上周，2022世界人工智能大会（WAIC）在上海盛大开幕。同期，由深度学习技术及应用国家工程研究中心主办、百度飞桨承办的“AI开源开放与产业智能化高峰论坛”也顺利举办。作为百度飞桨在工业领域的重要生态伙伴，NI全球业务和生态高级总监潘宇在会上深度分享了人工智能在工业测试、测量及数据分析领域的前沿探索与实践应用。

说到测试测量，这其实是一项横跨多行业、贯穿产品全生命周期的关键技术领域。随着各行各业技术不断迭代演进，以及高科技产品复杂度的日益提升，从产品设计原型、功能验证，到最终生产与使用，每一个环节的测试测量技术都面临着新的挑战。

正因如此，我们得以接触大量来自不同行业的全球领军企业，深入了解他们在技术革新中的实际探索。在共同应对这些挑战的过程中，有两个趋势值得关注：第一，产品生命周期每个环节及整体所应用的技术——尤其是数据管理与分析水平——会直接影响产品质量、效率与产能，进而关联企业整体业务绩效；第二，越来越多的企业将AI/ML技术视为最重要的技术升级手段，同时会特别关注AI/ML应用场景的选择，并直接与业务绩效挂钩。从这个角度看，NI如何选择与用户合作的AI/ML赛道显得尤为关键。

NI在人工智能领域的探索路径与实践

在此背景下，NI全球的Long-term Innovation研发团队与各行业业务单元团队，共同筛选出多个在测试测量领域能带来显著技术及商业价值的AI/ML应用场景，并与领先用户展开了深度合作探索。

从产品生命周期不同阶段来看，主要集中在三个方向：设计和原型阶段、产品验证阶段、以及生产制造阶段。

这里以智能网联汽车中的ADAS验证系统为例，具体阐述NI当前的工作与探索。ADAS及自动驾驶汽车是AI/ML产业化的重要场景，但新技术及其对系统可靠性的严苛要求，给测试验证系统带来了全新挑战。ADAS系统设计过程中，算法训练与系统验证需要引入海量现实应用场景，即需处理海量数据。因此，NI平台需支持大规模数据的录制与回放，以帮助用户实现模型训练与仿真验证。

举个例子，ADAS数据采集一天的数据量可达170TB，对数据存储与利用构成巨大挑战。若能根据不同场景进行数据规约（Data Reduction），实现智能数据采集，将大幅提升数据质量，节省开发成本并缩短测试周期。在此类应用中，NI的探索重点在于：基于摄像头、雷达、全球卫星导航系统等传感器感知周围环境，借助AI/ML算法进行场景识别，从而智能控制数据流采集。通俗而言，若周围车道无行驶车辆，则数据价值较低，无需全部保存；而当系统检测到其他车辆并追踪到变道等行为时，即可判定为高价值数据，再进行采集与存储。这种方式能有效优化测试流程，加速产品上市时间。

本土化生态合作的深入推进

正是鉴于在全球不同行业领域看到了这些明确的AI/ML应用需求，NI自2021年起，基于中国本土化需求与发展趋势，通过浦东新区的“大企业开放创新中心计划”（GOI），与百度飞桨在技术、应用和生态多个层面展开合作探索，共同推进产业智能化赋能。

在技术创新层面，NI希望将自身在测试测量领域的领先软件平台——如LabVIEW及其他软件——与百度飞桨打通互联，为现有测试测量系统注入AI能力。软件系统的互联互通，也将加速AI技术赋能硬件数据采集与测试测量，从而帮助用户更快实现跨领域技术应用场景的探索，例如6G通信、图像识别、设备管理、预测性维护等。

广泛持续的生态创新实践案例

在此基础上，NI还希望赋能现有广泛用户社群与生态，推动生态层面的创新。以下为两个已在实际探索中的案例：

第一个案例是基于深度学习的6G网络频谱感知识别。国内领先的无线研究团队，利用NI的USRP系列软件无线电产品完成无线信号采集与预处理，再借助百度飞桨开源深度学习平台完成模型训练及优化，率先实现了6G网络频谱感知识别的原型平台构建与算法验证。

另一个案例来自上海仪酷智能科技有限公司。作为NI与百度飞桨共同的用户及合作伙伴，仪酷基于百度飞桨的PP-YOLOE特色目标检测模型，在NI的开放软件平台LabVIEW上成功实现了目标检测算法，充分结合了LabVIEW在工业连接上的优势与PP-YOLOE在算法效率上的长处，从而在图像识别领域实现了技术与应用的创新突破。

最后，NI还通过“中国创新发展中心”平台，与百度飞桨在产业人才培养与行业应用赋能方面，以多种形式的生态合作，共同加速产业智能化进程。