شركة MathWorks الأمريكية تعرض سلسلة أدوات الذكاء الاصطناعي الوكيل R2026a في مؤتمر السيارات الصيني لعام 2026

أخبار ar.wedoany.com، شاركت شركة BorgWarner في مؤتمر MathWorks الصيني للسيارات الذي عُقد في يونيو 2026، حيث عرضت طريقة تقدير عبر الإنترنت لدرجة حرارة المحرك الكهربائي تعتمد على التعلم الآلي. تستخدم هذه الطريقة شبكات التعلم العميق للتنبؤ في الوقت الفعلي بدرجة حرارة الدوار والعضو الثابت للمحرك، وقد اكتمل التحقق من صحتها على منصة الاختبار، على أن يتم لاحقًا دفعها نحو اختبارات التحميل على المركبات كاملة.

لم يعد استخدام الذكاء الاصطناعي للتنبؤ بظروف التشغيل تقنية جديدة، لكن تظل هناك مشكلة واقعية قائمة: كيف يمكن نشر نموذج الذكاء الاصطناعي الذي تم تدريبه في بيئة Python بشكل موثوق على منصة مضمنة؟ من دمج النموذج إلى توليد الكود، ومن التحقق عبر المحاكاة إلى النشر النهائي، قد تحمل كل خطوة قدرًا من عدم اليقين. هذه هي بالضبط القضية الرئيسية للتطبيق الواسع النطاق للذكاء الاصطناعي المضمن في صناعة السيارات حاليًا.

أشار دونغ شو تشنغ، كبير الخبراء ومدير فريق فريق MathWorks التقني للسيارات في الصين، إلى أن MATLAB يحتوي على أكثر من 130 صندوق أدوات منتج، لكن المستخدمين لا يستفيدون منها بشكل كامل بسبب ضغوط دورات التطوير. تواجه معظم صناديق الأدوات غير المستغلة بشكل كافٍ مشكلة ارتفاع مستوى الاحترافية المطلوبة، حيث تتطلب الوحدات المتعلقة بنظرية التحكم والتحسين أساسًا نظريًا معينًا من المستخدمين. يعمل الإصدار R2026a على تغيير هذا الوضع.

في أبريل 2026، أطلقت MathWorks الإصدار 2026a (R2026a) من سلسلة منتجات MATLAB وSimulink، وكان أحد عناصره الأساسية هو سير العمل المعتمد على الذكاء الاصطناعي الوكيل (Agentic AI). بالاعتماد على خادم MATLAB MCP Core، يمكن للوكيل الذكي التفاعل مع MATLAB/Simulink، ولا يقتصر دوره على تقديم توصيات التحسين فحسب، بل يشمل أيضًا تنفيذ عمليات مثل توليد الكود، وتحليل الكود، وإنشاء النماذج وتحريرها، مما يشكل حلقة مغلقة من التصميم المدعوم بالذكاء الاصطناعي التوليدي والحوسبة القابلة للتحقق. يتمثل دور الذكاء الاصطناعي الوكيل في تمكين المهندسين من الاستعانة بصناديق الأدوات المتقدمة عبر اللغة الطبيعية دون الحاجة إلى التعمق في النظريات متعددة التخصصات، وبالتالي استخدام وظائف لم يكونوا يجرؤون على استخدامها أو لا يعرفون كيفية استخدامها من قبل.

توفر مجموعة أدوات MATLAB Agentic Toolkit ومجموعة أدوات Simulink Agentic Toolkit للوكيل البرمجي (Coding Agent) معرفة خبيرة بسير عمل MATLAB وSimulink ومعايير استخدامهما. عند الجمع بينهما، يصبح نظام الذكاء الاصطناعي التوليدي قادرًا على كتابة كود يتوافق مع أسلوب MATLAB/Simulink، وتوليد الاختبارات وتشغيلها تلقائيًا، وتشخيص الأخطاء وإصلاحها، والاستفادة بشكل أكثر كفاءة من القدرات المدمجة في MATLAB وSimulink، بالإضافة إلى تقليل استهلاك الرموز (Token) غير الضروري مع تحسين جودة الهندسة.

يغطي الحل الذي تقدمه MathWorks عملية قابلة للتتبع والتحقق بالكامل بدءًا من التدريب وصولاً إلى النشر. يمكن فهم قدرات سلسلة أدوات R2026a من ثلاثة مستويات: توفر طبقة تطوير الخوارزميات والتدريب بيئة كاملة للنمذجة والتدريب، وتدعم تصميم هياكل الشبكات مثل LSTM وتحسين المعلمات الفائقة وإدارة عملية التدريب؛ في طبقة دمج النماذج والتحقق عبر المحاكاة، يوفر Simulink وحدات لاستيراد نماذج الشبكات العصبية المدربة مباشرة، مما يسمح بمحاكاة عملية الاستدلال داخل Simulink، ويدعم الإصدار R2026a أيضًا محاكاة كود C وC++ داخل النموذج دون قيود لغوية أو حاجة إلى أغلفة إضافية؛ في طبقة توليد الكود والنشر المضمن، يمكن للنموذج الذي اجتاز التحقق عبر المحاكاة توليد كود C أصليًا ونشره على وحدات التحكم الدقيقة الخاصة بالسيارات (MCU).

