Agentic AI 正在生成比以往更多的模型、代码、需求以及测试工件，但更多的产出并不意味着更快的系统级开发进展。这种脱节源于系统连续性的中断：每次工具之间的交接都会丢失可执行的系统状态，迫使工程师在继续工作之前，从静态工件中重新构建该状态。Agent 会增加交接的频率，使得状态重建成为推进开发过程中主要的挑战和成本。随着产出的规模不断扩大，实现一致系统表示所需的工作量也随之增加。Model-Based Design（基于模型设计）使工程师能够维护一个可执行的系统模型，从而保持系统状态的完整性，并减少状态重建所需的工作量。
Model-Based Design 保持连续性
采用 Model-Based Design 时，变更直接作用于可执行系统模型，因此能够立即进行评估。变更及其对系统层面的影响保留在同一个位置，而不是在多个独立工件之间进行转换。当与 Agent 协同工作时，工程师可以在引入变更后立即观察系统行为，并且是在完整模型的上下文中进行观察，而非孤立地查看局部结果。验证发生在集成之前，此时问题更容易被理解和解决。反过来，这也增强了工程师的信心，因为他们能够理解系统在不断演进过程中是如何响应变化的。
当 Agentic AI 直接在模型上工作时，其工作成果将具有累积性。每次更新都会建立在当前系统状态之上，并推动系统持续演进，从而消除了后续对各种输出结果进行协调和统一的需求。Agent 可以通过在同一环境中进行仿真、评估系统行为以及调整自身修改内容来加速设计循环。这形成了一个在彼此割裂的工具之间无法实现的闭环。开发进展积累于系统本身，而不是分散在各种工件之中，从而降低了反复进行状态重建的需求。
Agentic 工作流中工程师的角色
Agentic AI 正在改变工程工作的开展方式，它重新定义了工程师的关注重点以及其对开发过程的贡献方式。当 Agent 直接在系统模型上工作时，它们能够实施变更、运行仿真并评估结果。工程师不再专注于逐步推进每一个具体任务，而是专注于定义系统必须实现的目标。他们将这些目标转化为系统级需求，并指导 Agent 如何执行相关工作。
工程师负责制定设计策略，并通过评估系统响应来判断系统是否达成预期目标。Agent 则在持续的过程中不断迭代变更并验证结果。因此，工程师在重建系统状态或协调中间步骤上花费的时间更少，而在系统级决策上投入的时间更多。他们工作的价值体现在确保这些决策能够推动系统朝着预期结果发展。
电动汽车开发中的跨领域连续性
连续性在多域系统中尤为重要，因为一次变更可能会在整个模型中传播。在电动汽车（EV）开发中，无论是系统级还是组件级控制策略的更新，都必须考虑电池、电机以及其他支撑系统之间的相互影响。当这些组件各自独立开发时，这些交互效应往往会在集成阶段才显现出来，而那时发现其影响通常已经为时较晚。可执行系统模型能够让这些影响在开发早期就变得可见。
借助这种可见性，工程师能够在引入控制策略变更的同时评估其对整个系统的影响。例如，Agent 可以仿真不同再生制动和摩擦制动策略变化在各种驾驶工况下对车辆行为的影响。这使得工程师能够了解这些决策对能效、电池使用情况以及整车性能的影响。由于这些评估建立在可执行模型的基础之上，Agent 的工作始终受到系统物理约束和结构约束的限制。这种方法产生的是确定性的、基于物理规律的结果，而不是依赖于工程师的主观假设。
可执行系统模型能够表示完整系统，因此工程师能够评估各种变更对整车行为产生的影响
在此基础上，AI Agent 还能够比较广泛场景下的结果，在同一工作流中评估各种工况，并识别续航里程、响应性能以及热负载之间的权衡关系。工程师能够实时观察这些变化如何在动力总成系统中相互作用，并在开发过程中直接看到系统级影响的逐步显现。
这些工作流已经被应用于虚拟整车开发之中。一家电动汽车制造商正在使用与 MATLAB® 和 Simulink® 配合的 Agent，直接在模型架构内部开展工作。Agent 生成并优化组件模型，然后进入测试与仿真阶段，无需在多个工具之间切换。所有工作都在一个连续闭环中完成，Agent 在过程中持续发现问题、提出修正方案并验证结果。工程师则持续参与系统行为审查和关键决策制定，而 Agent 负责在系统模型中执行重复性的实现工作。最终的结果是模型开发速度更快，同时随着模型规模扩大和逐步集成，在工作协调和上下文重建上耗费的时间显著减少。
从执行任务到推动系统演进
在工程领域，衡量 Agentic AI 的标准不应该是它产出了多少内容。若每一个步骤都需要重新构建整体系统状态，那么再多的工件也无法真正推动系统向前发展。在可执行模型内部，变更能够被立即评估，并持续作为后续工作的基础。系统能够跨越各个开发阶段持续推进，而不会因工具切换而中断。
集成化的系统级模型使 Agent 能够贯穿整个工程工作流开展工作，包括物理建模、控制开发、验证与确认，以及嵌入式部署
Model-Based Design 通过在整个工作流中保持一致的系统状态，实现了这种持续演进。它使 Agent 能够直接作用于系统本身，并确保工程师能够判断系统是否符合既定目标。随着越来越多的 Agent 被集成到工程工作流中，这一点变得尤为关键。如果缺乏连续性，更多的产出只会带来更高的集成工作量、更多的管理开销以及更高的成本，而无法转化为真正有价值的开发进展。
本文作者：Tianyi Zhu，MathWorks 高级产品经理
- Agentic AI 正在产生更多工程工作，但是为什么系统开发进展并没有更快？ – 2026年8月5日
- 芯展速AI90亮相WAIC 2026，破解大模型算力内存墙瓶颈 – 2026年7月23日
- 安谋科技Arm China闪耀WAIC | AI前瞻分享，Arm无处不在，让AI触手可及 – 2026年7月22日