Simulink 与大模型结合正在进入工程建模工作流

hyowinner

近半年可以明显看到一个趋势：大模型不再只是写代码助手，而是在逐步进入 Simulink/系统仿真的建模、审查、测试和知识检索流程。下面整理几条值得 MBD 工程师关注的最新动态。

1. MathWorks 在 R2026a 中推出 Simulink Copilot

MathWorks 在 2026a 发布信息中介绍了新的 Simulink Copilot，定位是把生成式 AI 引入工程系统的设计与开发流程。它的重点不是简单生成脚本，而是围绕 Simulink 模型本身提供辅助：理解模型、生成或修改模型片段、解释设计意图、辅助排查问题。对 MBD 团队来说，这意味着“模型即交互对象”的 AI 工作方式已经开始产品化。

2. MATLAB/Simulink 正在接入 Agentic Toolkit 与 MCP 生态

MathWorks 近期还在推进面向智能体的工具链，例如 MATLAB 的 Model Context Protocol Server 和 Agentic Toolkit。其意义在于，让 GitHub Copilot、Claude Code 等大模型工具可以通过标准接口调用 MATLAB/Simulink 能力，读取工程上下文、运行脚本、分析模型结果。未来企业内部的建模规范检查、仿真批处理、自动生成测试用例，都可能以“AI Agent + MATLAB/Simulink 工具调用”的方式落地。

3. 学术界开始探索 LLM 直接操作 Simulink 模型

arXiv 上的 SimuAgent 工作提出使用大语言模型和工具调用来自动化 Simulink/Stateflow 模型的变异测试。它说明大模型不仅能解释模型，还可以参与模型操作、测试生成和验证流程。虽然距离工业级全自动建模还有差距，但这类研究已经把方向从“代码生成”推进到“模型工程自动化”。

4. 竞争生态也在用 AI agent 挑战传统仿真流程

JuliaHub 近期发布的内容也强调用 AI agent 改造系统仿真建模流程，并把目标直接对准 Simulink 类工具。这个信号值得关注：未来仿真平台竞争点可能不只是求解器和模块库，还包括 AI 建模助手、模型知识管理、自然语言到模型、自动调参和自动报告能力。

对 MBD 工程实践的启示：

- 短期内，大模型更适合做模型解释、脚本生成、接口检查、参数表整理、测试用例草拟和仿真报告初稿。
- 中期看，企业需要把建模规范、模块库说明、接口定义、信号字典、测试模板整理成可被 AI 检索和调用的知识资产。
- 不建议把大模型直接作为不受控的“自动建模器”。工程模型仍要经过需求追踪、接口审查、仿真校核、版本管理和人工评审。
- 真正有价值的方向，是把 AI 放进 MBD 流程：需求到架构、架构到模型、模型到测试、测试到报告，每一步都让 AI 做辅助，但保留工程闭环验证。

参考来源：

- MathWorks R2026a 发布：Simulink Copilot 引入生成式 AI 辅助工程系统设计与开发
  https://www.mathworks.com/company/newsroom/matlab-and-simulink-release-2026a-features-new-generative-ai-powered-simulink-copilot-that-enhances-design-and-development-workflows-for-engineered-systems.html

- MathWorks Agentic AI / MCP Server / Agentic Toolkit 相关文档与博客
  https://www.mathworks.com/help/matlab/matlab_prog/matlab-mcp-server.html
  https://www.mathworks.com/help/matlab/agentic-ai.html

- AIAgent: Automating Simulink and Stateflow Model Mutation Testing with Large Language Models
  AI Agent赋能MBD研发验证 - 网易云课堂

- JuliaHub 关于 AI agent 与系统仿真的讨论
  https://juliahub.com/blog/