NI (美國國家儀器公司，National Instruments，簡稱NI) 每年都會發布對來年關鍵工程趨勢的展望報告，近日發布的《NI 趨勢展望報告2019》探討了日新月異的技術發展所面臨的關鍵工程趨勢和挑戰，包括物聯網（IoT）、從原型驗證到商業化部署的5G技術推進以及大眾自動駕駛等領域。

NI全球營銷副總裁Shelley Gretlein表示：“這些工程趨勢正在打破傳統的行業和產品測試，帶來了前所未有的復雜挑戰。 然而，這也極大地推動了創新，促使我們從根本上轉變自動化測試和自動化測量方法，向“軟件定義的系統”做出關鍵的轉變。”

正值NI Days 20周年，NI在其位于上海浦東的中國區新辦公室，向媒體講解了《NI 趨勢展望報告2019》。NI大中華區市場經理劉旭陽表示，NI將深入研究以下主題，致力于為自動化測試和自動化測量企業提供前瞻性信息，幫助其為快速推進的未來技術做好充分的準備

5G迎來新的無線測試時代

NI業務和技術首席研究員 Charles Schroeder認為，5G帶來廣闊前景的同時，也使得測試日益復雜化，必須開發新的技術來測試5G設備，還需要成本更低的空口測試技術。

自蜂窩通信出現開始以來，測試工程師一直在使用一組公認的測量和技術，對從RF半導體到基站和移動手機等無線通信技術進行大量測試。但是對于5G，這些無線設備采用的技術將更加復雜，用于測試前幾代設備且已經過高度優化的測試技術必須重新考量。為驗證5G技術的性能，需要使用空口（over-the-air，OTA）方法而不是當前使用的線纜直連的方法來測試5G組件和設備。作為工程領導者，我們需要新的測試方法來確保5G產品和解決方案在許多行業和應用中的商業化可行性。

增加帶寬

5G標準的主要目標之一是大幅提高數據容量，這是因為用戶數據需求在持續不斷地增長，但為了實現每用戶10 Gbps的目標峰值速率，需要引入新技術。首先，5G規范包括多用戶MIMO（MU-MIMO）技術，該技術允許用戶通過波束成形技術同時共享相同的頻帶，為每個用戶建立唯一的集中無線連接。其次，5G標準增加了更多的無線頻譜，擴展到了厘米和毫米波（mmWave）頻率。

MU-MIMO和mmWave技術的物理實現需要使用比前幾代蜂窩標準更多的天線元件。根據物理學定律，mmWave頻率的信號在通過自由空間時將比當前蜂窩頻率的信號衰減得更快。因此，在發射功率電平近似的情況下，mmWave蜂窩頻率的范圍將比當前蜂窩頻帶小得多。

為了克服這種路徑損耗，5G發射器和接收器將利用并行工作的天線陣列，并使用波束成形技術來提升信號功率，而不是像目前的設備那樣每個頻帶使用一個天線。這些天線陣列和波束成形技術不僅對于增加信號功率很重要，對于實現MU-MIMO技術也同樣至關重要。

那如何將所有這些天線安裝到未來的手機中？幸運的是，mmWave頻率的天線將比用于當前標準的蜂窩天線小得多。新的封裝技術，如集成天線封裝（antenna in package，AiP，即天線陣列位于芯片的封裝內），將使得這些天線更容易集成到現代智能手機的小空間內，但天線陣列可能完全封閉，沒有任何可直接接觸的測試點。

使用OTA解決新挑戰

對于測試工程師而言，增加的頻率范圍、新的封裝技術和更多的天線數量使其很難在維持高質量的同時，盡可能避免資本成本（測試設備的成本）和運營成本（測試每個設備的時間）的增加。新的OTA技術可以幫助解決這些問題，但同時也帶來了挑戰。

首先，測量精度是一大挑戰。與有線測試不同，在進行OTA測量時，測試工程師需要處理天線校準和精度、連接件公差和信號反射等引起的額外測量不確定性。其次，設備測試計劃必須納入全新的測量方法，以進行消聲室集成、波束特性分析、最佳碼本計算和天線參數特性分析。第三，隨著RF帶寬不斷增加，在RF帶寬上進行校準和測量所需的處理量也會增加，進而導致測試時間增加。最后，測試經理必須考慮額外的業務因素，以在確保產品質量的同時，最大限度地減少對上市時間、資本成本、運營成本和占地面積（以適應OTA測試暗室的面積）的影響。在接下來的幾年里，測試和測量行業將通過許多創新技術來快速應對這些挑戰。因此，測試團隊應考慮高度靈活的軟件定義測試策略和平臺，以確保其當前的資本支出能夠跟上這一快速創新周期。