تشكل المستويات الثلاثة حلقة مغلقة كاملة: من البيانات إلى النموذج، ومن النموذج إلى التحقق عبر المحاكاة، ومن التحقق إلى توليد الكود والنشر، كل خطوة قابلة للتتبع والتكرار. لكن الحلقة المغلقة لا تعني الأتمتة الكاملة. لا يزال النشر على MCU يواجه قيودًا عملية مثل سرعة الاستدلال واستهلاك الذاكرة، كما أن ضغط الشبكة والتقليم وفقدان الدقة هي مقايضات لا بد من مواجهتها أثناء عملية الهندسة.

أشار تشانغ تي هوان، مدير هندسة النظم في قسم أنظمة توليد الطاقة (PDS) بشركة BorgWarner (China) R&D Co., Ltd.، إلى أنه لا يمكن تركيب مستشعرات درجة حرارة على دوار المحرك أثناء دورانه بسرعة عالية، وأن طريقة التدفق المغناطيسي التقليدية تعاني من أخطاء كبيرة في مناطق السرعة المنخفضة وعزم الدوران المنخفض، بينما تتطلب طريقة الشبكة الحرارية من المهندسين امتلاك معرفة نظرية عميقة ببنية المحرك وعلوم انتقال الحرارة.

أوضح تشانغ تي هوان أن قيمة الذكاء الاصطناعي تكمن في استبدال النمذجة الفيزيائية المعقدة بالنهج القائم على البيانات، مما يخفض حاجز التطوير. يتبع هذا المشروع مجموعة عمليات MLE من معيار ASPICE 4.0، ومن خلال MLE وSUP.11، يتم تحويل عملية التعلم الآلي إلى نشاط هندسي قابل للتقييم والتحقق والتتبع، ويكمن الجوهر في تقليل عدم اليقين في التحكم بالعملية، وليس إنكاره. من تعريف المشكلة ومتطلبات الأداء وقيود التشغيل، إلى إعداد مجموعة البيانات وتحسين المعلمات الفائقة، وصولاً إلى الاختبار على مستوى المكونات واختبار المتانة والتحقق النهائي على منصة الاختبار والمركبة، لكل خطوة متطلبات عملية واضحة. يضمن سير العمل القائم على النمذجة (MBD) إمكانية تتبع العملية بأكملها بدءًا من إعداد البيانات وتصميم الشبكة وتدريبها، مرورًا بالتحقق في بيئة Simulink، وصولاً إلى تنفيذ كود C ونشره.

من وجهة نظر تشانغ تي هوان، فإن قيمة إعادة الاستخدام التقني هي الأكثر أهمية: يمكن للتعلم الآلي القائم على الذكاء الاصطناعي تحقيق نقل المعرفة، ليس فقط في مجال درجة الحرارة، بل يمكن نقله في المستقبل إلى مجالات أخرى مثل مستشعرات الموضع. كما يمكن للأساليب القائمة على الذكاء الاصطناعي تقليل استخدام موارد المعايرة على منصات الاختبار، فمن خلال الجمع بين المحاكاة والذكاء الاصطناعي، وفي ظل نموذج التطوير المتوازي للمحرك والتحكم الإلكتروني، يمكن إجراء التحقق من الخوارزميات مسبقًا دون الحاجة إلى انتظار ظهور المحرك الفعلي.

بالنسبة لـ سلسلة صناعة السيارات الصينية التي تعمل في بيئة تنافسية، تكمن قيمة سلسلة أدوات MathWorks في مساعدة الموردين من المستوى الأول (Tier 1) على تحقيق تراكم تقني باستثمار واحد واستخدام متعدد في ظل التطوير السريع، مما يؤدي إلى استمرار تخفيض تكاليف التطوير.

من منظور الاتجاهات الصناعية، يُطلق على عام 2026 لقب عام الوكيل الذكي في الأوساط الصناعية، حيث ينتقل الذكاء الاصطناعي الطرفي من السحابة إلى العالم المادي. تتمثل مهمة MathWorks في تسريع وتيرة الهندسة والعلوم، وقد جعل مؤتمر MathWorks الصيني للسيارات لعام 2026 هذه المهمة ممارسة هندسية قيد التحقق.