11项核心技术亮相，奇瑞把创新边界推向汽车之外

汽车公司的技术创新，正在变得越来越不像传统汽车工业。

2026奇瑞全球创新大会上，奇瑞集中展示了11个方向的核心技术布局，覆盖自研芯片、物理AI大模型、世界模型、固态电池、智能底盘、Robotaxi、eVTOL以及能源生态等多个领域。

其中，紫微C100芯片规划于2027年推出，双芯片NPU算力达到2400TOPS；CheryMind物理AI大模型已经打通400多个企业系统，覆盖200多个业务场景；固态电池电芯能量密度达到400Wh/kg，计划2027年进入中试阶段；Robotaxi则提出2030年实现全球10万辆运营的目标。

如果单独来看，这些技术并不都属于汽车制造的传统范畴。芯片和大模型属于人工智能基础设施，Robotaxi涉及自动驾驶运营，eVTOL指向低空经济，V2G则将汽车与能源系统连接起来。

但当它们同时出现在一家汽车公司的技术规划中，背后其实指向了一个越来越清晰的产业趋势：汽车正在从一种交通工具，演变为连接人工智能、能源网络和物理世界的综合智能终端。

对于奇瑞而言，这次大会真正值得关注的，也并非一次性发布了多少项新技术，而是其技术创新的边界正在发生变化。

过去，奇瑞的核心竞争力更多建立在发动机、变速箱、整车制造、成本控制和全球化运营等领域。进入新能源汽车时代之后，三电、智能座舱、智能驾驶成为新的竞争要素。而此次进一步布局芯片、物理AI、机器人和低空经济，意味着奇瑞正在尝试建立一套更加庞大的技术体系。

从造车，到造芯、造模型，再到探索汽车之外的智能终端，奇瑞正在重新定义自己的技术边界。

从造车到造芯、造模型，奇瑞开始争夺智能汽车的底层能力

过去十年，中国汽车产业经历了一场深刻的技术权力转移。

燃油车时代，发动机、变速箱和底盘是决定汽车竞争力的核心技术。谁能够掌握高效动力总成和成熟的整车工程体系，谁就更有机会建立长期竞争优势。

但进入智能电动车时代，汽车的技术价值链正在被重新分配。

动力电池决定续航与补能体验，芯片决定计算能力，算法决定智能化表现，数据则决定模型能否持续进化。汽车仍然需要优秀的机械系统，但决定产品差异化的技术，已经越来越多地延伸到软件和人工智能领域。

这也是奇瑞此次集中展示自研芯片、物理AI大模型和世界模型的重要背景。

以紫微C100芯片为例，奇瑞提出2027年推出、双芯片NPU算力达到2400TOPS的规划。这一数字固然值得关注，但对于整车企业而言，自研芯片的战略意义远不止算力本身。

过去，车企主要根据外部芯片平台开发智能驾驶和智能座舱系统。芯片厂商决定底层计算架构，算法企业负责模型开发，整车企业再完成集成与适配。这种分工能够降低研发门槛，却也容易让汽车公司的技术迭代受到外部平台节奏的影响。

随着端到端、VLA和世界模型等技术不断演进，智能驾驶对算力、存储带宽、数据传输效率和模型部署能力提出了更高要求。单纯增加芯片数量，并不必然带来更好的智能驾驶体验。

真正重要的是，芯片架构能否与算法需求深度协同。

因此，奇瑞布局自研芯片，实际上是在尝试从传统的系统集成者，进一步进入智能汽车计算基础设施领域。

当然，规划中的算力指标并不等于最终量产表现。芯片真正形成竞争力，还需要验证能效、成本、软件工具链、算法适配以及长期可靠性。但对于一家具有全球化规模的整车企业而言，如果能够建立芯片与整车平台之间的协同能力，其价值将不仅体现在单一车型上。

