维度网讯，6月9日，美国工程软件公司MathWorks产品营销经理Seth DeLand围绕智能体AI在工程领域的应用表示，智能体AI正在为工程师打开更大的问题空间。相关观点聚焦MATLAB、Simulink、模型化设计、仿真验证和自动化任务执行，反映工程软件企业正在把生成式AI能力从代码辅助推进到可执行、可验证的工程流程中。

智能体AI的关键变化在于“循环执行”。工程师设定任务目标和成功标准后，AI代理可以围绕代码编写、模型调用、仿真运行、错误修正和结果检查持续迭代。

在传统生成式AI辅助工程场景中，工程师通常需要把问题输入聊天界面，再把生成代码复制到MATLAB或其他开发环境中运行，遇到报错后重新回到对话界面描述问题、获取修改建议，再继续测试。MathWorks近期面向MATLAB和Simulink推出的智能体AI相关资料显示，智能体AI通过模型上下文协议和工具包，把大语言模型与工程计算、仿真环境和本地数据连接起来，使AI代理能够调用MATLAB函数、运行Simulink模型、读取工作区数据、执行代码、分析错误并继续修正结果。这种模式把“给建议”的AI推向“能执行任务”的AI，工程师的工作重心也随之转向目标设定、约束定义、模型验证和结果审查。对于控制系统、嵌入式软件、信号处理、机械设计、自动驾驶、机器人和工业设备研发等场景，AI代理如果能在既有工程工具链内运行，就可以承担更多重复试验、参数调整、模型连接和报告生成工作，让工程团队把精力放到系统架构、边界条件、安全验证和方案取舍上。

MathWorks相关技术材料还强调，智能体AI进入工程流程后，可靠性和可追溯性仍然是核心问题。工程开发不能依赖“感觉式编码”，嵌入式系统、控制器和工业软件都需要明确需求、复用经过验证的模型与工具箱，并通过仿真和分阶段测试确认结果。

这一判断对工程软件市场具有直接影响。MATLAB和Simulink长期服务汽车、航空航天、通信、能源、工业自动化和科研机构，很多客户的研发流程依赖模型化设计、仿真、代码生成和测试验证。智能体AI如果只是停留在通用聊天界面，难以进入高约束的工程现场;但当AI代理能够接入专业工具、理解模型结构、调用仿真环境并输出可检查结果时，工程软件平台的价值会进一步放大。软件供应商需要提供AI代理可调用的接口、领域技能、工具链连接和权限控制，企业研发团队则需要重新设计人机协同流程，把AI生成、自动执行、工程师审核和质量闭环结合起来。

智能体AI在工程领域的落地也会改变工程师能力结构。工程师仍需承担系统定义、物理机理判断、测试方案设计、合规边界确认和最终责任，但部分基础编码、批量实验、数据整理和迭代验证可由AI代理协助完成。对于复杂产品研发而言，这意味着团队能够在同样时间内探索更多设计方案，缩短从概念建模到仿真验证的路径，并在早期发现参数、模型和控制策略中的问题。后续变量集中在企业数据安全、模型权限管理、多工具链适配、生成结果验证和工程责任边界等方面，只有这些环节建立清晰规则，智能体AI才可能从演示型工具进入规模化工程生产流程。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com