奇瑞造了一个“大脑”，想改变的不只是汽车

2026奇瑞全球创新大会在芜湖拉开序幕

10月20日，2026奇瑞全球创新大会在安徽芜湖举行。

Robotaxi、eVTOL、固态电池、智能机器人……在此次集中发布的11项核心技术中，奇瑞展示了不少颇具未来感的产品。不过，相比这些能够直接看到、体验到的技术，一项名为CheryMind的垂类基础大模型，可能对奇瑞未来的发展产生更加深远的影响。

按照奇瑞的规划，CheryMind将成为瑶光2035战略的核心技术底座。它既要参与汽车研发、制造、质量管理等企业内部业务，也将为智能驾驶、智能座舱、机器人、飞行器乃至农业机械提供智能能力。

过去几年，汽车行业对AI的关注，大多集中于智能驾驶和智能座舱。如今，随着大模型技术进入产业应用阶段，车企开始思考另一个问题：长期积累的制造经验、工程数据和产品能力，能否通过AI形成新的竞争力？

奇瑞此次发布CheryMind，正是对这一问题的回应。

奇瑞要给自己装一个“大脑”

为物理AI而生的垂类基础大模型——CheryMind

理解CheryMind，首先需要弄清楚它与普通大模型的区别。

目前，大多数消费者接触的AI产品，主要用于信息检索、内容生成或复杂问题分析。但汽车制造涉及大量物理世界的工程问题，一款车型从设计到量产，需要处理材料、结构、工艺、安全以及不同使用环境中的复杂变量。这些知识与经验，很难仅靠通用互联网数据获得。

CheryMind的技术定位，是面向物理AI的垂类基础大模型。奇瑞希望将长期积累的产业知识、工程数据和真实场景经验融入统一的基础模型，再通过不同领域的垂类模型解决具体问题。

在数据积累方面，奇瑞公布了一组数字：700TB企业知识、200PB工程数据、千万级研发文档，以及2500万条教练级驾驶数据片段和500万条机器人动作捕捉数据片段。

这些数据的价值，在于它们来自真实的研发制造和产品使用场景。例如，工程数据记录着产品设计和验证过程，驾驶数据包含车辆与复杂交通环境的交互，机器人动作数据则能够为设备理解和执行物理动作提供训练基础。

CheryMind试图将这些原本分散的知识，转化为能够被不同业务调用的模型能力。其基础能力涵盖多模态理解、代码、推理、规划和工程调用。与此同时，奇瑞还在布局紫微芯片系列，希望通过软硬件协同，为未来的物理AI应用提供计算支撑。

对于汽车企业而言，建立这样一套技术体系需要长期投入，但也意味着企业有机会将过去积累的工程经验转化为可以反复使用的数字资产。CheryMind接下来需要证明的能力，则是如何让模型真正理解工程问题，并在复杂场景下保持可靠性。

AI开始进入奇瑞的车间

相比机器人、飞行器等新业务，CheryMind目前更值得关注的应用方向，还是奇瑞自己的汽车制造体系。

汽车工业是一个高度复杂的产业。一辆汽车涉及成千上万个零部件，研发、采购、生产、质量管理和销售服务又分属不同的业务系统。即便企业积累了大量数据，也不意味着这些数据能够高效流动和使用。

CheryMind 在企业端部署了CAD垂模、制造垂模、质量垂模和企业Agent垂模，试图让AI进入更多具体的工作环节。以研发为例，CAD垂模面向汽车工程设计，未来有望帮助工程师处理设计知识检索、方案分析以及部分重复性的设计任务。

在生产制造环节，模型可以结合工艺流程和生产数据，辅助工作人员分析问题、优化生产组织。质量垂模则面向质量检测、问题分析及经验积累等业务。

这些看似分散的应用，最终都指向汽车制造业长期关注的几个问题：如何缩短研发周期、减少重复劳动、提高生产效率，以及降低质量管理成本。

按照奇瑞披露的数据，目前相关AI应用已经覆盖200多个业务场景，打通400多个企业系统，涉及1500多个端到端业务流程，员工每日使用规模超过6万。这些数字说明，奇瑞正在尝试推动AI从局部工具走向企业日常运营。

不过，应用范围扩大与经营效率改善之间，仍然需要建立更直接的联系。例如，AI能够缩短多少设计周期，减少多少质量问题，或者帮助企业降低多少实际成本，都需要通过持续运营和具体案例来验证。

