為什麼說奇瑞是一家AI公司?

2026年10月23日 08:31
站內 AI 整理稿

奇瑞為什麼是AI公司?它用AI重造了自己造車的方式,把這層能力做成可複用的底座,並讓它長出了汽車之外的新物種。作者 | 王瑞昊編輯 | 李雨晨“有幾位領導跟我說,感覺奇瑞的汽車越來越不像汽車了,奇瑞也越來越不像一家車企了。這是我想聽到的——奇瑞就是一家「披著汽車企業馬甲」的高科技創新企業。”10月20日,2026奇瑞全球創新大會在安徽蕪湖開幕。說出這句話的,是做了四十多年汽車的奇瑞汽車董事長尹同躍。一個把大半輩子交給汽車的人,主動摘掉“車企”這塊招牌,不是自謙,是判斷。

他的依據是一個隱喻:1886年,奔馳造出第一臺汽車,被時代拋下的,是那些一輩子趕馬車的養馬人,他們沒做錯什麼,只是沒看見路已經變了。“真正的風險不是AI太強太快,而是我們不能繼續做當年的養馬人。”尹同躍說,“未來AI真正淘汰的,是拒絕AI、不敢用AI的企業。”所以奇瑞的選擇很直白:刀口向內,主動用AI給自己做一場基因重組,先改變自己,再改變世界。認為,判斷奇瑞是不是AI公司,不能看它發佈會上喊了多少次AI,要看三件事:AI有沒有重構它的生產流程,有沒有沉澱為可複用的統一底座,有沒有在汽車之外長出新的物種。

PART 1從CheryMind到紫微芯片奇瑞把30年造車經驗煉成了AI底座市面上的通用大模型像一本百科全書,什麼都能聊,但一進工廠車間就不夠用了,精度不夠、深度不夠、可靠性不夠。奇瑞的選擇是自研垂類基礎大模型CheryMind,該模型具備三大特徵:懂物理世界的大腦、與業務共進化、全域可落地。支撐它的不是爬來的互聯網語料,而是奇瑞近30年攢下的家底:700TB企業知識,覆蓋技術標準、工藝規範、設計準則、安全規範;200PB工程數據,從仿真結果到試驗數據、從CAD到實車全鏈路;千萬級研發文檔;2500萬條教練級駕駛數據;500萬條機器人動捕數據。

物理AI時代的壁壘,不是數據有多少,而是數據從哪來。通用大模型爬的是互聯網,CheryMind吃的是30年造車沉澱下來的技術標準、工藝規範、仿真與試驗數據。這是別人買不到、也爬不走的教材。瞭解到,而且它已經在跑,不是PPT:端到端業務流程1500+,企業系統打通400+,員工每日使用6萬+,覆蓋業務場景200+。奇瑞汽車執行副總裁、CTO高新華在現場給了一組對比:以前一名工程師做一輪仿真優化,要跑6輪、花上百天;現在基於CheryMind,每人100個方案半天出結果,效率提升42倍。CheryMind分兩條腿走路。

企業端垂模讓AI更懂造車:CAD垂模、質量垂模、製造垂模、企業Agent垂模,覆蓋研發—製造—質量—供應—營銷—運營全鏈條;產品端垂模讓汽車更懂人和物理世界:智艙、智駕、車端智能、飛控垂模、MoAgent、農機OS,一路延伸到eVTOL、機器人和農機。關鍵在閉環,垂模在真實場景裡形成的新能力,持續迴流基座模型。業務和產品兩大引擎互相餵養,CheryMind越用越強。自我進化,是判斷是否為AI公司最硬的一條標準——工具不會自我進化,底座才會。CheryMind之外,奇瑞發佈了自研芯片,命名取自紫微星——北極星,眾星環繞,指引方向。紫微芯片三大系列,各管一件事。C系列管思考。

中央計算芯片C100,整車NPU算力2400TOPS,內存帶寬600GB/s,支持100B大模型端側部署,80ms跑完從感知到決策的E2E算法閉環——不到人眨一次眼的時間。對標行業旗艦,帶寬2.2倍、算力1.2倍、圖像處理1.5倍。S系列管能量。車規級碳化硅S1500,耐壓1500V,行業最高;出流1450A,效率≥99.6%,結溫200℃,8英寸晶圓量產成本下降30%以上。M系列管控制。車規控制芯片,MC200域控、MS100預驅、MX100 PMIC、MC100電驅,從2027年起依次落地。

