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

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。”

当GenAI遇上MBD：MathWorks 如何用 "可信工具 + AI 智能体" 重新定义汽车工程研发图1

MathWorks 嵌入式软件及认证产品经理 Tom Erkkinen

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 MCP Core Server 框架。MCP 全称 Model Context 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/Simulink 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 Simulink 2026a（R2026a）版本，全面拓展生成式 AI 落地场景，强化Agentic 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 Polyspace as You Code、MATLAB Course 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。