当GenAI遇上MBD：MathWorks 如何用 "可信工具 + AI 智能体" 重新定义汽

电子发烧友网报道（文/吴子鹏）在汽车行业全面迈向软件定义汽车的当下，


AI


正以前所未有的速度渗透至汽车研发全链条——从座舱交互、


自动驾驶




算法


，到代码生成、测试验证，几乎所有环节都在探讨AI带来的生产力变革。但在行业狂热追求开发效率的背后，汽车


工程师


正面临一道核心悖论：如何在借助AI提升研发效率的同时，守住功能安全、代码确定性与工程全流程可信底线？




在刚刚落幕的2026


MathWorks


中国汽车年会上，MathWorks


嵌入式软件


及


认证


产品经理Tom Erkkinen针对行业普遍存在的顾虑给出清晰解决方案。MathWorks并非试图用AI颠覆深耕行业数十年的基于模型设计（MBD，Model-Based Design）底层体系，而是将生成式AI封装进一套成熟可靠的标准化工具体系，打造出“可信工具+ GenAI”全新汽车工程研发范式。

“不确定性”行业痛点与“确定性”落地解法

当下各产业落地生成式AI普遍存在顾虑，汽车安全关键领域的矛盾尤为突出。“生成式AI最大短板就是输出结果的不确定性，”Tom Erkkinen在专访中直言，“工程师输入完全相同指令，大模型却可能产出截然不同的内容。如何最大限度降低这种不确定性，或是将不确定风险约束在可控、可追溯的极小范围，是绝大多数车企落地生成式AI时最核心的担忧。”






Tom Erkkinen在2026 MathWorks中国汽车年会主题演讲中，系统梳理出生成式AI五大固有局限：黑箱特性、输出不确定性、溯源链路缺失、输出质量不稳定、规模化落地难度高。对汽车安全研发工程师而言，任意一项短板都足以成为否决纯大模型直接量产应用的核心理由。




基于上述痛点，行业分化出两类完全不同的开发需求，Tom Erkkinen对此做了清晰划分：一类是以手写代码为主、不涉及安全关键系统的研发人员，可直接依托大模型生成代码快速搭建原型、完成概念验证；另一类是深耕汽车功能安全领域的工程师，对代码合规性、运行可靠性、体系认证合规有着极致严苛的标准，而这正是MBD技术在汽车行业深耕近40年、形成成熟标准化体系的核心赛道。




围绕“可信工具+ GenAI”，MathWorks给出直击行业痛点的底层解法：由生成式AI驱动的智能体（Agent）不直接产出用于安全关键


控制系统


的最终量产代码，而是调用具备确定性输出能力的工业级成熟工具。




这套方案的核心逻辑为：GenAI智能体定位为工程师的高级协作助手、跨任务调度中枢。它负责解析工程师自然语言需求，再精准调用


MATLAB


®、


Simulink


®等经过长期工业验证、符合ISO 26262等汽车行业标准、输出结果高度确定的底层工具模块完成设计工作。




Tom Erkkinen表示：“生成式AI具备极强的创新探索能力，但天然伴随输出不确定性；MathWorks完整工具链的核心价值，就是在产品化、工程化落地阶段，把GenAI不可控的输出转化为标准化、可复现、可认证的确定成果。”




为此MathWorks完成多项针对性技术布局。例如团队已在GitHub开源发布MATLAB MCPCoreServer框架。MCP全称Model Con


te


xt Protocol（模型上下文协议），是一套通用大模型交互标准协议。该框架的核心价值在于：任意AI智能体均可通过标准化


接口


调用MATLAB/


Sim


ulink全套工程能力，彻底跳出传统对话式辅助设计局限，构建以任务执行、自动化交付为核心的智能研发工作流。

搭建“可信工具+ GenAI”一体化研发工作流

2026年4月，MathWorks正式推出MATLAB与Simulink2026a（R2026a）版本，全面拓展生成式AI落地场景，强化Agen


ti


c AI工作流深度集成，简化建模、编码、验证、代码实现全流程任务。本次版本更新同步上线Polysp


ac


e as You Code、MATLAB Cou


rs


e Designer、Simulink FMU Builder、Wireless Network Toolbox多款全新工具，并配套大量功能迭代，帮助工程师前置问题排查、缩短设计迭代周期，打通从开发、验证到量产交付的完整链路。




除依托MATLAB MCP Core Server搭建智能体工作流外，MATLAB Agentic Toolkit、Simulink Agentic Toolkit两大智能工具包，为代码智能体（Coding Agent）提供MATLAB、Simulink标准化工作流与行业规范专家知识库，形成MCP Core Server能力补充。二者协同后，生成式AI系统可实现以下能力：


·生成符合MATLAB/Simulink风格的标准化代码与


仿真


模型；


·自动创建、执行全套测试；


·自动定位代码、模型故障并完成修复；


·高效调用MATLAB各类专业工具箱内置成熟功能。




Tom Erkkinen介绍，MATLAB与Simulink智能工具包内置的标准化执行技能（Skills）具备通用性，能够引导大模型读懂、创建、修改Simulink模型，掌握MATLAB工具箱高效调用逻辑。企业落地时，除直接使用MathWorks官方通用技能库，还可结合自身整车、零部件领域沉淀的专业知识，自主开发专属定制Skills，搭建企业内部私有化专属AI研发能力。




他进一步补充，可信工具链与智能体AI工具融合落地后，工程师的工作重心将从重复性代码编写、基础模块搭建，逐步向系统架构定义、设计目标与约束、成果审核验证等高价值环节转移。“工程师的核心工作转变为：下达需求指令，交由AI智能体完成规范生成、测试用例搭建、模型搭建等基础任务，再由人工完成全流程结果复核把关。”

结语

生成式AI正在重构汽车软件研发底层逻辑，但行业真正的变革核心并非


AI技术


本身，而是如何将大模型高效创新能力，与经过数十年验证的工业标准化工程体系深度融合。MathWorks“可信工具+ GenAI”融合范式证明：只有搭建在具备完整安全认证、输出确定可控的工业工具底座之上，生成式AI的生产力价值才能真正落地汽车安全关键量产场景。




对整个汽车产业而言，这套方案打破了“研发提速”与“功能安全”二选一的行业困局。随着MBD与生成式AI持续深度融合，一套兼顾高效率、高可靠性、全流程智能化的汽车软件开发体系正在成型。率先吃透这套全新研发范式的车企与零部件企业，将在软件定义汽车的长期行业竞争中抢占核心先发优势。