【導讀】Agentic AI 正在生成比以往更多的模型、代碼、需求以及測試工件，但更多的產出并不意味著更快的系統(tǒng)級開發(fā)進展。這種脫節(jié)源于系統(tǒng)連續(xù)性的中斷：每次工具之間的交接都會丟失可執(zhí)行的系統(tǒng)狀態(tài)，迫使工程師在繼續(xù)工作之前，從靜態(tài)工件中重新構建該狀態(tài)。Agent 會增加交接的頻率，使得狀態(tài)重建成為推進開發(fā)過程中主要的挑戰(zhàn)和成本。隨著產出的規(guī)模不斷擴大，實現(xiàn)一致系統(tǒng)表示所需的工作量也隨之增加。Model-Based Design（基于模型設計）使工程師能夠維護一個可執(zhí)行的系統(tǒng)模型，從而保持系統(tǒng)狀態(tài)的完整性，并減少狀態(tài)重建所需的工作量。
Model-Based Design 保持連續(xù)性
采用 Model-Based Design 時，變更直接作用于可執(zhí)行系統(tǒng)模型，因此能夠立即進行評估。變更及其對系統(tǒng)層面的影響保留在同一個位置，而不是在多個獨立工件之間進行轉換。當與 Agent 協(xié)同工作時，工程師可以在引入變更后立即觀察系統(tǒng)行為，并且是在完整模型的上下文中進行觀察，而非孤立地查看局部結果。驗證發(fā)生在集成之前，此時問題更容易被理解和解決。反過來，這也增強了工程師的信心，因為他們能夠理解系統(tǒng)在不斷演進過程中是如何響應變化的。
當 Agentic AI 直接在模型上工作時，其工作成果將具有累積性。每次更新都會建立在當前系統(tǒng)狀態(tài)之上，并推動系統(tǒng)持續(xù)演進，從而消除了后續(xù)對各種輸出結果進行協(xié)調和統(tǒng)一的需求。Agent 可以通過在同一環(huán)境中進行仿真、評估系統(tǒng)行為以及調整自身修改內容來加速設計循環(huán)。這形成了一個在彼此割裂的工具之間無法實現(xiàn)的閉環(huán)。開發(fā)進展積累于系統(tǒng)本身，而不是分散在各種工件之中，從而降低了反復進行狀態(tài)重建的需求。
Agentic 工作流中工程師的角色
Agentic AI 正在改變工程工作的開展方式，它重新定義了工程師的關注重點以及其對開發(fā)過程的貢獻方式。當 Agent 直接在系統(tǒng)模型上工作時，它們能夠實施變更、運行仿真并評估結果。工程師不再專注于逐步推進每一個具體任務，而是專注于定義系統(tǒng)必須實現(xiàn)的目標。他們將這些目標轉化為系統(tǒng)級需求，并指導 Agent 如何執(zhí)行相關工作。
工程師負責制定設計策略，并通過評估系統(tǒng)響應來判斷系統(tǒng)是否達成預期目標。Agent 則在持續(xù)的過程中不斷迭代變更并驗證結果。因此，工程師在重建系統(tǒng)狀態(tài)或協(xié)調中間步驟上花費的時間更少，而在系統(tǒng)級決策上投入的時間更多。他們工作的價值體現(xiàn)在確保這些決策能夠推動系統(tǒng)朝著預期結果發(fā)展。
電動汽車開發(fā)中的跨領域連續(xù)性
連續(xù)性在多域系統(tǒng)中尤為重要，因為一次變更可能會在整個模型中傳播。在電動汽車（EV）開發(fā)中，無論是系統(tǒng)級還是組件級控制策略的更新，都必須考慮電池、電機以及其他支撐系統(tǒng)之間的相互影響。當這些組件各自獨立開發(fā)時，這些交互效應往往會在集成階段才顯現(xiàn)出來，而那時發(fā)現(xiàn)其影響通常已經為時較晚?？蓤?zhí)行系統(tǒng)模型能夠讓這些影響在開發(fā)早期就變得可見。
借助這種可見性，工程師能夠在引入控制策略變更的同時評估其對整個系統(tǒng)的影響。例如，Agent 可以仿真不同再生制動和摩擦制動策略變化在各種駕駛工況下對車輛行為的影響。這使得工程師能夠了解這些決策對能效、電池使用情況以及整車性能的影響。由于這些評估建立在可執(zhí)行模型的基礎之上，Agent 的工作始終受到系統(tǒng)物理約束和結構約束的限制。這種方法產生的是確定性的、基于物理規(guī)律的結果，而不是依賴于工程師的主觀假設。
可執(zhí)行系統(tǒng)模型能夠表示完整系統(tǒng)，因此工程師能夠評估各種變更對整車行為產生的影響
在此基礎上，AI Agent 還能夠比較廣泛場景下的結果，在同一工作流中評估各種工況，并識別續(xù)航里程、響應性能以及熱負載之間的權衡關系。工程師能夠實時觀察這些變化如何在動力總成系統(tǒng)中相互作用，并在開發(fā)過程中直接看到系統(tǒng)級影響的逐步顯現(xiàn)。
這些工作流已經被應用于虛擬整車開發(fā)之中。一家電動汽車制造商正在使用與 MATLAB? 和 Simulink? 配合的 Agent，直接在模型架構內部開展工作。Agent 生成并優(yōu)化組件模型，然后進入測試與仿真階段，無需在多個工具之間切換。所有工作都在一個連續(xù)閉環(huán)中完成，Agent 在過程中持續(xù)發(fā)現(xiàn)問題、提出修正方案并驗證結果。工程師則持續(xù)參與系統(tǒng)行為審查和關鍵決策制定，而 Agent 負責在系統(tǒng)模型中執(zhí)行重復性的實現(xiàn)工作。最終的結果是模型開發(fā)速度更快，同時隨著模型規(guī)模擴大和逐步集成，在工作協(xié)調和上下文重建上耗費的時間顯著減少。
從執(zhí)行任務到推動系統(tǒng)演進
在工程領域，衡量 Agentic AI 的標準不應該是它產出了多少內容。若每一個步驟都需要重新構建整體系統(tǒng)狀態(tài)，那么再多的工件也無法真正推動系統(tǒng)向前發(fā)展。在可執(zhí)行模型內部，變更能夠被立即評估，并持續(xù)作為后續(xù)工作的基礎。系統(tǒng)能夠跨越各個開發(fā)階段持續(xù)推進，而不會因工具切換而中斷。
集成化的系統(tǒng)級模型使 Agent 能夠貫穿整個工程工作流開展工作，包括物理建模、控制開發(fā)、驗證與確認，以及嵌入式部署
Model-Based Design 通過在整個工作流中保持一致的系統(tǒng)狀態(tài)，實現(xiàn)了這種持續(xù)演進。它使 Agent 能夠直接作用于系統(tǒng)本身，并確保工程師能夠判斷系統(tǒng)是否符合既定目標。隨著越來越多的 Agent 被集成到工程工作流中，這一點變得尤為關鍵。如果缺乏連續(xù)性，更多的產出只會帶來更高的集成工作量、更多的管理開銷以及更高的成本，而無法轉化為真正有價值的開發(fā)進展。
