一年一度的MATLAB EXPO中国用户大会，是MathWorks公司最为盛大的活动之一。今年大会的主题围绕《拯救地球——加速气候科学研究，推进万物电气化》展开，呼吁工程师和科学家们关注气候危机，贡献自己的力量。同时，为了展现MathWorks应对全球重大挑战的决心和前沿的创新力，大会还同时涵盖了绿色能源、大数据和AI、电气化系统仿真、智能车辆与自主系统、5G无线通信与芯片等多个领域的主题演讲。

  今年恰逢MathWorks中国分公司成立十五周年，MathWorks中国区总经理曹新康在接受《电子工程专辑》采访时表示，过去十五年里，中国在每个方面突飞猛进，一跃变成全球第二大经济体，并正在从制造业大国向制造业强国稳步迈进。而作为一家以加速工程、以推动科学进步为使命的软件公司，MathWorks在这样一个激动人心的进程中，能够和各行各业的科学家和工程师一起努力，帮他们提高使用MATLAB、Simulink工具箱的能力，大幅度提高研发效力和开发水平。

  曹新康将MathWorks取得持续性成功的原因归结为以下四方面的出色表现：

  首先是扎根教育。目前，MathWorks中国区有超过20%的员工专注于教育市场，并且在教育市场的定价比欧美发达国家低很多，以确保给中国教育市场更大的支持力度。

  第二是深耕行业。仅在最近3年的MATLAB EXPO中国用户大会上，已经有超过50多家来自不一样的行业的领导者、学术界人士或创新企业，来分享他们使用MATLAB、Simulink的心得体会，包括汽车、油气、高端工程装备、通信等领域。

  第三是深度支持。为了支持用户真正用好工具、真正用于日常研发，MathWorks的策略是针对重点客户进行深度支持，提供完整工具链。同时，通过引导性项目，帮助客户把研发体系真正落地，建立好研发流程，最终通过标准认证。

  第四是广泛合作。MathWorks积极地开展跨平台、跨领域的合作，推动MATLAB健康的生态系统，例如致力于拓展跨领域的第三方合作计划MathWorks Connections，到目前为止已经有500多个第三方解决方案，来共同构建健康的生态系统；与此同时，MathWorks中国其实也积极和第三方合作伙伴，联手为中国用户更好的提供更加完整、更符合本地化需求的软硬件结合的工程解决方案。

  MathWorks中国区行业市场经理李靖远表示，针对中小企业，MathWorks还提供多重支持，第一，在产品价格上给予中小企业一定的优惠，特别是初创公司，优惠力度较大；第二，针对初创公司，MathWorks会将服务全球各行各业超过10万家客户（包括企业、高校、政府机构、科研院所等）的经验分享给他们，帮助其利用大数据、人工智能、数字孪生、基于模型设计的方法等去开发系统；第三，针对初创企业，MathWorks还无偿提供或优惠的课程培训，帮助中小企业建立起自己基于模型设计、基于大数据进行产品开发的能力。

  随着“碳达峰”、“碳中和”承诺的提出，绿色能源成为当前的热门话题。但从目前的真实的情况来看，化石能源仍然占据相当的比重。就中国而言，各行业对CO2排放量的占比不同，其中电力/热力行业也就是能源生产侧占比51%，工业CO2排放量占比为28%，交通运输业占比10%，建筑业占比4%，这四大行业的CO2排放量就占了全社会排放量的93%。

  因此，要实现降低温室气体排放目标，就必须对能源生产、能源传输、能源利用三大方面做全链条改造，才能实现“碳中和”的目标。

  简单而言，从能源生产角度来说，就是要大幅度提高光伏、风电、水能、储能等新能源的占比，全力发展储能技术，减少弃风/光率；能源传输方面，就是要优化电网结构设计保证电力系统安全稳定高效运行，采用FACT、特高压HVDC等提高利用效率降低损耗；能源利用方面，就是要加速电气化进程，减少非必要的能源消耗量，实现工业节能、建筑节能、交通节能，并利用碳封存技术，来逐步降低CO2排放量。

  “全球可再次生产的能源行业中有许多用户都在使用我们的仿真、建模、大数据和AI工具去开发产品，从这个方面来说，MathWorks早已深度介入绿色能源行业。”李靖远说。

  加拿大的魁北克水电是他列举的诸多用户案例中的一个。作为一家在水电、风电和新能源利用方面走在世界前列的能源生产商，魁北克水电就在使用MATLAB和Simulink建立整个风电厂的模型。众所周知，由于风电厂受气候、风速影响较大，发电量很不稳定，弃风率较高，使得风电厂一是运维成本居高不下，二是会对电网造成冲击。而利用MATLAB和Simulink，魁北克水电对整个风电厂模型，包括每一个风机的风向和迎风口的相对位置，都进行了动态仿真和功率预测，以确保自身的发电效率和成本最优化，并同时满足北美电力并网IEEE1547标准，防止对电网造成伤害。

  美国桑迪亚国家实验室的主要任务，是给整个夏威夷电网建立控制管理系统，包括电池容量的选择。于是，他们就利用MATLAB和Simulink去建立整个夏威夷光伏微电网的仿真模型，来模拟各种工况下的电量储量，尤其是在一些极限工况时，从而评估出最优化、最合理的电池容量，这样不但可以有明显效果地控制成本，还确保了总系统的稳定性。