同样值得关注的是CheryMind物理AI大模型。

CheryMind已经打通400多个企业系统，覆盖200多个业务场景。

这说明奇瑞对于AI的理解，并没有完全局限在智能座舱和辅助驾驶上，而是开始向研发、制造、管理和企业运营等环节延伸。

这种变化其实更加深刻。

过去，汽车企业使用数字化技术，主要是提高某一个业务环节的效率。例如通过仿真缩短研发周期，通过自动化设备提高生产效率，通过数据系统优化供应链管理。

但大模型进入企业之后，AI有机会进一步参与跨系统的信息理解、任务规划和业务协同。

汽车研发、采购、生产、销售和售后之间，原本存在大量独立的数据系统。如果AI能够在这些系统之间建立联系，就可能让一家大型汽车集团的运营效率发生变化。

过去汽车企业的数字化，是让不同业务环节拥有更多数据；未来的AI化，则是让这些数据真正参与决策。

这也是为什么物理AI值得关注。

与主要处理文本、图像和数字信息的生成式AI不同，面向物理世界的AI需要进一步理解空间、运动、环境变化以及行动产生的后果。

对于汽车而言，这意味着系统不仅要识别前方道路，还要理解周围交通参与者的行为，并在复杂环境中持续作出决策。

对于机器人而言，则意味着AI需要将感知、规划与机械动作结合起来。

两者面对的物理环境不同，但底层技术存在一定共通性。

这就为汽车企业向机器人等领域延伸提供了技术基础。

不过，技术共通并不意味着可以直接复用。汽车主要在道路交通规则下运行，机器人则需要面对更加复杂的操作对象和运动控制任务。能否建立真正通用的模型能力，仍然需要大量研发和真实场景验证。

在亿欧汽车看来，奇瑞此次技术布局真正值得关注的，并不是芯片、大模型和世界模型各自有多先进，而是其开始尝试将这些技术放进同一套研发体系。

芯片提供计算基础，模型提供智能能力，数据驱动持续迭代，而汽车则成为技术规模化应用的重要载体。

如果这套体系能够建立，奇瑞未来的竞争力就不再只来自某一款发动机、某一套电驱系统或者某一辆爆款汽车，而可能来自持续开发智能产品的底层能力。

从Robotaxi到能源网络，奇瑞的下一步是把技术变成新的产业能力

如果说芯片、大模型和世界模型代表奇瑞正在向智能汽车的技术底层深入，那么Robotaxi、eVTOL和能源生态，则意味着奇瑞开始尝试把这些能力向汽车之外延伸。

其中，Robotaxi是距离汽车主业最近的一条路径。

按照奇瑞公布的规划，其Robotaxi将围绕原生架构、原生前装、原生体验、原生运营和原生全球化五个维度开发，并建立涵盖感知、算法、执行、乘客、行为和车队的六层安全体系，目标到2030年实现全球10万辆运营。

这组规划真正值得关注的，是“原生前装”和“全球运营”。

过去，Robotaxi的发展很大程度上依赖将自动驾驶系统改装到现有车辆上，再通过限定运营区域进行商业化验证。但随着Robotaxi进入规模化运营阶段，车辆本身需要从研发之初就考虑无人驾驶、远程运营、维护成本、乘客体验和安全冗余。

对于奇瑞这样的全球化整车企业而言，真正可能形成优势的，并不只是开发自动驾驶算法，而是将整车研发、制造规模、全球市场渠道与自动驾驶运营结合起来。

不过，10万辆运营目标能否实现，还取决于不同国家和地区的自动驾驶法规、运营许可、技术成熟度以及单车盈利能力。整车制造优势能够降低进入门槛，却不能直接替代自动驾驶商业化能力。

与Robotaxi相比，eVTOL距离传统汽车业务更远。

奇瑞此次展示的凌霄系列包括两座复合翼载人eVTOL凌霄Q212，以及五座全倾转六旋翼载人eVTOL凌霄J506。其中，后者公布的规划指标包括最高350km/h速度、超过1000公里航程和自主飞行能力。

从技术逻辑来看，汽车与eVTOL在电驱动、动力电池、智能控制、传感器以及部分制造工艺方面存在一定共通性。但航空产品对安全冗余、适航认证、飞行控制和可靠性的要求，与道路车辆存在显著差异。

