软件正在定义一切，MathWorks 如何赋能千行百业转型？

软件定义产品在生活中越来越普及，从汽车到电器再到医生使用的设备，如今软件定义产品正在崛起。”MathWorks 全球行业总监 Arun Mulpur 在2025 MATLAB EXPO 中国用户大会北京站上如是说。

MathWorks 全球行业总监 Arun Mulpur

事实上，软件定义一切（Software-Defined Everything，SDE/Sdx）是一个已经存在十余年的概念，2013 年 5 月，著名媒体“连线（Wired）”首次提出这一概念。但很明显，这几年随着软件定义网络（Software-Defined Network， SDN）、软件定义存储（Software-Defined Storage，SDS）、软件定义汽车（Software-Defined Vehicle，SDV）逐渐成熟，全行业都在向软件加速转变。

随着一切都变成软件定义，会为我们带来哪些红利？面对软件定义的新趋势，未来势必会颠覆产品开发的全部流程，此时又该怎么办？MathWorks 在本届大会分享了自己的见解，同时介绍了 MathWorks 如何通过自己的软件赋能各行各业向软件定义转型。

万物都在走向软件定义

事实上，一直以来我们都在接触软件定义产品，手机就是最典型的一个案例。Arun Mulpur 分享道，传统手机在购买时价值最高，随后因功能落后或物理损耗而逐渐贬值。但当手机转型为软件定义的智能手机时候，其本身价值并不会随着时间推移而降低，而是随着软件不断更新、不断引入全新的应用软件，而变得越来越能够满足人们的期望。所以对于现在的智能手机来说，刚刚购买时反而是它价值最低的时候。

软件定义汽车也是这一趋势的典型代表。其核心特性驾驶性能、舒适度和安全性都由软件所驱动。消费者不仅期待更安全的出行体验，还希望实现汽车与手机等设备的无缝互联。为此，汽车制造商正通过车联网技术或者车载应用商店和软件订阅服务来不断增强创新。这些软件实现的升级不仅优化了信息娱乐系统，更显著提升了车辆安全性能，为用户带来更愉悦的驾乘体验。

而在工业领域，克朗斯（KRONES）作为再生塑料瓶生产设备的领先制造商，正推动其设备向软件定义转型，以实现更精准的输送定位和成型，从而确保高质量的产出。克朗斯采用基于模型设计，结合强化学习开发了下一代设备，使用 AI、仿真以及实时机器数据，根据机器状况和环境不断优化设备性能，使得克朗斯的设备能够更好满足消费者需求。只需要更新软件，不需要更新硬件，就能满足消费者的期待。

如今，家用电器的智能化程度显著提升。过去它们大多是孤立运行、功能简单且需要人工操作，而现在通过软件赋能，这些设备变得更具交互性和智能化。随着这些原本简单的产品逐渐演变为复杂的软件定义系统，如何设计、交付、部署和维护这些系统成为关键挑战。

软件定义系统如今正在逐渐拓展其边界，在其他行业中发挥作用。比如，先进空中系统、机器人手术系统、白色家电、可再生能源系统、工业包装系统等。

系统和软件定义融为一体，没那么简单

软件定义系统的核心在于将系统功能与软件开发深度融合，这既带来重大机遇也伴随显著挑战。从系统层面来看，这类系统通常需要完成严格的功能安全认证，并实现软硬件的深度集成。其关键特征主要体现在三个方面：第一，现代软件开发自动化是核心，需要更快的速度、更加敏捷的处理、更加频繁的发布，通常需要无线更新方式；第二是数据驱动功能，利用现实世界洞察，进行持续改进；第三是云集成，既需要用于开发，同时需要用于已部署系统的实时反馈。

而系统和软件定义二者具有不同的思维方式、工具链和工作流，这就让集成充满风险，如何有效将软件定义和系统集成在一起？

Arun Mulpur 认为，基于模型的系统设计方法为解决这一问题提供了有效途径，它通过数字主线将需求、架构、功能实现和测试等环节无缝连接。

比如说，MathWorks 在电气化方向，整合 Simulink 与 Simscape Electrical进行系统建模，并运用 Simscape Battery 实现电池系统的组件级建模，通过高级控制算法开发新的电机控制方法，最终部署到高性能控制器。互操作性是实现可扩展、可重复和可靠工作流程的关键要素。

MathWorks 通过开放 API，支持 C++、DDS、Python、FMI、ROS 2、NVIDIA、PyTorch 等主流工具和工作流程，构建开放式架构。

