当新能源汽车的硬件竞争进入平台期，决定动力能耗与用户体验的关键变量，已悄然转向软件与算法。特别是随着AI的迅速崛起，基于模型的仿真正在与人工智能深度融合，进而全面加速在虚拟环境中对新能源汽车开发的计算、寻优与验证。

这一变革的底层，离不开强大的计算与建模工具支撑。作为全球科学家和工程师的“通用语言”，MathWorks公司的MATLAB^®与Simulink^®凭借集算法开发、数据分析、系统建模与仿真于一体的平台能力，早已成为这一领域事实上的行业标准。

近日在北京举行的 MATLAB EXPO 2026 中国用户大会上，关于“嵌入式智能× AI工程设计”的前沿讨论掀起了高潮。本次大会不仅展示了最新技术进展，更通过一系列真实的行业案例，印证了一个事实：从经验直觉到模型驱动再到AI赋能，工程设计的方法论正在经历一场深刻的代际更迭。

在这场变革中，吉利汽车“星睿AI云动力系统”的开发实践，成为了行业趋势的最佳注脚之一。吉利汽车研究院智慧能源部部长万冬在大会上围绕动力智能主题做了主旨演讲，会后，AI《汽车制造业》记者有幸采访了万冬以及MathWorks中国区汽车行业经理周斌，畅谈这一领域的实践收获及前沿发展。

吉利汽车研究院智慧能源部部长万冬

AI重塑工程设计闭环

在“软件定义汽车”的时代，传统的开发模式早已难以为继。麦肯锡的研究报告指出，过去十年，汽车软件的复杂度增加了4倍，而开发效率仅提升了1~1.5倍。这一剪刀差迫使行业持续探寻创新范式。而随着AI技术的快速发展，并以铺天盖地之势落地于汽车等各行各业，“AI定义汽车”将成为必然，工程师在行业内对于AI的诉求更为迫切。

作为行业变化的风向标之一，MATLAB EXPO 2026大会的“AI味”非常浓厚，多个主题演讲都明确提出，生成式AI正在三个层面极大地赋能工程师：加速工程设计闭环、融合人机创意、提升设计工具能力。

MathWorks中国区汽车行业经理周斌在采访中表示，为了响应行业快速迭代的需求，开发工具的厂商本身也在加速创新变革。“原来MATLAB软件一年升级两个版本，随着AI的快速迭代，今后我们的迭代速度也会更快。”他还透露，MathWorks近期发布了Simulink Copilot和Agentic Toolkit等新产品，旨在将大语言模型与基于模型的设计（Model-Based Design，MBD）深度融合，帮助客户构建新流程、引入新方法以进一步提高开发效率。

MathWorks中国区汽车行业经理周斌

吉利汽车的“模型先行”之路

吉利汽车星睿AI云动力从1.0到2.0的实践，是这场技术变革的生动缩影。万冬在主旨演讲中分享了一组数据：基于MATLAB的Model-Based Calibration（MBC）标定工具箱，他们将标定试验数量从3000组锐减至1000组；通过数据驱动和闭环仿真，他们将产品策略定型周期从6个月缩短至2个月，效率提升了60%。这一过程有以下三个关键点。

1. 从主观驾驶评价到可量化评估：构建模型基础

“早期我们难以在开发阶段对整车性能进行准确量化评估，往往需要依赖试验场实车测试，并结合驾驶反馈来判断策略效果。”万冬回顾道。该方式高度依赖个人经验，验证周期长，且方法难以标准化与复用。

转折点来自基于模型设计的仿真方法。吉利汽车围绕关键零部件与能量管理系统建立模型，在虚拟环境中对控制策略进行计算、验证与迭代优化，逐步形成“仿真—计算—验证”的开发闭环。该闭环显著缩短了验证周期并降低了测试成本，同时提升了能量管理系统策略开发的一致性与可复用性。MATLAB与Simulink为数字孪生与虚拟验证提供了关键的技术支撑。通过构建高保真仿真模型并执行大规模自动化测试，它们实现了对多方案、海量工况的并行探索与快速评估，极大地提升了验证效率与广度，有力确保了工程团队能够基于全面数据，高效地遴选出最优策略。

2. 端到端工程化部署：从Simulink模型到实车验证

在预测性能量管理开发中，吉利智慧能源团队依托Simulink完整工具链，搭建了从模型设计到硬件部署的快速验证链路。借助Simulink Real-Time，直接将模型部署至整车，从而摆脱了对嵌入式代码的依赖，大幅缩短了实车测试的准备周期，实现了开发效率的飞跃；利用Simulink External Mode支持在线调参，单次测试可完成多组策略验证，将标定效率提升50%以上。这套“车云协同”的架构，使得基于全流程的全局优化算法得以快速工程化落地。

3. AI是提效手段，而非空中楼阁

模型仿真是AI落地不可或缺的基础。AI本身并不创造新的知识，而是对现有数据与模型的高效映射。AI模型的训练首先依赖于海量的高质量实车数据，这是确保模型工程可靠性的根本前提。仿真模型可以为AI模型引入物理约束，从而增强AI模型的可解释性和安全性，避免“黑箱”决策带来的不可控风险。

此外，特别值得一提的是吉利汽车的星睿智算中心，综合算力达23.5EFLOPS，目前位居中国车企第一，放在全球汽车行业中也处于领先地位。该智算中心正在为吉利汽车全域 AI战略及智能驾驶研发提供核心算力支撑，未来将成为AI时代的一座巨大金矿。

未来的AI实时控制与体系化优势

在智能化浪潮中，吉利汽车不仅追求效率，更在构建体系化的技术壁垒。面对“AI大模型给出的最优解是否可靠”这一核心质疑，万冬给出了清晰的路线图。当前的能量管理属于非实时决策（秒级），且通过物理约束和云端备份确保了安全。展望未来，当车端算力足以支持AI进行毫秒级实时控制时，必须引入全新的开发体系：在软件中增加物理约束与可解释性模块、构建用于强化验证的“世界模型”、设计多层级监控与冗余备份架构。

“到了真正AI进入实时控制的阶段，整个体系都要改变。从架构设计、多层监控，到整个强化的验证体系，到可解释性、可追溯性都要全部革新。”万冬在采访中强调。

吉利汽车研究院智慧能源部部长万冬

作为工具链的提供方，周斌也印证了这一趋势。MathWorks正在通过提供“端到端的嵌入式AI工作流”来响应客户需求，涵盖从AI模型的数据准备、训练、仿真与验证，再到针对车端控制器部署的模型压缩、剪枝与自动代码生成，并利用成熟的基于模型设计的工作流，确保AI在满足功能安全ISO 26262的前提下实现工程化应用。

结束语

动力系统开发正从经验驱动逐步演进为模型驱动，并进一步引入以AI为核心的智能体方法。该演进以可量化评估、可追溯验证和闭环迭代为基础，使工程团队能够在更广泛的工况空间内加速方案收敛与工程落地。

在这场变革中，MATLAB与Simulink始终是连接创新概念与工程实现的桥梁，正如万冬在演讲结语中所说：“MATLAB在智能化浪潮中扮演了关键角色，它不仅是算法开发的起点，更是连接‘创意’与‘产品’的桥梁，更让动力系统成为‘会思考’的智能伙伴。”

展望未来，万冬对AI《汽车制造业》记者表示：“节能、安全、智能的出行体验，是汽车行业未来技术演进的必然方向，也是我们持续前行的不变初心。”以吉利汽车为代表的中国车企，正凭借体系化的创新，从追随者逐步成为领跑者。