這三件事背後是奇瑞過去五年的賬:研發投入超1100億元,313個瑤光實驗室,智駕滲透率兩年提升267%。AI改寫的是造車本身的成本曲線,不是營銷話術。更值得注意的是一層協同:大模型定義芯片該長什麼樣,100B端側部署倒逼2400TOPS算力和600GB/s帶寬;芯片反過來決定模型能落多深。這種“模型—芯片”協同定義,是科技公司而非集成商的特徵。尹同躍有句話放在這裡很合適:奇瑞“對技術貪得無厭,對安全膽小如鼠”。AI能替代技能,但替代不了人性、責任與溫度。PART 2一個底座 長出四種自由AWE 獵鷹 靈犀 Robotaxi和機器人這場大會真正發佈的不是單一技術。

尹同躍的總結是:出行、能源、糧食、生活不是四個孤立的方向,它們共享模型、芯片、數據和工程能力,又在真實場景裡不斷產生新需求。結構是“一個底座×N個場景”。底座先用在最難的場景:智駕出海。東南亞兩輪車和汽車共用車道、暗光路口逆行、強行加塞……中國市場跑通的方案,拿到海外未必成立。奇瑞的判斷是:全球化競爭中該比拼的不是算力、數據或激光雷達數量,而是模型底座。沒有統一底座,每進一個新市場、每上一款新車就要重做一套方案。奇瑞全維世界引擎(CHERY AWE)用三個模型接住這件事。

構境模型負責“看懂世界”:已構建70萬+場景,其中高危30萬+、極限2萬+,把多視角圖像、LiDAR點雲、場景結構、描述文本和行車軌跡五類數據統一編碼進隱空間,支撐長尾場景閉環仿真;觀語模型負責“讀懂語義”:多模態推理加短期記憶和語言拓撲圖,像老司機一樣僅憑路標到達目的地,輸出可追溯的推理鏈;行策模型負責“做出行為”:MoT多專家架構,從“被動應對危險”轉向“主動預判風險”。獵鷹輔助駕駛系統已經帶著這套底座跑了一年:滿足130多個國家和地區的法規准入,拿下C-ICAP五星+、IVISTA G+認證,中國智駕大賽六連冠。

獵鷹智駕分三個版本:獵鷹500入門即城區、油電同智;獵鷹700全場景車位到車位、跨層代客泊車;獵鷹900覆蓋高速和城區L3,感知、控制、電源全冗餘。座艙端,靈犀8D智感座艙用AIOS全域架構打通底盤、座艙、車身、智駕、動力五域,整車級信號協同編排、毫秒級跨域響應。艙外識別行人意圖,艙內感知情緒疲勞,從“人找功能”升級為“功能找人”;聽覺、視覺、嗅覺、動感、觸覺、情感、健康、社交八維統一編排,一句話Skill自由編排,千人千面。伯牙之音33揚聲器、43.7英寸PHUD、S2S端到端語音這些細節,都在往“車更懂人”的方向堆。

行業首款為全球而生的原生前裝Robotaxi,五大原生——架構、前裝、體驗、運營、全球化,六層安全——乘客、行為、感知、算法、執行、車隊,目標2030年10萬輛全球運營。機器人則是車機同源:30年汽車供應鏈、硬件架構、質量體系直接複用,六大領域佈局31個創新應用實驗室。Multi-agent智能架構下,基於CheryMind研發的MoAgent 2.0用慢大腦理解規劃、快大腦實時響應,端邊雲協同形成“執行—反饋—優化—再執行”的數據閉環。產品矩陣已經鋪開:四足/輪足機器狗、智警、導醫、墨寶家庭陪伴、工業及人形機器人;墨甲機器人現已出海2000+臺,覆蓋60多個國家。

此外,在能源自由和糧食自由方面,迅龍秒充充電5分鐘續航500公里,固態電池中試線2027年上半年投用;智慧農機能耗下降74%,同一塊地畝產從1600斤提到2000斤,目標是2035年服務全球10億畝農田。這些場景放在一起,奇瑞做AI最獨特的槓桿才顯出來:複用率就是AI時代的毛利率。同一套模型、芯片、供應鏈在汽車、Robotaxi、機器人、農機之間遷移,邊際成本遞減。這是製造業出身的公司做AI才有的優勢。奇瑞也清楚單靠自己跑不完所有場景。它正從產品製造者走向生態組織者:向供應商、高校、創業者開放技術平臺、場景與產業化能力,與中科大共建2050未來學院,做長週期、可容錯的前沿探索。

