⁣
📰 工具门槛革新与AI工程化落地

在本次MathWorks中国汽车年会上，博格华纳展示了基于机器学习的电机温度在线估算方法，强调通过深度学习实现转子与定子温度的实时预测，并已完成台架验证，未来将开展整车测试。文章指出，AI在工况预测中的落地还面临如何可信部署到嵌入式平台的挑战，需从模型训练、代码生成、仿真验证到最终部署形成闭环。R2026a版本引入Agentic AI工作流，使工程师可通过自然语言调用MATLAB/Simulink的高级工具箱，生成代码、测试、诊断并修复错误，从而降低专业门槛。工具链分为三层：训练开发、仿真验证与代码生成部署，形成可追溯、可验证的全过程，但硬件约束如推理速度与内存仍需在网络层面权衡。博格华纳强调技术复用与本土化需求，遵循MLE流程以提升可评估性与可追溯性，并通过仿真与AI减少台架测试资源，实现电机与电控并行开发。总体而言，2026年被视为智能体之年，端侧AI正从云端走向物理世界，MathWorks在其中扮演重要角色，推动一次投入多次复用的工程积累，降低开发成本，推动行业应用落地。

🏷️ #嵌入式AI #深度学习 #MATLAB #Simulink #MLE

🔗 原文链接

⁣
📰 AI推动全球实体经济新演进

在新一轮科技革命与产业变革叠加的背景下，文章指出人工智能正在从单纯提高效率的工具转变为重组生产要素、改变生产函数的系统性力量，深刻影响全球实体经济的运行逻辑。AI正从数据处理扩展为核心生产要素，推动数据要素市场形成、知识生产方式转变以及劳动力结构向高技能与人机协同方向重组；同时从单点应用走向端到端的全链条嵌入，打通设计、生产、流通、消费各环节的数据与协同，促使产业链从串联走向网络化、动态协同的系统结构。全球范围内，各主要经济体正围绕“AI+实体经济”形成差异化路径：美国以技术平台与生态体系引领，欧洲强调制度规制与产业协同，中国通过场景驱动与规模优势快速落地并推动智能工厂与制造业升级，新兴经济体则通过跳跃式应用实现发展突破。产业组织形态由企业主导向平台+生态转型，全球竞争由产品转向系统能力，治理则向嵌入式规则设计升级。最终，谁能建立端到端的系统能力、完善治理并培育核心生态，谁将在新一轮全球竞争中处于领先。

🏷️ #AI+实体经济 #平台生态 #全球竞争 #数据要素 #嵌入式治理

🔗 原文链接