雖然OTA提出了諸多挑戰，但同時也帶來了許多好處。首先，OTA是AiP技術的唯一選擇，因為天線陣列集成在封裝內，無法通過導線直接連接陣列元件。即使測試工程師可以使用傳導測試方法連接各個天線元件，他們也面臨著選擇并行測試（購買更多儀器帶來的資本支出）還是連續測試（測試時間和吞吐量增加帶來的運營成本）的困難。雖然許多技術問題仍有待解決，但OTA測試提供了將陣列作為一個系統而不是一組獨立元件進行測試的可能性，這有望提供系統級測試的高效率。

過去，測試設備供應商和測試工程師已經遇到了在測試日益增加的性能和復雜性的同時，最大限度縮短產品上市時間和測試成本的挑戰，而對于5G，他們仍面臨著相同的挑戰。盡管當今的5G測試挑戰看起來很復雜，但世界各地的工程師們已經在開發新的測試儀器和方法，如OTA，這些都是5G成功進行商業部署所必需的。

實現安全自動駕駛所需的權衡迫在眉睫

NI汽車市場總監Jeff Phillip表示，自動駕駛將挑戰傳感器冗余成本比率，以確保整體安全。軟件定義的測試平臺對于跟上處理器架構的發展至關重要。此外，隨著自動駕駛的要求不斷影響微處理器架構，半導體和汽車產業正在相互融合。

根據世界衛生組織的統計，每年因交通事故導致超過125萬人喪生，這些事故造成的政府損失約占GDP的3％。雖然自動駕駛的潛在影響非常廣泛，延伸到個人、經濟和政治領域，但拯救生命這一作用本身就意味著自動駕駛可能是我們這個時代最具革命性的發明。

高級駕駛輔助系統（ADAS）是傳感器、處理器和軟件的融合，旨在提高安全性并最終提供自動駕駛功能。如今，大多數ADAS系統使用單個傳感器，例如雷達或攝像頭，并且已經產生了可量化的影響。根據IIHS 2016年的研究報告指出，自動制動系統減少了大約40％的追尾事故，碰撞警告系統減少了23％的追尾事故。盡管如此，國家公路交通安全管理局（NHTSA ）報告說，94％的嚴重車禍都是由人為失誤造成的。為了實現從駕駛輔助到L4或L5級別自主駕駛的轉變并讓駕駛員不用再控制方向盤，汽車行業面臨著更加復雜的挑戰。例如，傳感器融合是一項必需的技術，該技術通過綜合許多傳感器的測量數據來得到結果，因此需要同步、大功率處理以及傳感器技術不斷進步。對于汽車制造商而言，這意味著在成本、技術和戰略這三個關鍵要素之間進行權衡，以達到適當的平衡。

代價：冗余與互補傳感器

L3級別自主駕駛標準規定，如果汽車保持在預定義的環境下，那么駕駛員就不需要特別注意。 2019年奧迪A8將成為世界上第一輛提供L3級別自主駕駛技術的量產車。它配備了六個攝像頭、五個雷達設備、一個激光雷達設備和12個超聲波傳感器。為什么要使用這么多傳感器？簡單來說，每種傳感器都有其獨特的優勢和劣勢。例如，雷達顯示的是物體的移動速度，而不是物體的樣子。這時就需要進行傳感器融合，因為物體的移動速度和物體的樣子對于預測對象的行為都是至關重要，而冗余則是為了克服每個傳感器的缺陷。

最后，傳感器數據處理的目標是獲得可代表汽車周圍環境安全/故障的表示方式，并且這種表示方式應可以饋入決策算法，并有助于降低成本，從而使最終產品能夠產生盈利。實現這一目標的最大挑戰之一是選擇合適的軟件。以三個應用為例：緊密同步測量、維護數據可追溯性，以及在無數真實條件下對軟件進行測試。每一個應用都有其獨特的挑戰；對于自動駕駛，這三個應用都必不可少，但代價是什么呢？

