上周2022世界人工智能大會（WAIC）在上海開幕。深度學習技術及應用國家工程研究中心主辦、百度飛槳承辦的“AI開源開放與產業智能化高峰論壇”同期舉行。NI全球業務和生態高級總監潘宇，作為百度飛槳在工業領域的產業伙伴代表深入分享了人工智能在工業測試、測量及數據分析領域的探索和應用。

測試測量領域是一個面向不同行業，同時貫穿整個產品生命周期的技術領域。隨著各行業的技術的發展以及高科技產品復雜度的提升，產品從設計原型、到功能驗證，再到生產和使用，每個環節的測試測量技術都存在著新的挑戰。

正因為如此，我們有機會接觸到大量不同行業的全球領軍企業在技術革新上的應用探索。在和他們共同解決這些挑戰的過程中，我們也觀察到很重要的兩點：1） 產品生命周期中每個環節以及整個產品生命周期中所應用技術的領先性尤其是數據的管理和分析，能夠直接影響到產品質量、效率、產能等企業目標進而影響業務績效2）越來越多的企業將AI/ML技術作為最重要的技術升級手段，同時也會非常重視AI/ML的應用場景選擇與業務績效的直接掛鉤。因此，對于NI來說如何選擇和用戶在AI/ML上合作的合適的賽道也尤為重要。

NI在人工智能領域的探索在這樣的背景下，NI全球的Long-term Innovation研發團隊和行業業務單元團隊重點篩選了一些AI/ML能夠在測試測量領域帶來顯著技術和商業價值的場景，進行更深入的探索及領先用戶合作。

從產品生命周期不同階段角度，我們目前在進行的主要有3個重點方向的探索：（1）設計和原型領域；（2）產品驗證領域；（3）生產制造領域

下面以智能網聯汽車中ADAS的驗證系統為例展開講下NI目前的工作和探索。ADAS及自動駕駛汽車（AV） 是AI/ML產業化的一個重要應用場景，但同時新的技術和對系統可靠性的要求也給系統的測試驗證提出了嶄新的挑戰。ADAS系統設計中ADAS/自動駕駛算法的訓練和系統驗證需要引入海量的現實應用場景也就意味著海量數據，因此NI的平臺需要能夠支持海量數據的錄制和回放以幫助用戶實現模型訓練和仿真驗證系統。

以 ADAS數據采集為例，一天的數據采集量可以達到170TB，這個對于數據的存儲和使用提出了巨大的挑戰。如果能夠根據場景的不同進行數據規約（Data Reduction）從而實現智能數據采集，將可以極大的提高數據質量以達到節省開發成本和縮短測試時間的目的。在這個應用中，NI探索重點是在基于攝像頭、雷達、全球衛星導航系統等傳感器感知周圍環境的基礎上應用AI/ML算法進行場景識別，智能控制數據流的采集，通俗地講，在周圍車道沒有行駛車輛的時候，數據并不具有非常高價值，不需要保存數據 ；當檢測到周圍有其他車輛并且追蹤到車輛有變道等行為時，判定為有價值數據，再進行數據采集和存儲，借此優化產品的測試流程和加速上市時間。

正因為在全球不同行業的技術領域看到以上基于AI/ML明確的應用需求，NI也從2021年開始，基于中國本土化需求和發展趨勢，通過浦東新區的“大企業開放創新中心計劃”（GOI），與百度飛槳開始在技術、應用和生態不同層面探索合作，推進產業賦能。

在技術創新領域，我們希望將NI在測試測量領域的領先軟件平臺例如LabVIEW及其他軟件和百度飛槳進行打通互聯，為原有的測試測量系統賦能AI技術。軟件系統的聯通也會加速AI技術賦能硬件數據采集和測試測量，從而加速用戶實現跨領域的技術應用場景探索，如6G通信、圖像識別、設備管理、預測性維護等。

廣泛持續的生態創新案例

在此基礎上，我們希望賦能NI現有的廣泛用戶社群和生態進行生態創新。我們這里舉了兩個已經在實際探索的案例：

基于深度學習的6G網絡頻譜感知識別，這是未來的創新應用之一。國內領先的無線研究者基于NI的USRP系列軟件無線電產品的無線信號采集和預處理功能，借助百度飛槳開源深度學習平臺完成模型訓練及優化，領先的實現了6G網絡的頻譜感知識別的原型平臺構建和算法驗證；

另一個案例來自上海儀酷智能科技有限公司，作為NI公司和百度飛槳共同的用戶和合作伙伴，儀酷基于百度飛槳PP-YOLOE特色目標檢測模型在NI開放軟件平臺LabVIEW上實現目標檢測算法，充分結合了NI LabVIEW的工業連接和PP-YOLOE在算法效率上的優點，由此實現在圖像識別領域的技術和應用創新。

最后，我們也通過NI“中國創新發展中心”的平臺，和百度飛槳在產業人才培養和行業應用賦能上，通過不同類型的生態合作，共同加速產業賦能。