7月24日，在“装备智能工程与数智化生态技术研讨会2026”上，面向AI智能体时代装备研发的新需求，同元软控依托现有MWORKS平台，围绕智能装备研发与装备研发过程智能化两大方向，形成MWORKS EI与MWORKS AI两条实践路径。本文将重点介绍MWORKS AI的重要落地载体——装备工程智能体MOGICK，解析其如何连接工程知识、专业工具与研发流程，推动装备研发流程的智能化协同。

AI时代，装备系统工程迈向智能体驱动新范式

随着大模型在原生推理、强化学习、长上下文、多模态等方向持续突破，人工智能正从信息处理工具走向任务执行能力。与此同时，新一代智能体逐步具备自主循环、自我修正、任务规划和工具调用能力，推动AI从“能够理解和回答”走向“能够执行和完成”，并率先在软件工程领域引发研发模式变革。

在AI推动下，软件工程正从问答级（Chatbot）、辅助级（Copilot）向任务级智能体（Agent）和工程级智能体（Engineering Agent）演进，智能能力逐步进入需求、设计、开发、测试和交付等研发全过程。

软件工程由单点辅助走向全流程智能协同的实践，为装备系统工程智能化提供了重要参照。借鉴这一演进路径，AI驱动的装备系统工程也将由知识辅助逐步走向任务执行、工程协同乃至自主工程，并呈现出五级成熟度演进：

· L1 问答级（Chatbot）：AI作为知识增强工具，帮助工程人员进行知识问答、规范查询和信息获取。

· L2 辅助级（Copilot）：AI进入建模与设计环境，辅助工程师完成方案补全、参数建议、错误检查等任务。

· L3 任务级（Agent）：AI具备专项任务执行能力，可根据工程描述完成需求分析、架构设计、模型构建等部分任务。

· L4 工程级（Agentic Engineering）：AI从单点任务执行走向工程流程智能化，能够串联需求、设计、仿真、试验、验证等研发环节，实现工程任务协同执行。此阶段，AI进一步从智能辅助建模走向智能工程生成，围绕模型、参数、接口、约束、仿真任务和工程上下文，理解多类工程对象之间的关联关系，让智能体真正进入研发主流程。

· L5 自主级（Autonomous）：AI具备端到端系统工程能力，从需求输入出发，自主完成架构设计、模型构建、仿真验证与优化决策。

智能体驱动的装备系统工程：从单点辅助走向工程智能闭环

从当前发展阶段看，AI驱动的装备系统工程正由L2辅助级向L3任务级深化，并加快向L4工程级演进。相较于单点工具辅助和专项任务执行，L4工程级智能体需要进一步进入研发主流程，实现跨环节、跨工具的工程协同。为此，仍需重点解决四个关键问题：

· 工程对象可理解。通过装备数字化建设，让需求、模型、数据等工程信息进入数字空间，为AI提供充分上下文。

· 工具环境可调用。面向AI打造工业软件开放接口体系，让智能体能够协同驱动工程工具链。

· 生成结果可判定。利用模型分析、仿真验证、测试工具等手段，确保AI生成结果可靠可验证。

· 工程轨迹可学习。关联需求、设计、仿真、试验、运维全过程数据，让AI持续学习工程逻辑。

在上述能力支撑下，L4工程级智能体将进一步进入装备研发主流程，贯通需求理解、模型生成、仿真执行、结果分析、变更追踪和协同审查等环节，推动装备研发由单点任务执行走向全流程工程智能闭环。面向这一发展方向，同元软控提出智能体驱动的装备系统工程，形成以工程知识为基础、以模型为核心载体、以工程智能体为执行中枢、以工业软件工具链为能力支撑的新型装备研制与工程管理模式。

