数字化时代，人工智能等技术的快速发展正深刻改变着社会运行方式与市场竞争形态，工程研发与产业创新也面临全新挑战，企业在产品迭代、技术升级、跨域协同中，开发复杂度不断提升、周期被要求持续压缩、多专业协同效率低下、质量与可靠性标准严苛等现象日趋严峻，传统依赖人工经验的开发模式难以适配快速变化的市场需求。
针对这些共性难题，行业领先企业携手优秀的供应商，依托数字化工具重构研发流程，有效化解上述核心问题，实现效率、质量与创新能力的全面提升。
标杆实践：MATLAB®助力领先企业攻克研发顽疾
在北京召开的“MATLAB EXPO 2026中国”大会上，一系列创新实践令与会者耳目一新。新奥科技构建了覆盖全链条的聚变装置数字孪生平台，实现了等离子体行为精准仿真与控制策略验证，大幅降低实机试错风险，为球形环聚变技术突破提供关键支撑；施耐德电气实现低压电器产品100%模型生成代码，模块复用率超90%，项目开发成本优化约50%，周期缩短约50%；吉利汽车将海量仿真组合精简优化，实现开发周期减半、硬件成本从百万元级降至万元级，实车测试获得10%-20%的节油率，显著提升新能源汽车能效与驾乘品质……
这些成功案例为工程领域数智化转型提供了可借鉴的实践样本，也印证了在数智时代，方法论的重塑是赢得未来的关键。
毫无例外，上述成果都得益于MATLAB®/Simulink®平台的全面支撑。
作为工程研发的核心工具，MATLAB以基于模型设计、代码自动生成、仿真验证一体化、跨学科协同等能力，为企业提供从需求分析到产品落地的全流程解决方案，并且赢得了大量企业用户的高度赞誉。
AI演进：MATLAB引领工程智能化新趋势
人工智能技术的持续进步，推动工程研发领域发生深刻变革。生成式AI的出现，让自动化建模、快速代码生成、复杂仿真加速成为可能，大幅缩短研发周期、释放工程师创造力。
AI智能体（AI Agent）可自主完成需求读取、模型构建、错误修正与流程执行，将数小时的人工建模工作压缩至10-15分钟。此举意味着AI已从辅助工具转变为研发核心驱动力，标志着工程研发进入智能自治新时代。
MathWorks公司MATLAB产品家族市场总监David Rich先生
“工程领域对AI的应用其实早已起步。从1990年MATLAB推出神经网络工具箱，到2016年GPU推动深度学习爆发，AI逐步渗透至信号处理、图像识别与控制系统中。”MathWorks公司MATLAB产品家族市场总监David Rich先生在 “生成式人工智能在工程中的应用：效率革命与质量保障”的主题演讲中指出，MATLAB紧跟技术潮流，以工程化、可验证、高可靠的工具链，为AI技术在工程领域的落地提供稳定支撑，兼顾创新效率与研发严谨性，陆续推出数据预处理应用、代码生成工具及面向医疗影像和视觉检测的专用模块，也为工程AI奠定了坚实基础。
据悉，MathWorks当前已发布MATLAB Copilot与Simulink Copilot，虽尚未在中国地区上线，但其核心能力已经通过MATLAB MCP Core Server和生成式工具包全面支持中国用户。
面对不同行业的差异化需求，MATLAB推出深度融入AI驱动特性的行业解决方案，将智能算法与物理建模、控制设计、系统仿真深度结合，覆盖能源管理、工业自动化、新能源汽车、先进制造等多个领域，让AI能力真正下沉到工程研发一线，转化为实际生产力。
针对嵌入式AI部署中算力供应紧张、实时性要求高等痛点，MATLAB通过模型压缩、量化优化、硬件定向适配等技术，降低算法对硬件资源的依赖，让AI算法在嵌入式架构中高效稳定运行，适配Arm、单片机等多种终端平台，推动智能技术向终端深度渗透。
为打破跨领域协作壁垒，MATLAB搭建了统一的系统框架，实现控制工程、信号处理、电气工程、机械设计、机器学习等多学科数据互通、工具互操作与成果复用，让不同专业工程师在同一平台高效协同，消除信息孤岛与流程断层。