技術：分布式與集中式架構

ADAS的處理能力來自于多個獨立的控制單元；但是傳感器融合正在推動單個集中式處理器的普及。以奧迪A8為例。在2019年款的車型中，奧迪將所需的傳感器、功能、電子硬件和軟件架構整合到一個中央系統中。這個中央駕駛輔助控制器會計算汽車周圍環境的完整模型并激活所有輔助系統。它的處理能力將比以前奧迪A8車型的所有系統合起來都要高。

集中式架構的主要問題是高功率處理的高成本，而且由于需要在汽車中的其他地方安裝一個輔助融合控制器作為備用控制器來確保安全，這一成本就更加高了。隨著控制器及其處理能力的發展，工程師的偏好可能會在分布式和集中式架構設計之間交替，這意味著軟件定義的測試儀設計對于跟上這一演變至關重要。

策略：內部開發與現成即用的技術

為實現L5級別自動駕駛，自動駕駛汽車的微處理器需要具備比當前微處理器高出2000倍的處理能力；因此，這種微處理器的成本很快就比mmWave雷達傳感器系統中的RF組件更加昂貴。歷史表明，如果某個能力的成本日益增加，而且需求非常高，就會引起鄰近市場領導者的注意，進而推動了市場現有企業之間的競爭。

舉個數據說明，UBS估計雪佛蘭Bolt電動動力系統的半導體器件要比同等內燃機汽車多6到10倍。汽車內半導體器件的數量只會增加，不會減少，而鄰近市場也將會不斷改進相關的技術和產品。例如，NVIDIA已經改進了最初為消費電子產品開發的Tegra平臺，以滿足汽車ADAS應用的需求。另外，Denso已開始設計和制造自己的人工智能微處理器以降低成本和能耗，Denso的子公司NSITEXE Inc.計劃在2022年發布一款數據流處理器，即下一代處理器IP，稱為DFP。比賽已然已經開始。

優化權衡

基于這些權衡做出的決策將對整個供應鏈的上市時間和差異化能力產生巨大影響。快速重新配置測試儀的能力對于最大限度地降低驗證和生產測試成本和時間至關重要，因此通過軟件實現靈活性是制勝之策。豐田研究所首席執行官James Kuffner博士在接受采訪時表示，“我們的預算不是翻一番，而是翻兩番。我們有將近40億美元的資金讓豐田成為一家擁有世界級軟件的汽車公司。”這種情緒在汽車行業并不少見。目前還沒有明確的答案，但是，就像過去的工業革命一樣，人們通過提高生產力來負擔新技術所需的成本，提高軟件開發效率將成為自動駕駛革命不可或缺的一部分。

產品開發過程標準化

NI國防和航空航天市場總監Nicholas Butler認為，早期的標準化主要集中在硬件抽象上，但現代技術則是建立在軟件之上。迭代式軟件開發流程可以更快地為客戶提供更好的產品，測試組織必須采用標準化的迭代式軟件開發方法，以保持競爭力。

幾十年來，標準化一直是測試組織的理想目標。 1961年，美國無線電公司（RCA）的D.B. Dobson和L.L.Wolff發表了《電子測試設備的標準化》（Standardization of Electronic Test Equipment. ）。該文章介紹了多用途導彈系統測試設備在研究和原型驗證階段所使用的原理、標準和技術。

大多數早期技術標準化工作的目標是減少整個組織中不同測試解決方案所使用的測試設備的種類。 RCA已經實現的一個關鍵目標是設計和部署一套模塊化硬件。模塊化硬件可增加設備復用，提高測試解決方案的集成度，減少組件過時以及簡化技術更換流程。由于國防和航空航天工業的各種產品和資產設備服役周期最長可達50年，因此可維護且可復用的測試系統將給該行業的測試團隊帶來諸多益處。

由于嚴苛的安全要求和快節奏的變化，現代測試組織需要做的遠不只是硬件標準化。他們現在非常重視軟件層及其開發過程。測試工程團隊必須開始采用和標準化迭代式軟件開發方法，以跟上產品開發團隊的步伐以及在快速現代化的行業中維持項目進度。

軟件是標準化的核心

RCA的論文介紹了多個功能組件和導彈計劃中識別共享輸入和輸出以定義其模塊化硬件系統要求的過程。識別和分離過程是抽象的基礎，而這兩者是可以同時完成的。大規模儀器標準化和商業現成技術的普及促使許多行業的測試機構開始采用VXI、PXI、PXIe和AXIe等模塊化硬件標準。標準模塊化硬件平臺可將電源、冷卻和用戶界面等冗余元件抽象為單個系統內的獨立元素。