这一新型装备系统工程体系主要由四类核心要素构成：

多范式模型统一表征体系：设计即建模、模型即代码，通过严谨的语义规范和形式化建模方法，实现不同类型工程模型的统一表达。

工业知识与大模型底座：汇聚需求、规范、模型、案例及工程经验等多源知识，构建可检索、可验证、可追溯的模型化知识底座；通过RAG、持续训练与反馈优化形成数据闭环，并与装备数字工程工具链深度耦合，支撑领域大模型专业化、可执行、可验证和持续演进。

装备工程智能体：融合领域知识与工程语义，编排建模、仿真、优化和验证，沉淀模型、数据与证据，形成可复用、可审查闭环。

AI 原生的工业软件集：提供需求分析与架构设计、科学计算、系统建模仿真、几何设计、专业仿真等AI原生工具。

在上述体系中，装备工程智能体是连接工程知识、领域大模型、模型资产和工业软件工具链的智能中枢。它面向完整工程任务理解对象、约束、模型、参数及验证逻辑，统一编排建模、仿真、优化和验证，并沉淀模型、数据与工程证据，形成可复用、可审查、可追溯的研发闭环。相比“AI编程智能体+工业软件”的组合模式，装备工程智能体能够进一步解决工程语义理解不足、数据资产难以贯通、工具调用链路复杂和智能化效果难以评估等问题。

基于这一技术体系，同元软控自主研发了装备工程智能体 MOGICK。

MOGICK：面向装备研发生命周期的工程智能体

MOGICK 融合AI大模型、工程知识、系统工程方法与工业软件工具链，具备工程感知、任务规划、流程编排、工具调用和记忆管理等核心能力，能够将工程师意图转化为可执行的工程任务，协同调用SysML、Modelica、CAD、CAE以及PLM、CI/CD等专业工具。围绕具体装备研制任务，MOGICK 贯通需求理解、方案设计、模型构建、仿真分析、优化验证和运行维护等环节，实现模型、数据、流程与知识协同，构建可执行、可验证、可追溯的智能化研发闭环。

MOGICK提供CLI、APP、Cloud、插件等多种交互形态。CLI定位为自动化、脚本化、长任务执行的Agent引擎；APP是Agent First交互形态的统一工程控制台；Cloud提供云端任务委托入口和项目任务协同环境；插件嵌入到各工业软件中，无需离开交互界面提供一体化的智能体驱动体验。

（1）MOGICK CLI：自主内核驱动的工程智能体运行底座

具备装备系统工程AI Agent核心能力，包括多工具并发、会话管理、记忆系统、代码与模型搜索、沙盒执行、Git Worktree 管理、goal模式等，供上层APP、Cloud、插件等调用，实现从任务理解到产物生成、执行验证的自动化闭环。

（2）MOGICK APP：面向工程师的工程智能体统一控制台

①工程建模实现智能验证和审查，保障研发过程可信

内置计算仿真内核，智能体可直接调用，对结果持续迭代验证，形成智能验证闭环。围绕模型、仿真、意图等高层语义变更，提供工程变更审查包，包含意图、操作、语义变更、CI/仿真验收结论及可信度等五类证据。

②内置产物浏览器，直接可视化操作数字样机模型

支持以项目管理的方式，生成装备系统数字样机多元化模型，并在APP内置浏览器中直接打开和操作这些模型，包括：SysML模型、Modelica模型、CAD模型等。

③质量评测系统推动智能体能力持续优化

质量评测系统是智能体持续演进的支撑体系，贯通评测集、沙盒执行、AI 判定与报告生成。通过六维评估、A/B 对比与归因分析，形成可比较、可定位、可回归的质量基线。

④预置轻量化建模仿真运行时，实现开箱即用

预置轻量化建模仿真运行时，M²BSE核心工具能力随产品提供，无需安装下载体积庞大的装备数字化工具链。插件市场提供建模仿真专业资源库（MCP、Skills等），支持按需下载、安装、验证。

