【技术发布】“水木智境”XIL测试AI多智能体正式发布，以工程化Agent打通SIL到VIL测试全链路

2026年10月28日，在第三十三届SAECCE中国汽车工程学会年会暨展览会现场，IAE智行众维以“双智引擎 闭环赋能”为主题举办技术创新发布会，联合清华河北院物理AI模型和数据联合研发中心、吉利创新中心、上汽华域三电、吉行智途和西部智联五家单位，共同发布面向智能网联新能源汽车XIL测试的AI多智能体产品——水木智境。产品技术涵盖SIL、HIL、VIL全栈测试流程，从需求解析贯通至台架与实车执行，实现95%以上的测试用例可智能化生成和自动化执行，围绕“需求理解——用例生成——跨台架执行”三个核心环节，把测试技能从“文档、脚本和人的大脑里”整理出来，让同一份用例在各类测试环境中都能跑得通。IAE智行众维VP&CDO刘虎表示：我们要做的不只是一套通用Agent，而是一套能真正稳定、安全、专业、精细化解决企业实际问题的工程化智能体平台。

通用大模型最容易在工程场景翻车的地方，是它无法在没有私有工程知识的情况下反馈如“热管理模块里压缩机吸气冷媒温度处理的滑动滤波”这类专业的需求。水木智境的解法是先建立AI测试本体与知识图谱，把概念、关系、属性、规则以本体形式明确定义，解决70%以上真正确定性和稳定性的问题，再叠加上RAG+LLM，把历史缺陷知识、专业名词公式、结构化表格等经验沉淀召回进来，处理泛化与不确定的部分。本体还基于TBox/ABox架构具备自学习能力，新模块的知识可通过本体学习自动沉淀，在下一个项目中复用。

解决“变不完”的问题

需求读懂了，测试点提取了，接下来落到工程师手里就是一摞测试用例，这也是最容易“变不完”的地方。一个中等规模测试就可能涉及上万条用例，需求一变，哪些用例要改，改了哪些，覆盖度是否补全、需求改动如何追溯等等，这些靠人工翻表格几乎是理不清楚的。水木智境的完整链路包括九大模块：需求接入与结构化→测试点提取→用例生成→质量控制→用例库管理→脚本转换→变更管理→人机协同→自动化执行与回归，该链路并非一个大一统的智能体，而是由多智能体协同完成，并在关键节点穿插人工评审，实现人机协同。当需求变更时，变更管理与追溯可以在链路内完成，而不是靠工程师翻表格。此外，为了为防止模型幻觉生成不可执行的脚本，系统同时设置了多条硬拦截规则，对模型不理解的事情坚决不允许幻想推理、不允许生成不可执行的脚本等。

解决“跑不通”的问题

台架品牌多、私有化部署环境杂等，是XIL测试的老大难。水木智境设置IR（中间表示）融合桥接架构，用一层中间表示屏蔽跨硬件、跨平台、跨脚本的差异，可以让统一测试用例在不同品牌的台架上运行与自动化执行，并支持脚本转换、远程部署到客户侧的端到端流程中。与之配套的是数据安全边界：客户知识不出域、经脱敏、向量化、权限过滤后通过受控接口进行流转，同时，配合企业级安全沙箱和数据安全护栏（D0-D4分级+模型准入检查）与全链路可追溯（RTM矩阵），兼顾跨企业知识保护与融合。从架构上来看，水木智境底层是知识本体加知识图谱，中间是RAG+LLM引擎层，上层是多智能体编排，配合Harness Engineering (智能体工程)，构成多智能体流水线，RAG知识增强、企业级数据护栏、IR桥接、数据安全边界、全链路可追溯六大核心优势。产品内置BMS、VCU、智驾、座舱等MoE专家模块，每个专家对应不同的Skill，按项目与模块专家调用，并支持不同项目的管理与交付方式。

目前，“水木智境”已在吉利创新中心、上汽华域三电及某国外主机厂智驾部门等合作伙伴实现商业化应用。刘虎表示，通过研发部署“水木智境”XIL多（具身）智能体平台，将从根本上解决“仿真测试不好做、覆盖度不足”等难题，帮助智能网联新能源汽车产业显著增效降本，让未来“没有难做的仿真测试，不再有遗漏的测试用例”。