所以奇瑞為什麼是AI公司?因為它用AI重造了自己造車的方式,把這層能力做成可複用的底座,並讓它長出了汽車之外的新物種。用尹同躍的話說:“技術只有走出實驗室,進入道路、家庭、農田與能源系統,持續解決真實的問題,才能真正創造自由。”三十歲的奇瑞不想再做一家汽車公司。這話聽起來像口號,但當一家車企的機器人開始真正解決社會痛點,它的模型開始決定自己的芯片長什麼樣時,它就不再只是一句口號了。奇瑞新戰事:出海、智駕、與比亞迪們的正面交鋒比奔馳S還大,大漢 EV能否撐起比亞迪的衝高野心?

Related

相關文章

智東西生成式AI

金蝶靈基連推三項核心升級,發佈企業級智能體評測基準

作者 | ZeR0 編輯 | 漠影 10月23日報道,今日,在2026金蝶創見者大會上,國產企業管理SaaS龍頭金蝶發佈企業智能體操作系統靈基(Lingee)的靈基Manage、企業上下文和ERP連接器三項核心能力更新,並聯合大模型廠商、高校發佈國內首個面向企業管理場景的智能體評測基準Lingee Bench。 會上,金蝶集團董事會主席兼CEO徐少春提出決定企業AI轉型成敗的不只是技術,而是認知。

1 小時前

砸下 150 億美元!DeepSeek 攜手寧德時代轉戰內蒙古,1GW 國產智算中心掀起基建狂潮

DeepSeek 攜手寧德時代轉戰內蒙古,1GW 國產智算中心掀起基建狂潮發布於AI新閒資訊時間 :Oct 23, 2026閱讀 :1分鐘據 多家權威媒體報道,人工智能領域迎來了一筆備受矚目的鉅額投資。DeepSeek 近期正接近完成規模高達150億美元的新一輪融資,這筆資金的核心用途已明確鎖定——用於在內蒙古烏蘭察布市投資建設一塊規模達到1GW 的全新數據中心。

3 小時前3400
雷峰網生成式AI

當超算走出實驗室:一場從”算得快”到”算得值”的產業遷徙

記者:郭思編輯:包永剛導語:超算產業需要更多算力中立供應商深夜十一點,某新能源汽車企業的仿真計算中心裡,屏幕上的流體模擬進度條正在緩緩推進。窗外的城市已經安靜下來,但這裡的服務器仍在轟鳴——工程師白天做分析、調參數,到了晚上就把計算任務交給算力,第二天一早推開門,結果已經擺在了桌上。這種“夕發朝看”的工作節奏,正在中國各地的研發實驗室裡成為新常態。而與此同時,在內蒙古、寧夏、新疆的廣袤土地上,一排排服務器機房亮著指示燈,像沉默的巨人吞吐著數據。這些地方的電費便宜、氣候適宜,是部署大規模算力中心的理想之選。

3 小時前
雷峰網生成式AI

從“算力”到“Token 生產力”,硅基流動助力央國企大模型規模化落地

在企業網 D1net 主辦的 2026 秋季央國企 CIO 及數科公司高管峰會(第 19 屆)上,硅基流動解決方案總監唐安波出席峰會並作主題分享:《從“算力”到“Token 生產力”:央國企大模型規模化落地的推理基礎設施與 ROI 實踐》。以下為分享內容精華。當下,AI 應用正處於爆發式增長的早期階段,Token 消耗量呈指數級增長。這背後,模型架構持續演進,版本更新節奏快速;同時,算力架構也在不斷演進。模型與算力之間,是相互推動的迭代過程。

4 小時前

Hugging Face 推出 Carbon-X:基於千問,讓科學家"與 DNA 對話"

這是一個 140 億參數、用於 DNA 理解與生成的開放模型。它的玩法很新鮮——把 DNA 序列和自然語言揉進同一個模型。研究者能拿特定序列提問、預測突變影響,甚至生成新的 DNA 片段;它還能當"專業副手",幫別的模型讀懂原本看不透的基因。

4 小時前5100