（3）MOGICK 插件：智能体插件体系，连接专业工具链能力

通过插件机制嵌入 MWORKS 产品体系，包括Sysbuilder 、Syslab、Sysblock、Sysplorer、SysCAD等，在工具内部实现智能体原生体验。提供统一的插件协议接口，支持第三方 CAD/CAE、建模仿真等工具链接入，实现专业工具能力统一调用。

MOGICK实践探索：火星采样任务

以火星采样任务为例，该任务具有任务周期长、系统组成复杂、多专业耦合紧密、设计验证难度高等特点。传统研制过程中，需求、架构、几何、专业模型与仿真数据往往分散在不同工具和阶段，容易造成信息断层、重复建模和验证滞后。

面向这一复杂任务，MWORKS以 MOGICK 智能体为驱动，协同Sysbuilder、SysCAD、Sysplorer与Syslab，将AI融入需求分析、架构设计、几何构型、系统建模和任务仿真全过程，构建“需求—设计—建模—仿真—优化”一体化数字研制闭环。

1.任务级需求分析与架构设计

MOGICK APP 驱动 Sysbuilder，围绕任务目标开展场景分析、需求解析与系统架构设计：

·提取任务场景、核心需求与边界约束

·定义关键功能与性能指标

·构建系统功能架构和逻辑架构

·将总体指标逐级分解至各子系统

实现需求、指标、架构与设计方案的全链路关联和双向追溯，为后续设计与验证建立统一基线。

2.任务级仿真验证

面向火星采样任务，MOGICK APP 驱动 Syslab 完成任务规划与轨道仿真：

·划分任务阶段并规划关键任务节点

·分析发射窗口和任务时间约束

·设计地火转移轨迹并计算关键参数

·验证轨迹可达性和整体任务时序

实现任务时序、发射窗口与转移轨迹的一体化规划验证，为任务方案筛选和迭代优化提供依据。

3.系统级概念设计

基于MOGICK APP 与 SysCAD 参数化设计能力，分钟级完成着陆器与上升器几何原型构建：

·总体构型与关键部件布局设计

·尺寸、结构等核心参数定义

·多构型方案自动生成与调整

·不同设计方案快速对比与优化

实现几何原型快速生成、参数化修改与多方案迭代，为专业建模和系统集成提供设计基础。

4.专业与系统级仿真验证

MOGICK APP 驱动 Sysplorer，贯通多专业建模、系统集成与联合仿真过程：

·搭建推进、控制、结构、能源等专业模型

·集成着陆器与上升器多专业系统模型

·开展多专业耦合与系统级联合仿真

·综合评估关键性能与任务指标

实现专业模型快速复用、跨专业协同和系统级闭环验证，支撑设计问题定位与方案持续优化。

通过 AI 驱动 MBSE 流程协同，MOGICK 将人工智能融入需求分析、架构设计、建模仿真和验证优化等关键环节，实现工程知识、模型资产与仿真工具的贯通，推动复杂装备研发从需求定义到验证闭环的智能化升级。

· 需求分析阶段：提升需求质量，减少源头缺陷；

· 架构设计阶段：加快方案形成，保障需求与架构一致；

· 设计建模阶段：缩短建模周期，提升多专业协同与复用；

· 仿真验证阶段：提高验证覆盖度，加快问题发现与设计优化。

MOGICK 的发布，是同元软控面向智能体时代装备系统工程的一次重要探索。

装备工程具有复杂的对象体系、专业工具和严格的验证要求。工程智能体的发展不仅需要技术突破，更需要在真实工程场景中持续验证和完善，让 AI 能够真正理解工程、服务工程、赋能工程。

未来，同元软控将持续推动 AI 与系统工程、工业软件深度融合，构建装备智能工程能力体系，推动智能体融入装备研发全过程，助力复杂装备研发向更加智能、高效、可信的方向发展。

MOGICK 将于近期上线，诚邀您提出宝贵建议，与我们共同探索工程智能体赋能装备研发的新可能。