摘要：“软件定义产品”的趋势，已经从汽车行业向工业设备、医疗器械、航空航天等众多传统领域扩展。传统模式下，产品功能在出厂时便已固化，用户只能被动接受性能上限。而软件定义产品模式下，通过将核心功能迁移至软件层，使产品价值在一定程度上可以持续进化。 在日前举办的 202
“软件定义产品”的趋势，已经从汽车行业向工业设备、医疗器械、航空航天等众多传统领域扩展。传统模式下，产品功能在出厂时便已固化，用户只能被动接受性能上限。而软件定义产品模式下，通过将核心功能迁移至软件层，使产品价值在一定程度上可以持续进化。 在日前举办的 2025 MATLAB EXPO 北京站上，MathWorks 全球行业总监Arun Mulpur 指出，软件定义产品正在发生，且将被越来越多的行业所应用。在此推动作用下，未来，产品的交付并非是创新功能的终点，制造商可持续通过数据驱动更新，使用户获得不断增值的体验。
MathWorks全球行业总监 Arun Mulpur
基于模型设计，促进跨领域的协同工作汽车行业是“软件定义产品”革命的先行者，包括自动驾驶、智能座舱、电池系统等，很多功能都是由软件来定义的。在向越来越多的行业扩展时，软件定义产品也给研发领域带来了挑战，其中最为关键的障碍在于专业领域间的协作壁垒。日益提升的产品复杂度，要求系统工程师、软件工程师、结构工程师等各专业团队必须紧密协作，才能清晰定义并有效开发复杂的软件定义产品。然而，现实情况是各团队往往在各自独立的环境中开展工作，导致跨领域信息沟通不畅、协作开发困难，难以将多学科知识有效融合到产品开发过程中。 应对这一核心挑战，MathWorks 致力于构建统一的环境与平台，促进不同领域工程师的协同工作。该平台旨在整合系统工程师、软件工程师和结构工程师的专业知识，形成一个综合环境，使信息得以统一，无论是对整个系统的设计还是特定专业领域的设计任务。 在此背景下，基于模型设计成为关键解决方案。Arun Mulpur 解释说，它通过在更高抽象层次上运作，将各领域的设计知识统一纳入一套语言体系，并借助标准化流程，确保知识能在产品设计的不同阶段实现协同。此外，MathWorks 还提供配套的测试与验证工具，以满足软件定义产品在功能性、安全性和可靠性等方面的要求。这些努力共同构成了 MathWorks 为克服跨领域协作障碍、赋能软件定义产品开发所提供的综合解决方案。如何颠覆传统行业？如何理解“软件定义产品”对传统行业的颠覆？Arun Mulpur 举了工业领域一个典型的例子：可回收的 PET 瓶不是由软件定义的，而生产 rPET 瓶的机器是由软件定义的。KRONES 公司通过引入基于模型设计和强化学习，结合数字孪生、软件工程以及虚拟开发和测试等技术，实现了产品的高效定义与功能优化，提升了生产效率与产品质量，减少了物理原型试错成本。并最大限度地减少重新配置时间，实现 100% rPET 再利用。KRONES 公司通过基于模型设计和强化学习提升 PET 瓶的生产效率与质量
（图片来源：MathWorks）
传统行业在向“软件定义”转型时，不可避免要面对两大问题：其一，如何从传统线性研发转向敏捷开发流程？其二，如何赋能老旧工业设备适应软件定义趋势？ 对此，Arun Mulpur 以一个多方协作的自动驾驶场景下软件定义功能的项目为例，正是通过创建软硬件解耦的环境，实现软件功能定义与硬件开发的并行推进。即使高性能处理器尚未就绪，开发者仍可先行开展软件功能设计，从而超越了传统的线性开发流程，显著提升开发效率。 针对老旧设备改造，他指出，尽管封闭式硬件难以直接升级，但仍可充分挖掘设备持续产生的数据价值。通过数据汇集与分析技术，能够优化设备运行模式，提升效能表现，这已在工业场景中取得实践成果。 由于不同行业有不同的特殊需求，因此针对航空航天、医疗器械等行业，MathWorks 还提供了诸如 DO Qualification Kit 工具包。它们包含了丰富的行业特定工作流程、模板文件以及最佳实践，能够帮助企业在满足特定行业标准和要求的前提下，高效完成软件定义产品的开发工作。例如，在航空航天领域，DO Qualification Kit 提供了符合 DO 标准的模型开发规范和验证流程，使得企业能够确保其软件定义产品满足严格的航空功能安全标准。
