从SDV到SDE：软件定义系统如何重塑工程逻辑？

在工程系统越来越复杂的今天，“软件定义”不再是单一行业的概念，而是一场跨领域的系统性重构。在刚刚落幕的 2025 MATLAB EXPO 北京站，MathWorks 全球行业总监 Arun Mulpur 深度解析了软件定义产品（Software-Defined Product, SDP）的崛起趋势，并以其核心工具链 MATLAB 和 Simulink 为切入口，展示了如何用“基于模型设计”推动产品从嵌入式向智能化、可持续的全生命周期系统演进。
 

MathWorks全球行业总监Arun Mulpur
 
从软件定义汽车（Software-Defined Vehicle, SDV）向软件定义一切（Software-Defined Everything, SDE）过渡，正成为产业数字化演进的必由之路。
 
软件定义，不止汽车

提到软件定义系统，很多人首先想到的是汽车，毕竟自动驾驶、电池管理、电驱控制等功能，几乎都由软件主导。然而，Mulpur 指出，软件定义的理念和实践已全面扩展至工业、医疗、航空航天、能源、家电等领域。
 
以德国工业设备厂商 KRONES 为例，其生产线设备利用虚拟环境进行功能升级和测试，以适应新的瓶型和新的材料，已构建起数字孪生+仿真的闭环。又如医疗领域的机器人手术系统 Corindus，航空中的飞控系统，甚至白色家电厂商，也都在通过软件更新实现性能延展与服务升级。
 
“只要功能与算法依托于嵌入式系统执行，软件定义的能力就可以赋能任何行业。”Mulpur 表示。
 
他在大会的演讲中也总结了 SDP 的三大核心价值：

· 客户期望的演进：从功能交付到体验交付，产品应具备可持续性、安全性与数字连续性。
· 技术平台的升级：软件支持电气化、自动驾驶、车载互联等功能的模块化更新。
· 商业模式的重塑：按需付费、功能订阅、应用商店式服务成为新的营收增长点。 


SDP 的三大核心价值（图片来源：MathWorks）
 
尽管趋势清晰，真正落地 SDP 却并不容易。MathWorks 识别出企业在转型中面临的三大障碍：

· 专业割裂严重：系统工程、软件工程、电气设计、结构设计团队仍习惯于在孤立环境下工作，难以在统一语言或平台下协同。
· 软硬件协同复杂化：尤其是在边缘智能环境中，涉及 MCU、MPU、FPGA 等异构架构，软件部署极度依赖芯片适配与系统优化。
· 开发流程碎片化：从需求定义、架构设计、功能开发、代码生成、部署验证，到后期的 OTA 更新，缺乏统一流程工具支撑。 

这些挑战共同限制了企业从“项目交付”向“产品演进”的升级步伐。
 
模型驱动开发（Model-Based Development）：打通专业协同的“工程通用语言”
 
面对产品复杂性、异构架构与多角色协同的挑战，MathWorks 提出的解法是“基于模型设计（Model-Based Design, MBD）”。
 
它构建了一个“全流程可协同、跨角色可理解”的工程开发框架：从需求建模→架构设计→算法开发→代码生成→系统仿真，支持 MCU、DSP、FPGA、GPU、NPU 等多种硬件的自动适配与部署，并将系统工程师、软件工程师、电气工程师等统一在同一个工作语言中协作开发。基于模型设计，可以说是实现“多专业融合”与“软硬协同”的工程通用语言。
 

MathWorks 的基于模型设计的工程开发框架（图片来源：MathWorks）
 
“工程系统日益提高的复杂性，驱动我们采用更全面的数字化手段进行工程开发，建模工作已经从产品定义向产品研发更早期的需求工程、以及更后期的虚拟交付拓展，基本覆盖了产品研发的整个生命周期。并且，我们看到，还有许多企业在利用模型和仿真开展系统运行优化和系统预测维护的实践，进一步拓展了模型和仿真的应用领域。”MathWorks 表示。
 
尤其是在当前边缘 AI 系统常常嵌入 MCU+DSP+NPU 等多种处理器单元，厂商各自提供封闭 SDK，造成开发门槛高、生态割裂。MathWorks 在此背景下提出模型驱动代码生成（Model-to-Code）的理念：工程师只需在 Simulink 中完成高层建模，系统可自动生成适配 C 代码、HDL、CUDA 等，部署到对应芯片平台。
 
为了实现这一点，MathWorks 还与英伟达、意法半导体、TI、高通等半导体厂商深度合作，构建涵盖 GPU、MCU、SoC 等硬件平台的“芯片模型库”，降低从建模到部署的障碍。
 
