作为科学与工程计算领域的领军企业，MathWorks凭借其MATLAB®与Simulink®两大核心平台，正以“基于模型的设计”（MBD，Model-based design）为核心方法论，深度融合人工智能技术，助力全球工业企业构建面向未来的数字化工程能力。
在德国某个高度自动化的灌装车间里，一条克朗斯生产线正以令人惊叹的精度处理着形态各异的回收瓶。令人惊奇的是，这条生产线能自主感知每个瓶子的细微差异，并实时调整工艺参数——这背后不是传统的控制逻辑，而是通过强化学习训练出的AI算法在发挥作用。与此同时，在中国新疆的广袤风场上，金风科技的风机正将模型驱动的控制策略转化为实实在在的发电效率。从主控到场控，基于模型的设计方法让这些庞然大物在复杂气候条件下始终保持最优运行。
这样的生产场景，正在推动着工业的快速变革：我们正从“机械定义功能”的时代，迈向“软件与智能定义系统”的新纪元。
近期，MathWorks全球行业经理Philipp Wallner接受了记者的采访，详细分享了公司在工业自动化与电力设备领域的洞察与实践。而文章开篇的这种工业生产制造场景，则是MathWorks合作伙伴的生动案例。作为科学与工程计算领域的领军企业，MathWorks凭借其MATLAB®与Simulink®两大核心平台，正以“基于模型的设计”（MBD，Model-based design）为核心方法论，深度融合人工智能技术，助力全球工业企业构建面向未来的数字化工程能力。
数字工程三大支柱：模块化、敏捷与系统思维
随着全球工业领域加速向智能化、绿色化、高附加值方向转型，企业面临的竞争压力与日俱增。产品复杂度不断提升，软件在设备中的比重持续加大，而优秀工程师的短缺成为制约创新的关键瓶颈。在这一背景下，如何构建高效、可复用、敏捷的研发体系，成为每一个制造企业必须回答的命题。
采访开始，Philipp Wallner就着重强调：数字化转型不是选择题，而是生存题。他指出，面对市场对创新速度与产品质量的双重压力，企业必须从传统的“文档驱动”开发模式，转向“模型驱动”的数字化工程平台。
实际上，西门子能源的工程师们对此就深有体会。随着新能源大规模接入电网，传统的电力设备设计方法已难以应对。Philipp Wallner表示，如果每个客户项目都需要定制化解决方案，而每次都是从零开始，研发效率将无法满足市场需求。
实际上，这种困境在工业领域已经颇具普遍性。产品的软件比重持续攀升，多领域耦合日益紧密，而资深工程师的资源却日益稀缺。传统的串行开发模式——先机械、再电气、最后软件——在软件定义系统的时代已显得力不从心。
面对这一挑战，MathWorks提出了一种根本性的解决思路：将工程师的专业知识沉淀为可复用的模型，通过基于模型的设计构建持续创新的数字基座。
Philipp Wallner告诉我们，模块化不仅仅是技术的重组，更是企业知识的系统化封装。通过将产品拆分为可复用的模块，企业能够在不同项目中快速组合与迭代，显著缩短研发周期。他以西门子能源为案例，进行了详细介绍。面对电网中新能源接入、电动车充电等不确定性因素带来的复杂性，该公司构建了统一的模块化设计平台，将原本分散在各项目团队中的工作流整合为基于模型的统一环境，实现了设计资产的高效共享与“碰撞式创新”。
除了模块化之外，MathWorks认为敏捷开发已经成为软件定义时代的必然选择。Philipp Wallner认为，随着工业设备中软件比重的显著提升，传统的“机电先行、软件后补”模式已无法满足快速迭代的需求。而工业嵌入式软件同样需要借鉴IT领域的敏捷实践。通过将软件设计与机电开发同步进行，企业能够在虚拟环境中提前验证系统行为，实现“软硬协同”，显著降低后期修改的成本与风险。