因此，奇瑞进入低空经济，并不能简单理解为把汽车技术搬到天空。

它更像是在探索：一家已经拥有电动化、智能化和规模制造能力的汽车企业，究竟能将自己的技术体系延伸到多少种交通工具。

这也是当前汽车产业一个值得观察的现象。随着电驱动、人工智能和软件控制技术不断发展，汽车、机器人、无人驾驶设备以及低空飞行器之间，开始出现越来越多可以共享的技术模块。

但技术上的相似性，并不意味着商业模式上的相似性。

汽车已经拥有成熟的消费市场、供应链和销售体系，而Robotaxi和eVTOL仍然需要解决运营成本、基础设施、监管及用户需求等问题。对于奇瑞而言，能否把技术优势转化为新业务的持续收入，比进入多少个新领域更加重要。

能源生态则提供了另一种可能性。

此次奇瑞提出，到2029年在全球建设2万座V2G场站，并率先在上海、合肥、广州和芜湖等城市布局。按照其测算，用户通过削峰填谷参与车网互动，预计每年可获得3000元以上收益。

与此同时，奇瑞还展示了迅龙秒充技术，规划实现1500A充电电流、1.44MW系统功率以及充电5分钟增加500公里续航，并布局最高22kW的无线充电系统。

这些技术看似分别解决补能速度、充电便利性和能源收益问题，实际上指向同一个方向：汽车正在成为能源系统的一部分。

过去，汽车企业主要负责生产车辆，能源服务则更多由电网、充电运营商和其他第三方机构提供。但随着新能源汽车保有量不断扩大，动力电池开始具备分布式储能的潜在价值。

当车辆能够在电价较低时充电，在电网需要时反向供电，汽车与能源系统之间就不再是单向消费关系。

车企未来能够经营的，可能不仅是车辆本身，还有车辆整个生命周期中的能源服务。

当然，V2G能否形成可持续收益，仍然取决于当地电价机制、电池损耗、充放电效率、场站利用率以及电网调度规则。奇瑞提出的收益和建设规模，目前仍属于规划与测算，距离大规模商业兑现还需要验证。

但这些布局放在一起，已经能够看出奇瑞技术战略正在发生的变化。

过去，汽车企业的技术创新主要围绕整车展开，研发投入最终通过汽车销售实现回报。

现在，奇瑞试图让同一套技术体系支撑更多业务：芯片和模型服务智能汽车，智能驾驶能力延伸至Robotaxi，电驱和控制技术探索低空交通，动力电池与补能技术则进一步进入能源网络。

其背后的战略逻辑，是通过技术协同扩大研发成果的应用范围。

但这条路也存在一个不容忽视的问题。

技术边界越大，越需要警惕资源分散。

芯片研发需要长期投入，物理AI需要持续的数据与算力支撑，Robotaxi需要规模化运营验证，eVTOL需要适航认证和商业场景，能源网络则需要大量基础设施投资。

这些领域虽然存在技术交集，但每一个都具有独立的商业化门槛。

对于奇瑞而言，真正的挑战并不是能否同时进入这些赛道，而是如何建立清晰的投入优先级，让汽车主业持续产生的规模优势和现金流，支撑新技术发展，同时避免新业务过度分散研发资源。

这也是判断奇瑞此次11项技术布局是否成功的关键。

在亿欧汽车看来，奇瑞正在尝试完成一次从产品驱动向技术体系驱动的转变。

过去，奇瑞依靠发动机、变速箱、整车工程和全球化制造能力建立竞争优势。进入智能电动车时代之后，芯片、算法、数据和能源管理开始成为新的竞争要素。

而随着汽车逐渐成为物理AI的重要应用载体，汽车公司的技术能力也开始具备向更多产业延伸的可能。

这意味着，中国汽车产业的竞争边界正在发生变化。

但一家汽车公司究竟能否成长为物理AI科技企业，最终不能只看它发布了多少技术，进入了多少新赛道，而要看这些技术之间能否形成真正的协同，又能否持续创造商业价值。

从造车到造芯、造模型，再到探索汽车之外的智能终端，奇瑞已经把技术创新的边界推得足够远。

接下来，它需要证明的，是这些看似分散的技术投入，能否最终形成一套相互支撑、持续进化，并能够创造商业回报的产业体系。

毕竟，技术版图的广度决定了想象空间，而技术落地的深度，才真正决定一家企业的竞争力。