在《國防系統軟件設計和采購報告》中，美國國防科學委員會（DSB）表示，“我們的武器系統具有的許多功能都來自于系統軟件，而不是硬件。這種從硬件功能向軟件功能的轉變正在迅速普及。”現代儀器越來越多地包括處理器和FPGA等軟件定義的組件。為了充分利用這些現代測試解決方案，通過軟件定義測量系統不僅有益而且非常有必要。

領先的測試軟件工程團隊正在開發抽象化的測試軟件，與抽象化的硬件相比，抽象化軟件提供了更多好處。抽象化軟件平臺包括執行特定功能的層。這允許團隊單獨修復和升級每個模塊，同時通過保持相同的輸入和輸出來隔離其他層。霍尼韋爾航空航天公司總工程師Mark Keith表示：“由于我們有數十項傳統業務，軟件標準化需要解決每個團隊存在的歷史問題。[抽象]的目的是在更換過時的硬件時最小化或避免軟件修改。”

現代測試軟件開發

按照當今市場發布新產品和功能的速度，僅僅正確構建測試軟件架構是遠遠不夠的。測試軟件組織必須采用更靈活的方法來更快速地向制造部門和客戶交付產品。為了提供所有所需的功能，現代軟件工程團隊開始采用Agile等連續迭代式軟件開發方法。

正如DSB報告中所述，“迭代式開發的主要好處是能夠快速連續地捕獲錯誤，輕松集成新代碼，并在整個應用程序開發過程中獲得用戶反饋。”迭代式軟件開發已經成為一個業界標準的做法，這種做法“將幫助[國防部（DoD）]應對當今動蕩的安全環境，因為在這種環境下，威脅的變化速度已經超過瀑布式開發所能處理的速度。”

標準化迭代式開發

迭代式軟件開發需要能夠相互密切配合的團隊，而且與硬件平臺和軟件架構抽象類似，還包含共享和重復的概念和任務。

負責代碼庫的團隊必須就源代碼控制、單元測試框架、代碼分析、工作管理和部署所需的工具達成一致并進行標準化。另外一個日益增加的擔憂是網絡安全。DSB指出，“每天檢查軟件系統的代碼庫可以有效地控制所需的變更數量，使其符合通用的網絡規則。”

美國國防部監察長在《F-22現代化合同戰略》報告中指出：“根據計劃辦公室官員表示，相對美國對手，國防部正面臨著失去其技術優勢的風險，亟需找到創新的方式來讓戰士更快速利用新技術。”國防和航空航天的測試團隊正在努力將更好的技術更快地推向市場，而且該行業不是唯一一個正在這樣做的行業。迭代式開發是加速技術開發的一種可靠方法。

雖然測試工程團隊一直專注于硬件標準化和分層軟件架構，但研發組織已經將焦點轉向迭代式產品開發。標準化的各個方面對于測試組織都是非常重要而且有價值的，但標準化流程也必須進行完善，以便配合當今的工程做法。采用Agile軟件開發方法的測試組織已經準備好利用這個即將到來的機會。

借助物聯網優化系統測試

NI業務和技術首席研究員 Mike Santori表示，IoT和IIoT使得測試日益復雜化。但IoT技術其實可以解決自動化測試挑戰，工程師需要理解和專注于最具業務價值的應用場景。

從半導體到電子子系統再到工業4.0的核心——智能機器，物聯網（IoT）設備和工業物聯網（IIoT）系統正變得越來越復雜。測試是該產品鏈中容易被忽視但卻非常關鍵的要素，而物聯網設備的復雜化又進一步增加了測試的復雜性。但同時物聯網還可以大大增強自動化測試的工作效率。將系統管理、數據管理、可視化和分析以及應用程序支持等物聯網功能應用于自動化測試工作流程，可以幫助測試工程師更輕松地應對物聯網的挑戰。

管理測試系統

IoT和IIoT的基礎是設備互聯及統一管理。然而，目前許多分布式測試系統并沒有實現互聯或有效的設備管理。通常，測試工程師難以跟蹤在任何一臺硬件設備上運行的軟件，或者只知道系統的位置，而無法獲知其性能、使用率和健康狀況。