汽车制造业对稳定性和一致性有着严格要求，AI输出的准确性、可追溯性，以及与现有工业系统的协同能力，同样会影响其应用效果。因此，CheryMind在企业端的长期价值，最终还要体现在研发效率、制造质量和经营成本等具体指标上。

四个轮子之外，把AI带向天空和田野

如果说企业端应用解决的是如何更高效地造车，那么CheryMind的另一条发展路线，则是让不同产品具备更强的智能能力。目前，奇瑞围绕产品端规划了智驾垂模、智舱垂模、车端智能垂模、飞控垂模、MoAgent和农机OS等技术体系。

汽车仍然是这些能力最直接的应用载体。此次大会上，奇瑞展示了全维世界引擎CHERY AWE，通过构境、观语、行策等模型，让驾驶系统逐步具备对环境的理解、分析和行为规划能力。

全维世界引擎CHERY AWE

灵犀8D智感座舱则进一步拓展了车内AI的应用场景，通过多模态感知和端侧AI，让车辆能够根据车内外环境以及用户状态，主动提供相应服务。

但奇瑞对物理AI的规划显然没有停留在汽车上。此次大会展示的凌霄eVTOL、具身智能机器人和智能农机，代表了三个具有不同应用要求的方向。

飞行器需要感知飞行环境并完成复杂的控制任务；机器人需要理解人的指令，与真实物体和环境交互；智能农机则要在复杂的田间环境中完成识别、路径规划和自主作业。

这些设备在硬件结构和使用场景上差异很大，却存在一些相通的技术需求，包括环境感知、任务理解、决策规划和动作执行，这也是奇瑞布局共同AI技术底座的一个重要原因。

过去，企业开发不同类型的智能设备，往往需要分别建设算法和软件体系。如果部分基础能力能够跨产品复用，就有机会减少重复开发，并提高新产品的研发效率。当然，汽车、航空器和农业机械对实时控制、安全性及环境适应性的要求并不相同，不同领域仍然需要独立的工程开发与验证。

从这一角度看，CheryMind的价值不仅取决于它能支持多少种产品，还取决于底层能力能够在多大程度上实现真正的复用。

2035年的奇瑞，准备怎么用好这颗“大脑”？

此次发布CheryMind，还有一个值得关注的设计，企业端和产品端并非两条完全独立的技术路线。

按照奇瑞的规划，各类垂直模型在实际应用中积累的新知识和新能力，可以持续回流基础模型，使CheryMind在更多场景中不断迭代。

例如，制造业务积累的工程知识，可以丰富基础模型对工业场景的理解；智能汽车、机器人等产品在真实环境中产生的数据，也能够为相关模型的后续训练提供支持。随着应用场景增加，这套体系有机会形成数据积累、模型优化与业务应用之间的循环。

不过，这一机制能否长期有效，还取决于数据治理、模型训练，以及不同业务之间的协同水平。跨场景共享知识和能力，也需要解决数据标准与适配成本问题。

将CheryMind放到瑶光2035战略中，其意义会更加清晰。

过去几年，奇瑞先后围绕新能源、智能化和全球化进行布局。此次提出向全球智能科技公司转型，意味着其未来业务可能进一步超出传统汽车制造的范围。这样的转型，需要的不仅是更多产品，还需要能够支持多种业务发展的共同技术基础。

奇瑞目前已进入全球130多个国家和地区，建立了覆盖多个区域的研发网络，近五年累计研发投入超过1100亿元。广泛的市场和工程实践，为其发展产业AI提供了应用场景和数据积累。

随着CheryMind进入更多业务，奇瑞也有机会将相关技术能力向供应链伙伴和其他产业延伸，探索新的合作模式。

但对于一家以汽车制造为核心业务的企业而言，AI战略的最终成果，仍然要通过实际经营和产品竞争力来体现。比如是否提高汽车研发和制造效率，让智能产品形成更好的用户体验，或者将跨领域的技术投入转化为稳定业务，这些问题决定了CheryMind未来的实际价值。

从2026年的技术发布到2035年的战略目标，奇瑞还有很长一段路要走。

眼下，CheryMind至少让外界看到了奇瑞转型的一条具体路径，把长期积累的制造知识和工程经验转化为智能能力，再让这些能力服务于更多产品和产业。

对于一家即将走过30年的汽车企业，这或许比单纯增加几项AI功能，更值得持续观察。（本文首发于钛媒体APP）