软件定义系统，超越嵌入式计算范畴针对边缘 AI 场景下异构计算（如MCU、DSP、MPU等多类处理器）带来的硬件碎片化挑战，Arun Mulpur 阐述了基于模型设计的系统级优化优势。由于边缘嵌入式系统硬件选型日益多元，传统基于代码的开发需适配各厂商差异化 SDK，开发效率受限。而 MathWorks 通过代码生成工具可以提供高阶解决方案：开发者可在模型层面描述系统功能，工具自动面向具体硬件生成 C 程序、HDL 代码或 CUDA 程序等，实现从抽象模型到异构硬件的无缝适配。这样不仅统一了应用描述方式，更显著降低了多硬件部署门槛。 为进一步提升性能，MathWorks 与英伟达等硬件厂商深度合作。合作伙伴提供的专用优化库可集成至建模环境，用户仍基于统一平台进行系统设计，最终生成融合硬件专属优化的代码。 “该模式可以有效应对复杂系统开发中的碎片化难题，并能够满足用户对于嵌入式边缘算力的高性能使用”，Arun Mulpur 强调。 根据 Arun Mulpur 的解释，与传统开发最大的不同，基于模型设计连接了需求和架构，还有算法设计、代码生成、仿真（完整系统+组件）等领域，通过不断扩展关键功能，确保这样的开放式架构能融入工作流程，从而构建开放、可扩展的平台，通过技术手段解除客户面临的硬件限制，赋予开发过程高度灵活性。 其核心工具链（如代码生成功能）允许用户在完成功能建模后，根据项目需求自动适配不同硬件目标：假如当前项目采用 MCU，可生成 C 语言程序；当后续迭代需切换至其他硬件时，同样能生成对应代码。 这种方式的核心价值在于保障上层功能设计与软件架构的稳定性，使得设计无需因硬件变更而重构，仅需通过自动化工具实现硬件适配，从而大幅提升了开发弹性。“基于模型设计的方法，既能应对异构硬件挑战，又能支持多平台灵活迁移，最终形成以客户为中心的硬件适配解决方案”，Arun Mulpur 补充。基于模型设计连接多领域与多平台，使其开发过程具有高度灵活性
AI 大模型时代，软件定义产品面临哪些冲击？AI 大模型时代，越来越多的企业用户希望在产线和设备端导入智能系统。对此，Arun Mulpur 强调，工业场景要求 AI 具备高可靠性与确定性，而非单纯的算法探索。 MathWorks 在积极强化工具链能力：用户可通过系统仿真将 AI 算法嵌入目标环境验证，结合专用评估方法确保其在工业现场的可信度，实现从“AI算法开发”到“AI 使能机器”的工程化落地。 此外还有借助 AI 大模型提高生产力。在探索 MATLAB 和大模型的结合时，例如工程师可通过自然语言描述滤波器参数，由大模型自动生成对应脚本，能够显著降低编码负担。类似这样的能力将延伸至 Simulink 图形化建模或系统建模领域，未来版本将进一步集成AI辅助系统设计功能。 Arun Mulpur 强调，在软件定义产品的背景下，客户通过这种方式拓展了产品生命周期，持续通过软件更新延长产品生命周期，避免硬件频繁更替。例如用户无需更换设备即可获得功能升级，既减少了资源浪费，也支撑其实现可持续发展目标。实现该愿景需构建系统化的持续交付体系，这正是 MathWorks 持续投入的关键方向。来源：与非网
