当前大模型市场，多数产品训练素材来源于互联网公开文本，擅长语言创作、信息检索。可一旦面对真实物理世界复杂任务，就容易出现脱离现实的错误判断。
物理AI，要求人工智能理解现实世界物体运动、环境变化、硬件约束。这项能力无法仅靠网络文本训练得来。2026奇瑞全球创新大会发布的CheryMind垂类基础大模型，依托汽车产业多年积累的一手物理场景数据，搭建独属于实体产业的能力闭环，打造真正懂物理世界的垂类AI大脑。
【2026奇瑞全球创新大会】
训练物理AI，高质量实体场景数据是第一门槛。CheryMind拥有700TB企业知识、200PB工程数据，千万级研发文档。同时储备2500万clips教练级驾驶数据，500万clips机器人动捕数据。
驾驶数据记录各类道路、天气、突发路况之下人类老司机的操作逻辑。机器人动捕数据记录人形机器人各类动作姿态、受力反馈。海量工程文档沉淀整车开发当中遇到的故障、解决方案、仿真试验结果。
这一类产业一手素材，互联网通用数据集很难大量获取，也是CheryMind的核心技术壁垒。
有了原始数据之后，CheryMind搭建起一套持续自我进化的闭环机制。基础垂类大模型输出企业端、产品端不同细分垂模；细分垂模分别在工厂生产、整车路测、机器人作业、农机耕种等真实物理场景运行。
【垂类基础大模型CheryMind】
在落地使用过程当中遇到全新工况、全新问题，会产生新经验。新产生的能力沉淀持续回流到CheryMind基础底座，完成底座迭代升级，再输出更强的细分垂模。周而复始，由此实现大模型与真实业务共同进化。
在企业端维度，CAD垂模、质量垂模、制造垂模、企业Agent垂模深度参与研发、制造、质量、供应、营销服务、运营。打通400+企业系统，落地1500+端到端业务流程，覆盖200+业务场景，每日60000+员工高频使用。
每一次工程师调用AI完成仿真，每一次产线AI识别零部件缺陷，都会产生新的工程认知，回流到大模型底座当中。
产品端维度，智舱垂模、智驾垂模、飞控垂模、MoAgent、农机OS，支撑智能座舱、猎鹰智驾、凌霄eVTOL飞行器、墨甲机器人、智能农机。
车辆在路上行驶、机器人完成作业、农机下地耕种，面对各类现实场景，不断产出全新场景数据，反哺底座优化。
为了让大模型推理能力可以真正作用于硬件实体，CheryMind具备多模态理解、代码、推理、规划、工程调用基础能力。
【垂类基础大模型CheryMind】
它可以接收图像、雷达点云、传感器信号、文本指令多类输入，完成推理规划之后，调用工业软件、车控接口、机器人驱动输出硬件可执行指令，打通从感知思考到实体动作的完整链路。
同时搭配紫微芯片完成软硬件协同，解决大模型端侧部署算力瓶颈，让大模型能力不只存在服务器，也可以落地到汽车、机器人硬件本地。
物理AI是AI下一阶段重要发展方向，而实体制造企业，天然拥有场景、硬件、数据三重优势。CheryMind的实践说明，想要做好物理AI，不能照搬通用大模型路径，必须深深扎根产业真实场景，完成数据、模型、硬件、场景完整闭环。
#2026奇瑞全球创新大会#奇瑞全球创新大会解锁未来生活#奇瑞发布垂类基础大模型CheryMind
