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(yè)智能化高峰論壇”同期舉行。NI全球業(yè)務和生態(tài)高級總監(jiān)潘宇，作為百度飛槳在工業(yè)領域的產業(yè)伙伴代表深入分享了人工智能在工業(yè)測試、測量及數(shù)據(jù)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(yè)，同時貫穿整個產品生命周期的技術領域。隨著各行業(yè)的技術的發(fā)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(huán)節(jié)的測試測量技術都存在著新的挑戰(zhàn)。

正因為如此，我們有機會接觸到大量不同行業(yè)的全球領軍企業(yè)在技術革新上的應用探索。在和他們共同解決這些挑戰(zhàn)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(huán)節(jié)以及整個產品生命周期中所應用技術的領先性尤其是數(shù)據(jù)的管理和分析，能夠直接影響到產品質量、效率、產能等企業(yè)目標進而影響業(yè)務績效2）越來越多的企業(yè)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(yè)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(fā)團隊和行業(yè)業(yè)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(yè)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(lián)汽車中ADAS的驗證系統(tǒng)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(yè)化的一個重要應用場景，但同時新的技術和對系統(tǒng)可靠性的要求也給系統(tǒng)的測試驗證提出了嶄新的挑戰(zhàn)。ADAS系統(tǒng)設計中ADAS/自動駕駛算法的訓練和系統(tǒng)驗證需要引入海量的現(xiàn)實應用場景也就意味著海量數(shù)據(jù)，因此NI的平臺需要能夠支持海量數(shù)據(jù)的錄制和回放以幫助用戶實現(xiàn)模型訓練和仿真驗證系統(tǒng)。

以 ADAS數(shù)據(jù)采集為例，一天的數(shù)據(jù)采集量可以達到170TB，這個對于數(shù)據(jù)的存儲和使用提出了巨大的挑戰(zhàn)。如果能夠根據(jù)場景的不同進行數(shù)據(jù)規(guī)約（Data Reduction）從而實現(xiàn)智能數(shù)據(jù)采集，將可以極大的提高數(shù)據(jù)質量以達到節(jié)省開發(fā)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(wèi)星導航系統(tǒng)等傳感器感知周圍環(huán)境的基礎上應用AI/ML算法進行場景識別，智能控制數(shù)據(jù)流的采集，通俗地講，在周圍車道沒有行駛車輛的時候，數(shù)據(jù)并不具有非常高價值，不需要保存數(shù)據(jù) ；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(shù)據(jù)，再進行數(shù)據(jù)采集和存儲，借此優(yōu)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(yè)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(fā)展趨勢，通過浦東新區(qū)的“大企業(yè)開放創(chuàng)新中心計劃”（GOI），與百度飛槳開始在技術、應用和生態(tài)不同層面探索合作，推進產業(yè)賦能。

在技術創(chuàng)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(lián)，為原有的測試測量系統(tǒng)賦能AI技術。軟件系統(tǒng)的聯(lián)通也會加速AI技術賦能硬件數(shù)據(jù)采集和測試測量，從而加速用戶實現(xiàn)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(xù)的生態(tài)創(chuàng)新案例

在此基礎上，我們希望賦能NI現(xiàn)有的廣泛用戶社群和生態(tài)進行生態(tài)創(chuàng)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(chuàng)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(yōu)化，領先的實現(xiàn)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(xiàn)目標檢測算法，充分結合了NI LabVIEW的工業(yè)連接和PP-YOLOE在算法效率上的優(yōu)點，由此實現(xiàn)在圖像識別領域的技術和應用創(chuàng)新。

最后，我們也通過NI“中國創(chuàng)新發(fā)展中心”的平臺，和百度飛槳在產業(yè)人才培養(yǎng)和行業(yè)應用賦能上，通過不同類型的生態(tài)合作，共同加速產業(yè)賦能。