⁣
📰 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