为推动AI生态开放兼容，MATLAB构建了开放标准MCP协议，使AI Agent可与企业现有大模型无缝对接，无需替换原有基础设施，降低企业改造与部署成本。
同时，MATLAB坚持开源开放路线，在GitHub上线MCP Core Server、Agentic Toolkit等核心工具，结合长期运营的用户文件共享社区，沉淀海量工程模块与应用案例，以开放姿态连接产业资源，降低企业智能化转型门槛，推动全行业协同发展、共同进步。
安全基石：工程可信与经验融合的核心价值
安全可信与工程经验的深度融合，是技术落地不可动摇的核心基石；汽车、能源、航空航天、医疗设备等高安全关键领域，对系统稳定性、输出确定性、风险可控性更是有着极致要求，任何微小偏差都可能引发严重后果。生成式AI在提升效率的同时，存在输出不确定、内容幻觉等固有问题，若脱离工程规范与物理规律盲目应用，极易导致模型错误、逻辑偏差、结果不可复现等风险，威胁产品质量与运行安全。
David Rich强调：“在敞开怀抱拥抱AI的同时，我们以平台能力保障AI输出的确定性与安全性。”
他表示，MATLAB始终将工程严谨性与质量保障放在核心位置，构建全流程验证、全生命周期可控的研发体系。该平台全面支持高安全领域广泛采用的W图开发方法论，在传统V模型基础上，强化训练数据质量、模型有效性、系统行为的严格审查，确保AI输出合规、可靠、可追溯。同时，MATLAB沉淀数十年全球工程实践经验，通过标准化模块库、行业专用工具包与工程化引导文件，规范智能代理输出行为，让AI技术在物理规律、行业标准与工程经验的框架内发挥价值，实现高效创新与安全可靠的平衡，为工程数智化转型筑牢安全底线。
携手共赢：与中国伙伴共筑数智未来
面向中国市场，MathWorks始终秉持“扎根教育，深耕行业，深度支持，广泛合作”的十六字方针，全力推进本土化服务与生态体系建设，助力中国工程数智化转型。
当前，中国MATLAB用户规模位居全球前列，但这与中国庞大的工程师群体、高校理工科学生基数以及广阔的产业升级需求相比，市场普及度仍有较大提升空间。对此，MathWorks持续加大教育投入，走进高校与职业院校，完善课程体系、实训平台与竞赛支持，培育具备实战能力的新生代工程人才。
在产业端，聚焦汽车、能源、半导体、商业航天、电子制造等重点行业，组建本土化技术团队，提供定制化解决方案与贴身技术支持。同时，扩大本土合作伙伴生态，联合软件、硬件、测试、云服务等上下游机构，打造覆盖工具使用、技术培训、方案实施、运维保障的完整服务链，降低中小企业使用门槛，让MATLAB的技术能力真正普惠中国工程界，释放产业创新活力。
新奥科技、施耐德电气、吉利汽车三家标杆企业的成功实践，证实了MATLAB对中国产业数智化建设的坚实支撑与重要价值。着眼未来，新奥科技团队将引入MATLAB的AI工具箱，开发智能控制算法与破裂预测模型，实现从“经验驱动”向“数据驱动”的转型，加速聚变技术从实验验证迈向工程化、商业化落地；施耐德电气则计划将成熟的基于模型的设计与代码生成方法论及配套流程进一步推广至更多低压电器产品线乃至其他业务领域，持续提升开发效率、产品质量与创新能力；吉利汽车继续与MATLAB携手，将这套从仿真、标定到实车验证的全栈能力应用于更多智能化产品的开发中，共同推动新能源汽车向持续学习、不断自我进化的方向发展。
被这些深度的应用、高度的肯定、成功的示范所鼓舞，David Rich表示将继续深耕中国市场，以领先的工程技术、完善的产品矩阵、开放的生态合作模式，与本土企业、高校、研究机构深度协同，持续破解产业研发痛点，助力更多中国企业实现数字化、智能化转型，为中国工程创新、产业升级与高质量发展注入持久、强劲的技术动力。
- AI赋能工程创新：以MATLAB驱动数智化转型 – 2026年5月6日
- 从追赶者到领航者：达索系统掌门人的中国洞察 – 2026年5月1日
- MUSA获得SGLang主线支持！5月10日北京，AI Meetup等你来 – 2026年4月30日