幸運的是，大多數現代測試系統都基于PC或PXI，可以直接連接到企業系統，從而實現額外的功能，如管理軟件和硬件組件、跟蹤使用情況以及執行預測性維護，從而最大限度地提高測試投資的價值。

接入和管理數據

物聯網的商業價值來自互聯系統生成的海量數據。 然而，由于存在各種數據格式和來源，有效利用測試數據變得非常困難，從時域和頻域的原始模擬和數字波形到參數測量等數據通常以遠高于消費者或工業設備的速度和數量進行采集。 更糟糕的是，測試數據通常存儲在沒有標準化的“孤島”（silos）中。 因此，這些數據對企業來說是“不可見的”，因此很容易錯過產品生命周期其他階段的有用信息。 在部署全面的基于物聯網的數據管理解決方案之前，捷豹路虎（JLR）僅分析了10％的車輛測試數據。 JLR動力總成經理Simon Foster表示，“我們現在可以分析高達95％的數據并降低了測試成本和年度測試次數，因為我們不需要重新運行測試。”

將IoT功能應用于自動化測試數據，首先需要一套即用型的軟件適配器，用于接入標準數據格式。這些適配器必須基于開放的文檔化架構，以便能夠接收新的和唯一的數據，包括來自設計和生產的非測試數據。測試系統必須能夠與標準IoT和IIoT平臺共享其數據，以從企業級數據中提取有用信息。

可視化和分析數據

由于測試數據通常是復雜且多維的，使用通用業務分析軟件來分析測試數據可能非常困難。此外，典型的商務制圖并不包括測試和測量中的常見可視化功能，比如模擬和數字信號組合圖表、眼圖、史密斯圓圖和星座圖等等。

具有適當元數據管理的，面向測試的模式使工具具備可視化和分析測試數據的能力，并將其與設計和生產數據相關聯。結構清晰的測試數據可讓工程師將基本統計數據分析應用于人工智能和機器學習，從而將Python、R和The MathWorks，Inc.MATLAB?軟件等常用工具集成到工作流程中，進而從數據中提取更多有用的信息。

開發、部署和管理測試軟件

傳統的專用桌面應用程序正在逐步轉向基于網絡的移動應用程序。這種轉變使得測試難以實現。首先，需要在被測設備（DUT）上進行實時計算，以處理海量數據并實時做出測試通過/失敗的決策，同時本地操作員需要與測試設備和DUT進行交互。但是，公司希望遠程訪問測試設備以查看結果和利用率等系統運行狀態。為了解決這個問題，一些公司已經建立了一次性架構來集中管理軟件，并且將軟件下載到基于DUT的測試設備上。但正因為如此，他們必須維護自定義架構，這需要額外的資源，而這些資源本應用于具有更高業務價值的活動。

更高級別的測試管理是從本地測試設備遷移到云端部署。 基于網絡的工具可用于查看測試設備的狀態、安排測試時間以及檢查推送到云或服務器的測試數據。 更高級別的管理功能補充了使用NI LabVIEW、Microsoft .NET語言、NI TestStand和Python等常用工具構建的現有測試系統。 模塊化測試軟件架構（測試管理、測試代碼、測量IP、儀器驅動程序、硬件抽象層）使公司能夠評估將不同軟件功能從本地移動到服務器或云端的價值。 隨著越來越多的測試軟件棧遷移到云端部署，公司將意識到在云端計算存儲的數據、可擴展計算以及隨時隨地輕松訪問軟件和數據等方面所帶來的優勢。

利用物聯網進行測試

利用物聯網進行測試并不是一個未來設想，而是在當下切切實實可實現的。 一個組織的能力取決于其當前的自動化測試基礎架構和最迫切的業務需求。 需要考慮的一些常見領域是改進測試系統管理、提高測試設備利用率、從測試數據中獲得更有意義的信息，以及遠程訪問共享測試系統。 具有高度模塊化的軟件定義方法可讓企業專注于最有價值的領域，而無需做出高風險的決策。

多行業融合顛覆測試策略

NI自動化測試副總裁Luke Schreier認為，技術和流程正在跨越行業邊界線，給測試領導者帶來挑戰的同時，也帶來新機遇。基于封閉式專用方法構建的測試策略無法跟上時代腳步，反而使組織面臨風險。與多個行業公司合作可以為組織提供所需的新視角，及時調整其測試組織架構。

