AI驱动测试和测量发展

拥抱AI：测试领域的前景

2023年，英国《金融时报》集团的一项调查显示，只有44%的测试经理表示其优先质量指标达成情况良好。这一统计数据令人震惊，它揭示了管理层面临的压力与困境。面对工程复杂度与资源能力之间日益扩大的鸿沟，许多团队正急于推动实质性变革。

而要实现实质性变革，必须明确重点、合理做出技术决策，并勇于开辟新发展路径。同一项调查显示，行业领先测试机构已开始布局AI技术，79%的企业计划在未来5年内采用该技术。

如此规模的变革自然会引发不确定性甚至焦虑，但对采用者而言，这同时意味着重大机遇，他们有望通过逐步提高团队的生产率而脱颖而出。成功应用新技术的信心主要来源于既能适应变化又不失核心优势的稳健基础流程、能够以最少切换整合新兴技术的开放工具链，以及与能够就实施重点提出建议的技术领导者之间的强有力合作伙伴关系。

虽然AI的变革已不可逆转并将持续发展，但测试领导者仍存有诸多疑问：下一步该怎么做？5年后技术会发展到何种程度？成本如何？该采用哪种模型？如何保护知识产权？如何衡量成功？ 

虽然这些担忧不无道理，但这种“分析性瘫痪”正阻碍工程领导者充分利用AI技术优势。好消息是，每个企业都可以立即采取关键措施。这些举措无需大量投资，却能为未来成功应用AI奠定基础。 

1.立即整理数据

如需在测试测量行业有效且有意义地应用AI技术，必须始终采用连贯的战略方法来管理海量测试数据。过去，这些蕴含宝贵见解的测试数据往往被视为运营副产品而被弃之不用或低效利用，未能发挥其战略资产价值。

如今，我们正全力升级数据管理能力，以支撑AI驱动的产业变革。通过立即实施有效的数据管理策略，测试组织可以抢占先机，快速适应不断涌现的AI技术进步。 

首先，深入理解数据模型。

1. 梳理现有采集数据，评估其对企业和被测产品的价值。 
2. 查找数据缺口并确定填补缺口的来源。 
3. 若来源不存在，则需制定数据获取方案。 

通过理解数据模型并确保采集正确数据，您将为采用AI工具打下坚实的基础。

要充分发挥AI优势，优质测量数据不能仅包含仪器测量数据。如需进行异常检测或其他根本原因分析，测量环境与位置等情境信息与信号数据本身同等重要。通过将环境条件、设备正常运行状况信息、代码版本和操作员数据整合成与特定待测设备(DUT)关联的完整数字线程，我们可以针对任何给定的测量进行特性分析。搭配使用TestStand和SystemLink等NI软件，可快速获取决策所需的情境信息。

要充分利用AI，企业必须制定有针对性的结构化战略，确保大量AI就绪数据可访问且有意义。通过规范采集、统一架构和集中有序的存储，企业能将海量原始信息转化为结构良好的数据集，从而实现高效AI并提供更有意义的见解。

2.构建专为测试优化的平台

工程师们早已习惯在抽象层级上工作，依托专业团队打造的平台来实现系统和产品交付。AI技术的应用亦是如此。

测试和测量应用的独特之处在于其处于物理世界与数字世界的交汇点，由此产生的复杂性要求远超其他领域。将真实信号以数据流方式写入软件程序（通常多源高速并行），会产生并行处理、高性能波形数据可视化、确定性目标部署等需求。由于产品质量决策往往需要比对不同系统在不同时间段的多次测试结果，所以系统也很少孤立运行。

应对测试和测量挑战时，应选择如NI硬件和软件平台以及Nigel AI Advisor等专为测试而设计、专门由兼具专业技术与应用知识的团队开发的技术方案。这种技术优势确保您可以专注于解决高风险的产品挑战，而非耗费精力去解决如何将强大的通用AI模型强行适配敏感测试环境与专业工作流程的棘手问题。

测试的未来与AI密不可分

AI技术在测试测量领域的应用将彻底改变工程师开发测试系统的方式。从最初的需求文档到最终发布的测试报告，AI将简化开发流程的复杂度、提供正确决策所需的信息，并将耗时任务从待办事项中省去，让您更专注于自己的专业领域。 

未来，AI甚至能辅助设计完整的测试系统。作为测试和测量领域的专家，我们正朝着这个方向努力。通用AI工具将推动底层模型的投资增长，而基于这些技术构建的Nigel AI Advisor，也将继承其日益增强的智能与性能。 但仅靠通用模型无法满足测试测量用户的复杂需求。

凭借我们在测试领域数十年的专业积累，以及井然有序、符合情境的测量数据基础，Nigel将继续发展为专用于测试领域的强大智能解决方案。

详细了解Nigel。