当大模型不再只满足于生成代码，而是能够读懂需求、自动建模、执行完整工程流程、自主迭代优化，一场深刻的变革正在工程研发领域悄然发生。而在日前举行的MATLAB EXPO China 2026现场，我们从MathWorks公司MATLAB产品家族市场总监David Rich的演讲与对话访谈中，深刻感受到了MathWorks正以清晰的产品布局与技术路线，宣告全面拥抱智能体时代——这不是一次简单的功能叠加，而是从传统仿真开发平台，向可被AI自主驱动、可验证、可信赖的工程智能中枢的转型。
对于始终以严谨、可靠、工程化立身的MATLAB®而言，引入Agent从来不是追逐风口，而是为了解决生成式AI与生俱来的不确定性，与工业级研发必须具备的确定性之间，那条最关键的鸿沟。
从助手到伙伴：MATLAB的智能体进化之路
MathWorks踏上智能体赛道，并非仓促入局，而是沿着生成式AI落地工程场景的逻辑，层层递进、稳步落地。
早在2025年上半年，MATLAB R2025a便推出MATLAB Copilot，率先把自然语言交互带入开发流程，支持代码生成、错误解释、辅助调试，完成了从“被动工具”到“主动助手”的第一步。真正为智能体打通通路的关键一步，发生在2025年下半年，MATLAB MCP Core Server上线GitHub开源发布，以Model Context Protocol构建起AI与MATLAB之间的标准化连接层，让外部智能体可以安全、稳定地调用MATLAB核心能力。
时间来到2026年4月，MATLAB EXPO China 2026现场，MATLAB Agentic Toolkit与Simulink Agentic Toolkit正式亮相，同步推出面向建模与验证的Simulink Copilot与Polyspace Copilot。至此，连接层、技能层、交互层三位一体的智能体体系完整成型，MATLAB正式迈入Agent时代。
这一路演进的核心，始终围绕一个目标：让 AI 真正服务于工程，而不是让工程迁就 AI。
如今的MATLAB智能体体系，已经形成一套分工明确、协同高效的完整阵容，共同支撑起从需求到部署的全流程工程自治能力。
位于最底层的MATLAB MCP Core Server，是整个体系的“通用总线”。作为开源开放的标准桥梁，它让各类主流大模型智能体都能以统一接口接入MATLAB，无需定制接口，同时支持私有化部署，从架构上满足汽车、航空航天等高安全、高保密场景的数据安全要求。它不仅是通道，更是规则的守护者，确保AI调用行为可控、可追溯。
在能力核心层，MATLAB Agentic Toolkit与Simulink Agentic Toolkit是赋予AI专业判断力的 “工程大脑”。两款工具包均已开源，最关键的价值在于通过Skill files沉淀MathWorks数十年的工程经验与行业规范，把模糊的自然语言需求，转化为符合仿真逻辑、控制原理、行业标准的精准操作，从根源上减少AI幻觉，让生成的模型与代码直接可用、可验证。
面向工程师的最前端，是三位贴身协作的Copilot：MATLAB Copilot专注编码辅助，Simulink Copilot负责建模与架构优化，Polyspace Copilot承担安全验证与合规检查。三者协同，把自然语言指令无缝转化为可执行、可仿真、可部署的工程成果，让开发门槛大幅降低，效率成倍提升。
从接口到能力，从能力到交互，MATLAB的智能体家族已经完成从“能用”到“好用”的跨越。
未来可期：MATLAB智能体版图的下一站
沿着当前的技术方向与行业痛点延伸，MATLAB的智能体生态仍有巨大的扩展空间。可以预见，未来1～2年，一批更垂直、更贴近工程现场的专用智能体将逐步登场。
面向强物理约束场景，物理AI智能体有望成为重点方向，自动融合物理方程与数据驱动，在电池热管理、电机控制、发动机仿真等领域快速构建高精度AI降阶模型，把原本以天计算的设计周期压缩到分钟级，同时坚守第一性原理，不违背工业系统的基本规律。
针对嵌入式落地难题，部署优化智能体将实现模型压缩、量化、代码生成、硬件适配全流程自动化，针对ARM、MCU等边缘平台深度优化，彻底解决嵌入式AI算力紧张、部署繁琐的问题。
面向高安全行业，功能安全验证智能体会成为刚需，自动完成需求追溯、测试用例生成、覆盖率分析、学习过程验证，让汽车ISO 26262、航空DO-178C等严苛标准的合规成本大幅下降。
此外，面向多领域协同的系统集成智能体、面向数据治理的数据标注与清洗智能体，也都在合理的演进路线之上。它们的共同目标，是让 MATLAB 更懂工程、更懂行业、更懂工程师。
当智能体全面融入MATLAB，未来的工具形态与工程师工作方式，将迎来彻底的重塑，Agent将成为工程师的“第一collaborator”。
未来的 MATLAB，将不再是需要手动敲代码、拖拽模块的操作平台，而是一个听得懂、会思考、能执行、可验证的自治系统。工程师用自然语言描述需求，系统自动拆解任务、调用合适的智能体、完成建模、仿真、优化、代码生成与硬件部署，全程以可视化与可信验证兜底，结果可直接用于量产落地。交互方式彻底改变，云端与私有化部署灵活切换，国产大模型、国产硬件无缝接入，真正适配本土化需求。
而工程师的角色，也将从“代码编写者、参数调试者”，升级为系统设计者、需求定义者、价值决策者。重复性工作被智能体接管，工程师可以把精力集中在创新设计、架构规划、安全边界把控与系统验证上。能力结构不再纠结于语法细节，而是回归工程本质——懂物理、懂系统、懂标准、懂业务。一条典型的未来工作流将是：提出需求→智能体执行→平台自动验证→工程师终审→一键部署。研发周期被大幅压缩，创新速度迎来指数级提升。
不变的底色：确定性与可验证性，MATLAB工程实践的核心基础
在开源工具蓬勃发展、大模型一日千里的今天，MATLAB选择坚定走向智能体时代，本质上是在强化自己最不可替代的核心——工程确定性和可验证性。
生成式AI强大却充满不确定性，同一份指令可能得到不同结果，无法直接用于飞机、汽车、医疗设备等高安全场景。而MATLAB的价值，正是用完整的验证体系、行业标准库、物理约束规则与工程化流程，把不确定的AI，变成确定可用的工程能力。它不拒绝AI，不排斥开源，而是把AI变成放大器，把数十年的工程沉淀变成护城河，让智能体在安全、规范、可控的框架内发挥最大价值。
Agent不会取代MATLAB，反而让MATLAB更贴近下一代工程研发的核心需求。
2026 年，MATLAB的Agent之旅正式启航。它不再只是一款数值计算与系统仿真软件，而是AI时代工程创新的可信底座。
对每一位工程师来说，学会与智能体协同工作，不再是可选技能，而是面向未来的必备能力；对整个行业而言，MATLAB的智能体化，预示着工程研发将正式进入人机协同、自治可信的全新纪元。
这条路上，技术在变，工具在变，流程在变，但MATLAB对严谨、可靠、工程价值的坚守从未改变。而这场属于工程与AI的创新之旅，才刚刚开始。