行業融合并不是一個新概念;甚至可能是歷史最悠久的概念之一。不同市場在交互時，很自然會交流想法、流程和技術，從而彼此之間更加緊密地交織在一起。 農業和貿易相互沖突，催生了銀行業。 最近，醫療保健和消費電子產品的交集創造了可穿戴設備。 由于我們生活在一個全球互聯的世界，各種機會正以更快的速度和更大的規模融合。 目前已經有無數關于多行業融合的評論。 博客、文章和分析報告都在描述數字革命的加速正在顛覆傳統行業，但卻很少談及融合如何影響測試組織。 公司將其每天感受到的影響分為兩個層面：挑戰和機遇。 一流的組織正通過利用多行業測試平臺直接解決融合問題，同時與涉及多個行業的其他組織展開合作并向其學習。

創造測試創新

經常被引用的一個報告是2014年Gartner的報告《產業融合：數字工業革命》”，該報告指出：行業融合是組織發展最根本的機會。”對于測試組織來說，這個機會將來自于利用和學習其他行業、以及將資源集中以加速創新。

融合的核心是觀點共享。在產品創新方面，人們經常討論通過利用和學習其他行業來避免將時間和精力浪費在創造已有的東西上，這一概念同樣可以應用在測試策略中。功能安全就是一個很好的例子。經過數十年的學習，以及由于產品本身對安全的嚴格要求，重型制造業制定了一種證明其嵌入式電子設備功能安全性的標準：IEC 61508。鐵路和汽車等其他行業在其架構中增加了高安全性嵌入式系統，并使用EN 50126和ISO 26262標準來擴展和調整IEC 61508。向這些標準的專家學習可以節省為測試策略添加功能安全測試所需的時間。

多行業資源聚集是行業融合一個不太明顯的好處。隨著行業之間關系日益緊密，其功能需求也越來越緊密。這促使為這些行業提供服務的供應商增加投資，因為這種需求的市場也在擴大。在測試中，基于平臺的供應商會增加處理器或模數轉換器等與行業無關的投資，以便以更低的價格向所有行業提供更優質的產品。當投資到測試硬件、軟件或服務時，與單一行業選項不同的是，多行業解決方案可以最大化技術的利用率。

克服融合成本挑戰

IBM 2016年對全球最高管理層的“重新詮釋邊界”調研顯示，“行業融合明顯超過了他們預計未來三到五年內的任何其他趨勢。”盡管融合的趨勢仍有望繼續上升，但它引起的更多是擔憂而不是興奮。對于測試經理來說，行業融合增加了測試復雜性，需要更具適應性的測試平臺和更靈活的組織。

隨著行業之間開始互相利用彼此的技術，它們需要對這些新技術領域進行測試并具備相關的專業知識。例如，汽車混合動力系統現在需要能夠測試控制、機械、熱力學、電子、軟件甚至電池化學的系統。如果測試系統是構建在不靈活的封閉式專用平臺之上，那么即使在幾年前的測試系統，也早就已經過時了。因此，測試系統應具備能夠支持多種I/O類型、編程語言和不同供應商的開放式和模塊化硬件和軟件，以及清晰定義的API和互操作性標準。

如果組織不知道下一步應該做什么，就更具挑戰性。在融合的時代，未來更加渺茫。公司、測試策略和測試平臺都應快速適應未來的發展方向。例如，由于其供應鏈與消費電子產品的關系越來越緊密，歷史上非常保守且依賴于長產品生命周期的航空航天業現在亟需更大的靈活性。因此，航空航天測試組織需要其測試設備能夠跟上更快的技術更新速度，而設計能夠提供這種適應性的測試架構就起到至關重要的作用。跨行業交流活動和關注其他行業的刊物可以幫助團隊了解最新趨勢。

此外，與具有多行業經驗的組織合作可以幫助公司更有效地適應不可預見的情況以及利用其他行業的最佳工程實踐。 這些公司可以將他們最頭疼的問題外包給已經解決這些問題的第三方，或者在5G和物聯網等迫在眉睫的趨勢中尋找其他行業的戰略合作伙伴。 NVIDIA和奧迪合作加速技術開發，或波音與巴西航空工業公司合作從競爭對手那里搶奪市場份額等等，此類例子層出不窮，這些例子均說明這種合作如何讓組織領先于業界同行。 重新評估供應鏈中的測試項目以及對供應商進行審查也是明智的策略。 通過積極主動采取措施，組織可以為下一步做好準備，并對未來產生影響。