最后，基于模型的系统工程也成为破解复杂性的利器。“当系统复杂度超越人类直觉管理的范围时，基于模型的系统工程成为关键方法。通过层次化、多领域的系统建模，工程师能够将复杂问题分解为可管理的子问题，并在模型层面进行早期验证与优化。”Philipp表示，这已经成为工业界应对系统复杂性逐步提升的核心实践。
Shift-Left与Stretch-Right：打造模型全生命周期的价值闭环
在本次采访过程中，Philipp Wallner还着重介绍了MathWorks提出的Shift-Left与Stretch-Right，也就是验证左移和向右延伸。
据介绍，传统开发流程中，60%的设计缺陷源于需求与架构阶段，但其中仅有8%能在此阶段被发现。通过基于模型的仿真与验证，企业能够将测试环节“左移”，在概念设计阶段就动态集成系统模型，显著降低后期返工的概率与成本。
Philipp Wallner强调，这就像在建筑设计阶段就发现结构问题，而不是等到大楼封顶时才意识到承重不足。因此，我们希望在问题萌芽阶段就将其扼杀，而不是到了最后才发现。
而“右延”策略则让模型的价值超越研发阶段，延伸至产品运营的全过程。Philipp Wallner表示，数字孪生技术的成熟，让模型的价值从研发端延伸至运营端。通过将设计阶段的模型与实时数据结合，企业能够构建高保真的数字孪生体，用于预测性维护、运营优化甚至新功能开发。
据Philipp Wallner介绍，三一重工将工程模型用于预测性维护，根据设备实际运行工况生成定制化的保养方案。这种模式不仅提升了服务效率，更创造了新的收入来源——从销售产品转向提供增值服务。
而以上这些，则是对MathWorks方法论的完美诠释，即模型的价值不仅限于研发阶段，更贯穿于产品的整个生命周期。
AI的三重赋能：设备、建模与工程师同步演进
本次采访活动，除了基于模型的设计之外，关于AI在工业领域的赋能也是我们关注的焦点。而在MathWorks的视野中，AI正在设备、建模和工程师三个层面同步演进。
在设备层面，AI让产品获得前所未有的适应能力。Philipp Wallner通过可口可乐的创新进行了详细介绍。可口可乐通过AI算法替代物理压力传感器，在保证精度的同时显著降低了硬件成本。这种“虚拟传感器”技术正在成为智能设备的新标配。
在建模层面，模型降阶技术让工程师能够基于实验数据快速构建系统模型，大幅降低了数字孪生的构建门槛。Philipp Wallner认为，AI应用于建模型很好地解决了工业领域长期存在的建模效率问题，这也使得他们正从一切都需从头建模转向智能辅助建模的新范式。”
最引人注目的变革发生在工程师的工作方式上。生成式AI正在成为工程师的智能助手。通过MATLAB Copilot，工程师可以用自然语言与工具交互，快速理解遗留代码、自动生成符合规范的模型、智能检查设计一致性。
Philipp Wallner同时也强调，生成式AI的价值不在于替代工程师，而在于放大他们的创造力。这让他们能够专注于真正的创新，而不是陷入重复性工作的泥潭。
写在最后：模型与AI共塑工业智能新生态
在工业数字化的深水区，竞争的本质正在发生变化。未来的工业领导者，必将是那些善于将知识封装于模型、并善于利用AI放大人类智慧的企业。
正如风电巨头金风科技的实践所展示的，当中国的制造智慧与全球领先的工程方法相遇，完全有可能实现从追随者到引领者的跨越。在这个过程中，MathWorks扮演的不仅是工具提供者，更是方法论共创者的角色。
工业智能化的征程刚刚开始。在这个软件定义、AI驱动的制造新时代，那些率先掌握“模型思维”的企业，正在悄然构筑面向未来的核心竞争力。它们不仅在生产产品，更在生产“生产产品的方式”——这或许，就是工业数字化转型中最深刻的变革。
文章来自：51CTO
