础模型CheryMind，其训练数据并非来自互联网语料，而是近30年积累的700TB企业知识库（含技术标准、工艺规范、设计准则与安全规范）、200PB工程数据（覆盖仿真、试验、CAD到实车全链路）、千万级研发文档，以及2500万条教练级驾驶数据和500万条机器人动捕数据。

这些数据构成物理AI时代真正的护城河——它们无法被爬取，也难以复制。CheryMind具备三大特征：懂物理世界的大脑、与业务共进化、全域可落地。目前该模型已实际运行：打通企业系统400+，支撑端到端业务流程1500+，员工日均调用超6万次，覆盖200+业务场景。

效率提升具象可见：过去一名工程师完成一轮仿真优化需6轮迭代、耗时上百天；如今基于CheryMind，每人可同时生成100个方案，半天内输出结果，效率提升达42倍。

CheryMind采用双轨架构：企业端垂模覆盖研发—制造—质量—供应—营销—运营全链条，包括CAD垂模、质量垂模、制造垂模与企业Agent垂模；产品端垂模则延伸至智舱、智驾、车端智能、飞控、MoAgent及农机OS，进一步拓展至eVTOL与机器人领域。关键在于闭环反馈机制——真实场景中产生的新能力持续回流基座模型，实现自我进化。

紫微芯片：模型与芯片协同定义硬件边界

除软件底座外，奇瑞同步发布自研芯片品牌“紫微”，取意北极星——众星环绕、指引方向。该系列分C、S、M三线，分别对应“思考”“能量”与“控制”三大功能维度。

C系列为中央计算芯片C100，整车NPU算力达2400TOPS，内存带宽600GB/s，支持100B参数大模型端侧部署，从感知到决策的端到端算法闭环仅需80ms，快于人眼一次眨眼时间。性能对标行业旗舰：带宽为2.2倍、算力为1.2倍、图像处理能力为1.5倍。

S系列为车规级碳化硅功率芯片S1500，耐压1500V（行业最高），出流1450A，转换效率≥99.6%，结温达200℃，8英寸晶圆量产成本下降超30%。

M系列为车规控制芯片，包括MC200域控制器、MS100预驱芯片、MX100电源管理芯片与MC100电驱芯片，计划自2027年起依次量产落地。

值得注意的是，这三类产品并非孤立研发：大模型对端侧部署的需求倒逼芯片算力与带宽指标，而芯片能力又决定模型可落地的深度。这种“模型—芯片”协同定义路径，是科技公司区别于集成商的核心标志。

一个底座，四种自由：从智驾出海到机器人落地

本次大会并未聚焦单一产品发布，而是呈现一种能力复用的结构性转变。尹同跃指出，出行、能源、粮食、生活四大方向并非割裂，它们共享同一套模型、芯片、数据与工程能力，并在真实场景中持续反哺底座进化。

以智驾出海为例：东南亚道路环境复杂，两轮车与汽车混行、暗光路口逆行、强行加塞等行为频发，国内成熟方案难以直接迁移。奇瑞选择在最难场景验证AI能力，而非仅在封闭测试场堆砌参数。

在此基础上，奇瑞已孵化出多个新物种：AWE智能出行平台、猎鹰eVTOL飞行器、灵犀农机操作系统、Robotaxi无人出租车，以及面向工业场景的协作机器人。这些产品共用CheryMind的底层能力，但针对不同物理约束进行垂直适配。

例如，灵犀OS整合了农机作业路径规划、土壤墒情识别与多机协同调度能力，其感知模块复用智驾中的毫米波雷达与视觉融合算法；而机器人本体则调用500万条动捕数据训练的运动控制模型。

投入与回报：五年超1100亿研发投入的兑现

上述成果背后是持续高强度投入。过去五年，奇瑞累计研发投入超1100亿元，建成313个瑶光实验室，智驾功能渗透率两年内提升267%。这些数字指向一个事实：AI对造车的改造不是营销话术，而是正在改写成本曲线与研发范式。

奇瑞执行副总裁、CTO高新华强调：“工具不会自我进化，底座才会。”CheryMind的持续迭代能力，使其区别于一次性部署的AI插件或外包解决方案。当企业系统每日产生数万次交互、每个新场景都贡献反馈数据时，模型便进入正向循环。

尹同跃曾说：“对技术贪得无厌，对安全胆小如鼠。”这句话恰可概括奇瑞当前的技术哲学——在激进拥抱AI的同时，坚守工程可靠性底线。AI能替代重复性技能，但无法替代责任意识与系统性风险评估能力。

行业启示：从“用AI造车”到“以AI为本”

传统车企的AI转型常止步于功能叠加：语音助手升级、辅助驾驶增强、生产环节局部自动化。而奇瑞的路径更彻底：先用AI重构内部研发与制造流程，再将沉淀的能力抽象为可复用底座，最终跨域孵化新产品线。

这一模式与特斯拉早期通过软件定义汽车、再反向推动硬件迭代的路径相似，但奇瑞更强调“物理世界理解”——其模型训练数据源于真实工程实践，而非模拟或合成数据。在自动驾驶与机器人领域，物理一致性已成为下一代AI系统的关键瓶颈，而奇瑞的700TB企业知识库恰好构成稀缺资源。

业内观察指出，真正意义上的AI公司，需满足三个条件：AI是否深度嵌入核心业务流程、是否形成可持续进化的统一底座、是否催生非原生业务形态。按此标准，奇瑞已初步完成从“车企”到“AI公司”的身份切换。

未来，随着紫微芯片量产与CheryMind在更多场景落地，其能力外溢效应或将加速显现。而行业竞争焦点，也将从“谁的车更好看”，转向“谁的AI底座更扎实、更可扩展”。