  能源传输方面的案例则来自芬兰国家电网，他们也在使用MATLAB对整个国家电网的稳定性做多元化的分析。当带GPS功能的实时监测装置PMU将监测到的电网波形、动态实时传送回电网SCADA系统后，利用MATLAB/Simulink开发的算法就会读取实时监控数据，对整个电网的稳定性进行判断，并对问题做出及时响应。

  新西兰Transpower公司也颇具代表性。作为负责整个新西兰南北岛国家电网运维的企业，他们也在利用MATLAB和Simulink开发名为“能源储量管理”的项目。该系统会每15分钟读取电网的实时数据，然后通过Simulink开发模型进行仿真模拟测试，以判断整个电网的能量储量是不是符合当前的负荷状态要求，并及时进行一定的控制管理系统和算法调整。

  能源利用方面的案例就更普遍。例如塔塔公司利用Simulink分析优化炼钢过程；波士顿金属公司利用MATLAB和Simulink来改造炼钢过程中的能耗控制；澳大利亚Building IQ公司利用MATLAB和Simulink设计建筑能源分配和调比系统；而在汽车行业，基于MATLAB的大数据分析和基于Simulink的数字孪生技术，早已成为标准化流程开发工具。

  现实生活中有大量的边缘设备，不论是航空航天、汽车、工业设施、通讯，甚至家用电器、可穿戴设备、嵌入式系统等，随着人工智能的落地应用，边缘设备也慢慢变得需要基于AI的算法来提升功能、提高性能。

  当前，随着边缘设备CPU、GPU、MCU性能的逐步的提升，融入了慢慢的变多基于边缘设备的AI算法。

  不过，李靖远指出，当前，AI在边缘设备的落地受到三方面制约。一是硬件效率，深度学习神经网络需要很强的算力，相对而言，硬件效率在边缘设备侧较弱；二是算法模型代码的精炼度，通过人工智能训练出来的代码，精炼度可能并不是非常高，如果边缘设备的算力又有限，就要进一步提高代码的精炼度，保证功耗尽可能低；三是AI形态的产品化，完成训练后，如何进一步进入更通用的边缘设备中。

  应对以上挑战和趋势，MathWorks推出全套的工具解决链，包括数据分析、数据训练、系统仿真、应用部署四大部分，帮助客户基于整个AI系统，包括建模、仿真系统去开发，最后可以自动生成基于CPU和GPU的C/C++代码、GPU的CUDA代码、以及PLC的结构化文本代码、FPGA/SoC或专用ASIC芯片的HDL代码等，自动生成代码之后就可以嵌入边缘设备中，更好地支持边缘设备的开发。

  此外，伴随A与各行各业的深层次地融合，MathWorks这些年持续推出了MATLAB Online和Simulink Online等基于云端的平台，用户不需安装软件就可以从标准的Web游览器进行AI、大数据开发、基于模型的设计等。人工智能方面，也推出了一系列工具箱，包括机器学习、深度学习、强化学习等功能，已经在汽车、机器人、无人驾驶等领域得到了广泛应用和认可。

  今后，MathWorks将一方面推出更多基于MATLAB和Simulink平台的应用来满足支持云端客户；另一方面，也将不断添加更多更新的AI算法，来进一步提供低代码甚至无代码的AI工具，同时，还将逐步优化和其他平台的框架，通过MATLAB提供的接口，把跨平台开发的AI算法都导入MATLAB和Simulink平台，进行整个系统级的测试和仿真。

  “基于模型的设计理念”多年来一直是MathWorks强调的重点，尽管MATLAB和Simulink几乎能被用于各个学科中，但目前，跨学科之间的研究和合作慢慢的变多，这一理念又会给跨学科研究带来哪些帮助？

  李靖远对此回应称，MathWorks在航空航天、汽车、通讯、工业设计、半导体、医疗、金融、能源等20多个领域使用MATLAB进行大数据分析、基于模型设计进行系统仿真，慢慢的变成了很多行业的标准化工具。

  为了适应各个行业和领域的需求，MathWorks目前已推出超过100个工具箱，包括各个学科、所有的领域的成熟模型和算法，使得客户能充分的利用这些模型和算法进行跨学科研究。同时，MathWorks提供了跨学科的平台，可以把客户在机械、电子、液压控制等多域模型统一集成在MATLAB平台上，从而进行系统级的开发仿真。

  由于MATLAB提供的不仅是对领域的共建项目的支持，更是一个大的平台。MathWorks·全球超过500家合作伙伴，基于多域的模型都可以导入Simulink或MATLAB进行算法、测试和仿真。

  除此之外，李靖远表示，多学科领域的融合还有一个趋势，是通过大数据、人工智能进行多学科的融合，需要采集大量的有效数据去训练，来得到相关领域的模型。基于这一趋势，MATLAB提供了大量的基于AI的工具箱，比方机器学习、深度学习，强化学习等，进行跨学科研究的时候，就能够最终靠MATLAB所提供的工具箱来进行跨学科的建模，便于更好地实现跨学科的融合。