AI建模、SysML v2、SDV虚拟验...

hyowinner

2026年，全球 MBD（这里主要指 Model-Based Design / Model-Based Development，同时兼顾制造业里的 Model-Based Definition）正在从“画模型、做仿真、生成代码”，升级为“AI辅助建模 + 标准化语义模型 + 云端虚拟验证 + 数字线程贯通”的工程体系。

一、AI 正式进入模型开发主流程

MathWorks 在 R2026a 中发布 Simulink Copilot 和 Polyspace Copilot，重点不只是聊天答疑，而是面向打开的模型、MathWorks 文档和工程上下文提供设计指导、模型理解和嵌入式代码分析辅助。这说明 MBD 工具链正在把 AI 从“外围助手”放进建模、检查、验证和代码质量流程。

同期学术界也在做更激进的探索。2026 年初 arXiv 上的 SimuAgent 论文把 LLM 和 Simulink 图形化建模任务结合，并用 5300 个多领域建模任务做基准测试。它还不是工业标准答案，但代表了一个方向：未来 MBD 工程师的工作会更多转向需求澄清、架构约束、模型审查和验证闭环，而不是重复拖模块。

Hyowinner校长在Codex, Trae等Agent下也验证了MATLAB MCP Core Server和Simulink Agentic Tool的能力边界，比起纯LLM，通过MCP和Skill的确能大幅提升建模规范性和架构布局能力。更多细节内容：AI Agent赋能MBD研发验证 - 网易云课堂

二、SysML v2 从标准走向人才和工具生态

OMG 在 2026-06-02 发布 SysML v2 认证项目。这个时间点很关键：SysML v2 不再只是标准组织和少数工具厂商讨论的话题，而开始进入可培训、可认证、可规模化招聘的人才体系。SysML v2 的文本语法、API、服务化模型访问和更清晰的语义，对 MBSE/MBD 结合很重要。

对企业来说，这意味着系统工程模型和控制软件模型之间的断层会继续缩小。需求、功能架构、接口、约束、仿真模型和测试用例会被更强地连接起来，模型不再只是文档替代品，而是工程数据源。

三、汽车 SDV 推动 MBD 向“云端虚拟验证”扩展

软件定义汽车（SDV）是当前 MBD 落地最强的牵引场景。AUTOSAR 已在官网展示 R25-11 Release Event，并持续维护 Classic / Adaptive 平台。Adaptive AUTOSAR、ROS 2、中间件、SOA、HPC、区域控制器等趋势，使模型开发不再局限于单 ECU 控制算法，而要覆盖服务接口、基础软件、虚拟 ECU 和整车级联调。

dSPACE 与 Stellantis 在 2025 年宣布把 VEOS 用于 Stellantis Virtual Engineering Workbench，面向云端 SIL 测试和车辆功能开发；Siemens PAVE360 也强调面向 SDV 的全系统虚拟集成、需求驱动验证和 CI/CD。这类案例说明，MBD 的核心战场正在从“本地 MIL/SIL/HIL”扩展到“云端 vECU + 虚拟整车 + 持续集成验证”。

四、FMI / Modelica / 多工具协同继续重要

FMI 仍然是跨工具模型交换和联合仿真的关键标准。FMI 官网将其定义为用于交换动态仿真模型的免费标准，支持 XML、二进制和 C 代码打包成 FMU。随着车辆、航空、能源和工业装备系统越来越跨学科，单一工具很难覆盖全部物理域和软件域，FMI、Modelica、SSP、虚拟 ECU、系统级仿真平台之间的协同能力会越来越重要。

五、中国市场的重点在智能网联、车路云和仿真测试标准化

中国侧的公开资料显示，智能网联汽车、车联网、车路云一体化和仿真测试标准正在加速。GB/T 47025-2026《智能网联汽车 自动驾驶功能仿真试验方法及要求》已发布，发布日期和实施日期均为 2026-01-28；中国信通院 2025 年智能网联汽车（车联网）蓝皮书也继续强调网络、测试、监管和产业协同。

这对国内 MBD 工程师的影响是：仅会 Simulink 控制建模已经不够，还要理解场景库、仿真可信度、数据闭环、自动驾驶功能安全/预期功能安全、网络安全和车路云接口。MBD 会更多和测试评价、标准符合性、数据平台结合。

六、制造业 MBD/MBE 走向 3D 模型权威源和数字线程

在制造业语境中，MBD 常指 Model-Based Definition。NIST 2025 MBE & QIF Summit 强调用 3D 模型作为权威信息源，把设计、制造、质量、保障全生命周期数据串起来。STEP AP242、QIF、语义 PMI、数字线程、供应链协同仍是航空、国防、汽车、工业装备的重点。

这条线和控制软件 MBD 看似不同，但底层逻辑一致：把工程信息从文档和人工传递，迁移到结构化、可验证、可追溯的模型数据。

七、给工程团队的判断

1. MBD 工程师要补三类能力：模型开发能力、验证测试能力、标准/接口能力。
2. 企业不能只买工具，要建设模型规范、需求追踪、评审规则、测试资产和版本管理流程。
3. AI 会提升建模效率，但模型正确性仍要靠需求、接口、仿真、覆盖率、SIL/PIL/HIL 和工程评审闭环。
4. 汽车行业会率先把 MBD 推向云端持续验证；航空航天、工业装备和能源系统会更重视 MBSE、数字线程和可追溯性。
5. MBD 培训和项目交付要从“会搭模型”升级到“会做端到端工程闭环”，才能培养出符合企业未来的用人需求。

Hyowinner校长的工具链和课程产品，将持续按照市场需求发展进行更新，让跟多MBD人一起随着AI时代进步和互助。