📰 工具门槛革新与AI工程化落地——2026 MathWorks中国汽车年会侧记
在2026年6月的MathWorks中国汽车年会上，博格华纳展示了一种基于机器学习的电机温度在线估算方法，依托深度学习网络实现转子、定子温度的实时预测，已完成台架验证，未来将推进整车测试。文章指出，如何把Python环境训练的AI模型可信地部署到嵌入式平台，是当前汽车行业嵌入式AI落地的关键。MathWorks推出2026a版本（R2026a），以Agentic AI驱动工作流，通过与MATLAB/Simulink的深度整合，降低专业门槛，使工程师可通过自然语言调用高级工具箱，完成代码生成、测试、诊断与修复等任务，形成从训练到部署的闭环。R2026a的三层能力模型帮助实现训练、仿真验证、以及嵌入式部署的全链路追溯与可验证性；但在MCU部署阶段仍需应对推理速度、内存等硬约束，需进行网络剪枝与精度平衡。博格华纳强调以数据驱动替代复杂物理建模，遵循MLE过程以提升可评估性和可追溯性，并通过技术复用实现知识迁移，降低开发成本。展望未来，端侧AI正从云端走向物理世界，MathWorks在加速工程实现方面发挥着重要作用。
🏷️ #AI嵌入式 #MATLABSimulink #R2026a #AgenticAI #机器学习工程
🔗 原文链接
📰 工具门槛革新与AI工程化落地——2026 MathWorks中国汽车年会侧记
在2026年6月的MathWorks中国汽车年会上，博格华纳展示了一种基于机器学习的电机温度在线估算方法，依托深度学习网络实现转子、定子温度的实时预测，已完成台架验证，未来将推进整车测试。文章指出，如何把Python环境训练的AI模型可信地部署到嵌入式平台，是当前汽车行业嵌入式AI落地的关键。MathWorks推出2026a版本（R2026a），以Agentic AI驱动工作流，通过与MATLAB/Simulink的深度整合，降低专业门槛，使工程师可通过自然语言调用高级工具箱，完成代码生成、测试、诊断与修复等任务，形成从训练到部署的闭环。R2026a的三层能力模型帮助实现训练、仿真验证、以及嵌入式部署的全链路追溯与可验证性；但在MCU部署阶段仍需应对推理速度、内存等硬约束，需进行网络剪枝与精度平衡。博格华纳强调以数据驱动替代复杂物理建模，遵循MLE过程以提升可评估性和可追溯性，并通过技术复用实现知识迁移，降低开发成本。展望未来，端侧AI正从云端走向物理世界，MathWorks在加速工程实现方面发挥着重要作用。
🏷️ #AI嵌入式 #MATLABSimulink #R2026a #AgenticAI #机器学习工程
🔗 原文链接