模型即代码、模型即沟通，是驱动多团队并行协作的关键机制。Mulpur 总结：“我们希望提供一个中立开放的平台，工程师可以关注功能逻辑，而不需反复适配底层算力。”
 
在基于模型设计的理念下，软件定义产品的开发逻辑，也正在全面“互联网化”：
1）功能先行，硬件解耦：即便芯片尚未量产，软件功能也可通过模型先行开发、验证；
2）虚拟仿真先于物理部署：Simulink 搭配 RoadRunner 场景，支持虚拟ECU 测试；
3）DevOps 全链路接入：支持 CI/CD 自动化流程，模型更新即构建、测试、部署；
4）“软件工厂”理念：构建“组件-场景-系统-反馈”的完整仿真-运行闭环。简而言之，传统“交付即完结”的工程开发，正在变成“持续演进”的敏捷体系。
 
在 AWS 合作的自动驾驶项目中，MathWorks 就实现了软硬解耦开发：软件团队无需等待高性能处理器就绪即可在仿真环境中提前开发功能模块；待硬件平台部署完成后，功能可通过代码生成工具一键下放。这一“模型先行+代码自适应”的机制使得系统开发流程由传统的线性串行转变为可并行、可迭代的敏捷开发体系，显著提升效率与灵活性。
 
AI赋能开发，工程师也有“大模型助手”
在生成式 AI 浪潮席卷工程软件行业的背景下，MathWorks 也在积极构建 AI 增强的工程开发体验。从让大模型辅助编写 MATLAB 脚本、设计滤波器，到引导 Simulink 自动生成模块模板，AI 正在成为模型设计平台的“隐形助手”。
 
更重要的是，在严苛的工程场景中，MathWorks 并不追求“通用对话式AI”的娱乐性，而强调“系统内可验证的AI功能”——比如嵌入预测性维护模型的工业设备，其算法必须在虚拟环境中通过系统级仿真验证，以确保其安全性与可靠性。“工程界需要的是可控、可追溯的智能，不是‘黑盒子’。”Mulpur 明确表示。
 
从航空航天的 DO-178C 认证，到医疗器械的法规合规，再到轨交电气系统的冗余验证，不同行业对软件定义产品有着高度差异化的需求。如何在保持平台统一性的同时满足这些碎片化诉求？
 
MathWorks 的策略是“共底层、分工具”。即在核心模型设计语言与开发流程保持通用性的基础上，提供行业专属的工具包（如 DO Qualification Kit、IEC Cert Kit、医疗合规包等），实现“行业适配式平台演进”。这一思路既保留了平台化的规模优势，又兼顾了行业落地的个性需求。
 
软件定义的未来：生命周期、韧性与灵活性

硬件受限，云端无限。云端是软件定义的“第二大脑”。具体体现在，运营数据通过 5G/云实时汇聚；并行仿真、系统诊断、功能验证均可在云中进行；云端 MATLAB 冷启动时间缩短至25秒，DevOps 更高效；从功能规划、开发、测试、部署、监控，形成“完整产品生命周期闭环”。MathWorks 正在帮助企业构建“云原生工程中台”，让软硬件联动更加灵活可控。
 

MathWorks 为企业构建的“云原生工程中台”（图片来源：MathWorks）
 
Mulpur 强调，未来的产品开发，将不再以一次性交付为终点。软件定义能力使得产品可以在交付后不断通过 OTA 更新迭代，实现“交付只是开始”的全生命周期价值释放。这不仅增强了客户粘性，也降低了传统硬件的更新成本，从而提升系统韧性与资源利用效率。
 
与此同时，“验证左移（Shift Left）”与“向右延申（Stretch Right）”也成为新的系统工程理念核心——前者强调在设计初期通过系统工程发现潜在问题，后者则保证交付后的持续演进与性能最优。MathWorks 提供的模型化工具链，正是支撑这两大趋势的技术基座。
 
结语：软件定义的是产品，更是能力

无论是面对日益复杂的异构架构、日趋敏捷的开发模式，还是向生命周期管理与智能化迭代演进的需求，软件定义系统都要求一个具备统一语义、跨域协同、可持续进化的平台基础设施。
 
MathWorks 正在用 MATLAB 和 Simulink 打造这样一个“工程平台的操作系统”——连接算法与硬件、数据与模型、设计与验证、开发与运维，实现工业系统从功能构建到价值释放的全生命周期闭环。
 
这不仅是一次工具升级，更是一次工程思维的深度重塑。