再比如，在先进代码生成领域，MathWorks 也开发出一些新的能力，并与英飞凌合作开发汽车微控制器，与高通合作开发音频应用，重点优化实时代码生成能力，并集成合作伙伴的优化库。此外，通过与新思科技 Virtualizer 的集成，开发者能够在芯片量产前就对处理器行为进行建模和性能评估，显著缩短开发周期。

“我们认为软件定义系统将超越嵌入式系统范畴，高性能计算现在正在被集成在车辆和产品当中，系统需要支持运行Linux的强大实时处理器。这种计算能力不再局限于外部服务器，而是直接内置在系统中，可以支持新的计算架构。”Arun Mulpur表示，比如NXP GoldBox for in-vehicle HPC这类新型计算架构，既能处理ADAS感知系统产生的大规模数据，又能保持实时性能，这为传统嵌入式系统难以应对的应用场景提供了解决方案。

在软件定义系统的开发中，场景仿真与应用验证是另一个关键投资方向。以ADAS自动驾驶领域为例，RoadRunner Scenario工具能够构建高度真实的驾驶环境仿真，完整模拟车辆动态、交通流模式和信号系统等要素，从而全面验证系统行为的可靠性。类似地，在卫星通信领域，场景仿真可以评估飞行器能否保持持续连接；在工程建造领域，则可模拟现场施工操作。

这类仿真技术主要实现两大核心价值：一是为开发中的系统提供真实的测试环境，包括各类传感器输入数据（如图像信号）；二是实现持续验证，确保系统在常规及极端场景下都能保持稳定性能。

随着基于模型设计方法的演进，MathWorks正持续加大对代码生成、高性能计算和场景化仿真三大技术领域的投入，以更好地满足现代系统开发和工程师的设计需求。这种技术布局既着眼于当前需求，也为未来系统演进奠定了坚实基础。

现代软件开发正加速向快速迭代、高频发布和自动化方向转型，这一趋势正在深刻影响各类组织。虽然软件团队采用现代开发部署方式是积极的发展，但当他们与系统工程师的工作相互隔离时，就会产生认知鸿沟，导致效率降低、项目延误和质量问题。

这一挑战同时也孕育着重要机遇，通过统一系统工程师和软件开发团队的思维方式与工作流程，我们可以将协作效率提升到全新高度。其中关键突破在于用虚拟化技术替代传统仿真方法，系统工程师通过仿真理解系统行为，而开发人员则借助高保真虚拟环境加速软件开发，无需构建完整系统模型。通过整合虚拟化、仿真、设备模拟和持续集成/持续交付（CI/CD）流程，能够构建统一的验证平台。这一平台价值在于，即便是对于手动编写的代码，也能在整个组织范围内验证基于模型开发方法的投资回报，从而推动开发范式的整体转型。这种技术融合不仅解决了当前的协作瓶颈，更为未来的工程实践奠定了坚实基础。

MathWorks正在探索AI和云的应用

在人工智能技术领域，MathWorks正在持续深化对深度学习、机器学习和回归优化等方向的投入。Arun Mulpur表示，MathWorks注意到，用户不仅需要工具支持，更需要看到AI技术解决实际工程问题的成功案例。为此，MathWorks正着力打造跨行业的应用示范，实现从设计到部署的端到端AI集成方案，包括面向各类处理器的自动代码生成能力。

针对客户广泛使用的PyTorch、TensorFlow等开源AI框架，特别关注AI模型的管理与可追溯性问题。目前提供多种外部集成方案：

第一，通过深度学习集线器，将PyTorch和TensorFlow等模型导入到MATLAB的认证模型当中。

第二，自R2024a版本起，可以直接将训练有素的模型导入到Simulink仿真中，无需修改即可保持模型可追溯性和可管理性，又能让系统工程师有效地分析模型将集成到系统设计当中，通过这种方式让他们的工作更加方便。

第三，为促进跨团队协作，MathWorks开发在MATLAB中直接运行Python代码，帮助缩小AI数据科学与其他需要纳入到系统设计的工程团队的差距，使Python、MATLAB 和 Simulink 实现跨工程、数据科学以及IT团队之间的协作。

第四，积极整合主流开发工具，例如在Visual Studio Code支持GitHub、Copilot等AI辅助功能的集成开发环境中，用户可以直接调用Copilot生成MATLAB代码，在熟悉的软件环境简化MATLAB开发。

”我们持续探索更多AI集成方案，并期待获得用户反馈以不断优化产品体验。“Arun Mulpur如是说。

MathWorks也在加大对于云计算的部署和应用。“想象一下一辆软件定义的汽车（SDV），如何在不改变硬件环境部署新的功能？”Arun Mulpur表示，比如此前MathWorks通过与合作伙伴合作，实现了一种不影响电池寿命和续航前提下的加速性能提升。

