MathWorks：生成式AI很強(qiáng)，但要讓它干活不出錯，需要配一套可信的工具鏈

2026-07-02 11:52

芝能科技

關(guān)注

芝能科技出品

MathWorks 2026年中國汽車年會上，嵌入式軟件及認(rèn)證產(chǎn)品經(jīng)理Tom Erkkinen接受了一場將近一小時(shí)的群訪。

當(dāng)生成式AI來了以后，汽車軟件工程師手里的MATLAB®和Simulink®還怎么用？MBD（Model-Based Design）這套做了幾十年的方法論會不會被顛覆，大模型寫出來的代碼怎么讓人信？

MathWorks嵌入式軟件及認(rèn)證產(chǎn)品經(jīng)理Tom Erkkinen

Tom的回答給出了很清楚的框架，生成式AI和工程師，和MBD的關(guān)系，用了一個詞來定義“合作關(guān)系”

01 生成式AI找人干活

● 生成式AI在工程軟件開發(fā)的角色

MathWorks的MATLAB MCP Core Server是去年10月發(fā)布的，是一個通用的協(xié)議，讓任何大語言模型都可以通過這個Server去調(diào)用MATLAB和Simulink。

今年4月又發(fā)布了Agentic Toolkit，向大模型灌入MATLAB和Simulink的專家級知識，讓它寫出符合建模規(guī)范的代碼和模型。

給大模型裝了兩樣它本來沒有的東西：一是調(diào)用真實(shí)工程工具的接口，二是使用這些工具的最佳實(shí)踐。

如果讓一個大語言模型直接生成MATLAB代碼，它可能寫了幾十行去實(shí)現(xiàn)一個MATLAB自帶工具箱已經(jīng)有的功能。有了Skills以后，大模型知道正確的做法是調(diào)用那個工具箱，一行就解決了。Token消耗大幅降低，產(chǎn)出的代碼也更快捷、更不容易出錯。

怎么用最小的Token消耗來產(chǎn)生最好的效果，往往是要依靠這些技能。

MathWorks做的是"不讓AI直接寫代碼，而是讓AI去找已經(jīng)被驗(yàn)證過的工具來干活。生成式AI像是一個知道哪個工具能解決什么問題的調(diào)度員，不是一個自己動手的工人。

● 生成式AI每次給不同的答案

大模型生成的代碼怎么確保可信，用很直白的說法來概括用戶最大的顧慮："你給它相同的輸入，可能它會給出不同的結(jié)果。"這句話切中了汽車行業(yè)對生成式AI最深層的擔(dān)憂。

做功能安全的工程師習(xí)慣了確定性：同一條輸入進(jìn)同一套工具鏈，出來的代碼應(yīng)該是唯一的、可追溯的、可被驗(yàn)證的。大語言模型的概率性本質(zhì)，和這個要求天然沖突。

大模型無法直接產(chǎn)出產(chǎn)品級代碼，結(jié)合Agentic Toolkit，正確使用和運(yùn)行MATLAB和Simulink里對應(yīng)的工具完成設(shè)計(jì)與驗(yàn)證，調(diào)用Embedded Coder工具生成可部署的嵌入式代碼。MBD工具本身是經(jīng)過ISO 26262認(rèn)證的，它生成的代碼是確定性的。

MathWorks提供的offering，就是讓大語言模型正確使用和運(yùn)行MATLAB和Simulink工具，這些工具都是已經(jīng)驗(yàn)證了的，它產(chǎn)生的東西是確定性的。

大語言模型的創(chuàng)新能力確實(shí)很強(qiáng)，可是如果你要讓它落地、讓它工程化、產(chǎn)品化，怎么讓它的產(chǎn)出從不確定性的變成確定性的，這就是MBD（Model-Based Design）工作流與工具鏈的價(jià)值。

這個方案的聰明之處在于把生成式AI的不確定性約束在一個可控的范圍里。范圍的邊界是：生成式AI負(fù)責(zé)理解需求、調(diào)用工具、設(shè)計(jì)任務(wù)。工具負(fù)責(zé)執(zhí)行。

執(zhí)行的結(jié)果是確定性的、可追溯的、已被認(rèn)證的。生成式AI尚不具備直接觸達(dá)產(chǎn)品代碼的那一層。

對于手寫代碼的用戶，Tom認(rèn)為直接用大模型生成代碼也行，只要那些代碼不用于安全關(guān)鍵系統(tǒng)。你的目標(biāo)不一樣，需求不一樣。