通过与Elektrobit合作开发ECU和中间件、Synopsys合作构建虚拟化仿真环境，与AWS的云扩展能力，将这些技术整合。具体实施时，可在云端使用MATLAB和Simulink进行可扩展的并行仿真、自动化模型检查和报告生成，并通过CI/CD流程快速部署嵌入式代码。与Elektrobit中间件集成后，能在物理ECU部署前通过Synopsys的虚拟ECU仿真完成验证，实现开发流程中的验证左移，避免硬件测试阶段的意外问题。整个开发环境可在云中镜像生成，从而降低风险并加速研发进程。

比如说引入运动模式增强版，一种在不影响电池寿命和续航的情况下，增强加速性能新驾驶模式。我们可以通过云实现。过去，MathWorks与诸多合作伙伴合作，实现这种方式，比如与Elektrobit合作生产ECU和中间件，又比如与Synopsys合作虚拟化仿真环境开发ECU，AWS基于云的扩展性，将这些技术结合起来。

上述例子中，因为不需要本地部署，所以具有可扩展性和自动化的特点，直接CI/CD，使工程师可以无缝部署生成的嵌入式代码，帮助开发流程“左移”。

MathWorks为三个重要角色提供了集成式的环境，平台工程师、基于模型的软件开发人员、系统工程师可以直接访问相关示例、Github代码库和文档，使其中资源与MATLAB和Simulink相连，同时接入到自己的工具链当中。

平台工程师在云部署流程中发挥着关键作用，他们的主要工作包括为AWS或Azure平台构建定制的MATLAB和Simulink机器镜像。针对云端冷启动耗时较长的问题，MathWorks开发了预启动优化技术，成功将首次启动时间从12分钟大幅缩减至25秒。

推动行业软件开发左移，MathWorks的妙招

“软件定义的本质是打破硬件功能边界，这一范式正在向千行百业渗透。当设备功能构建于半导体和软件之上时，软件定义产品就已发生。”正如 Arun Mulpur 介绍道的，目前汽车自动驾驶、电池系统等功能均由软件驱动，工业领域已应用数字孪生、虚拟开发测试等技术进行产品定义，医疗器械等其他行业同样在通过半导体和软件实现功能重构。

对于软件定义产品来说，最大障碍在于专业孤岛：系统/软件/结构工程师各自为政，而复杂产品需跨领域协作，同时产品复杂度提升需要知识融合，但团队在独立空间开发导致信息割裂。因此，MathWorks通过提供统一协作平台，通过基于模型设计（Model-Based Design，MBD）实现跨领域知识整合，用更高抽象层次的模型语言打通系统工程、软件开发与物理设计。

从软件定义汽车（SDV）中，我们得知，现有开发流程正在逐渐向敏捷开发过渡，实际上对于软件定义产品来说，同时需要颠覆整个开发流程。MathWorks与AWS合作的自动驾驶项目就是一个典型案例。传统开发流程是线性的，必须等待硬件就绪后才能进行软件验证和测试。而现在MathWorks提供的环境实现了软硬件解耦，使软硬件开发可以并行进行，大大提升了开发效率。比如，即使高性能处理器尚未就绪，开发者也能在虚拟环境中提前开展软件功能定义和开发工作，这就是一个典型的敏捷开发实践。

当然，在工厂或医疗领域，一个设备的寿命是在不断被延伸的，面对老旧设备兼容问题，MathWorks也有自己的看法：对于现有的传统设备，由于硬件系统封闭，MathWorks确实无法直接更新其硬件功能。但这些设备仍在持续产生数据，MathWorks可以通过新技术收集并分析这些数据，挖掘出更优的运行模式。这样就能帮助老旧设备提升运行效率，这一应用方向已经看到了实际成效。

随着软件和硬件解耦，对于软件定义产品来说，平台化和智能化是最重要的两个领域。Arun Mulpur对EEWorld介绍道，在平台方面，MathWorks将软件工程最佳实践深度整合到设计与经营中，通过系统工程方法构建完整工具链，支持从需求分析到详细设计的全流程开发；在智能方面，MATLAB和Simulink产品线已内置智能开发功能，并提供开放接口，支持与主流开源AI框架及先进算法对接。

“我们已建立完整的系统工程平台，并持续强化智能化能力，以更好地支持新一代产品开发需求。”Arun Mulpur如是说。

来源：EEWorld