對于工程化、安全關(guān)鍵系統(tǒng)，代碼質(zhì)量有門檻、必須符合功能安全。手寫代碼的用戶如果不考慮工程化、產(chǎn)品化，不使用Simulink進(jìn)行開發(fā)也沒問題。

02 工程師會比寫代碼更值錢

● 產(chǎn)品開發(fā)的節(jié)奏

被問到未來三到五年AI Agent會如何改變汽車工程師的日常工作，Tom先說了一句"你說的是Simulink Copilot嗎"，然后給出了一個可能會讓很多寫代碼的工程師需要消化一陣的判斷。

Simulink Copilot出來以后，工程師要做的更多的不是親自去實(shí)現(xiàn)軟件，是讓AI Agent去執(zhí)行任務(wù)。讓Agent來生成規(guī)范化需求、生成測試用例、創(chuàng)建模型等。

工程師的角色從"寫代碼的人"變成了"定義目標(biāo)和系統(tǒng)架構(gòu)的人"和"評審AI產(chǎn)出的人"。從原來的軟件工程師更多focus在軟件實(shí)現(xiàn)，接下來更多要去做結(jié)果評審、系統(tǒng)決策、框架定義的工作，這一塊會更有價(jià)值。

這句話如果放到整個汽車軟件行業(yè)的發(fā)展脈絡(luò)里看，指向的是一個更深的變化。過去幾十年，汽車軟件工程師的核心競爭力是懂工具、能寫代碼、能跑通工具鏈。

當(dāng)AI接走了實(shí)現(xiàn)的環(huán)節(jié)，競爭力會往兩頭走：一頭往上，定義系統(tǒng)的架構(gòu)和目標(biāo)；一頭往下，審核和驗(yàn)證AI產(chǎn)出是否滿足安全和標(biāo)準(zhǔn)要求。

MathWorks R2026a發(fā)布了Simulink Copilot和Agentic Toolkit，讓生成式AI接管實(shí)現(xiàn)；Polyspace工具套件，包括Polyspace as You Code，把代碼分析和安全漏洞檢測下沉到開發(fā)窗口里。一頭放，一頭收。

● 標(biāo)準(zhǔn)還在草稿階段

關(guān)于生成式AI生成代碼的認(rèn)證問題，ISO 22440還在草稿階段，針對AI工具認(rèn)證的章節(jié)大家都在爭論。ISO 26262對AI生成代碼目前還沒有成熟的實(shí)踐指引。

采用MBD (Model-Based Design) 進(jìn)行軟件開發(fā)所生成的代碼不存在追溯性缺失和不確定性的問題，因?yàn)镋mbedded Coder是經(jīng)過26262認(rèn)證的，每一次輸入對應(yīng)確定性的輸出。

但大語言模型直接生成的代碼想通過功能安全認(rèn)證，挑戰(zhàn)非常大。你稍微改一下大語言模型的提示詞，代碼又不一樣了，這是一個非常大的隱患。對于手寫代碼，Tom認(rèn)為理論上也能通過認(rèn)證，歷史上手寫代碼通過認(rèn)證的情況很多。

大語言模型生成的代碼邏輯上也能走同樣的認(rèn)證流程，但每一次微調(diào)帶來輸出離散化的特性讓認(rèn)證的工作量絕不是一個倍增，是好幾個數(shù)量級的差距。

小結(jié)

生成式AI很強(qiáng)，但沒有強(qiáng)到可以獨(dú)自承擔(dān)安全責(zé)任的程度。讓生成式AI去調(diào)度已經(jīng)被驗(yàn)證過的MBD (Model-Based Design)工具鏈，而不是讓AI自己寫代碼。工程師的角色從實(shí)現(xiàn)者變成架構(gòu)者和審核者。

標(biāo)準(zhǔn)和認(rèn)證還在爭論階段，短期內(nèi)不會有一個讓大模型生成的代碼直接通過功能安全認(rèn)證的成熟方案。這恰恰準(zhǔn)確地反映了汽車行業(yè)在引入生成式AI時(shí)所面臨的工程現(xiàn)實(shí)。當(dāng)一輛車的軟件出故障可能涉及人身安全，任何一個不確定的輸出來源都是不可接受的。

工具鏈的價(jià)值，就是把大語言模型的不確定性限制在可控的范圍內(nèi)。而MathWorks的落腳點(diǎn)，正是要確保每年兩次的發(fā)布始終高質(zhì)量、可靠，尤其在AI時(shí)代，這才能為工程師構(gòu)筑一個值得信賴的根基。

原文標(biāo)題 : MathWorks：生成式AI很強(qiáng)，但要讓它干活不出錯，需要配一套可信的工具鏈