NI作为致力于为工程师和科学家提供基于平台的系统解决方案来应对全球最严峻工程挑战的供应商,在10月26日，上海国际会议中心举行的NI Days 2017全球图形化系统设计盛会上，NI全球市场高级副总裁Ajit Gokhale重磅发布《2018NI趋势展望报告》(NI Trend Watch 2018)，
作为NI在测试测量领域的年度盛会之一，本届NIDays上推出不少基于各前沿领域不同需求的系列新品：专注桌面测量，完全支持同步而且是多信号类型测试的LabVIEWNXG;面向5G研发的28GHz毫米波射频头和基于Xilinx Ultrascale FPGA的FlexRIO数字化仪和协处理器模块;聚焦大批量部署和远程诊断功能的远程系统管理软件NI Systemlink等，但NIDays向业界所展现的，已不局限于NI的高性能解决方案，而是针对不同用户对于不同应用的理解，基于NI自身的考量，产生的自己的思考。
此外，NI还发现，在最近十多年，特别是互联网技术等，发展的速度越来越快。这些技术的发展都在不知不觉中影响到了整个工业技术的发展，因此，NI认为，在这些新兴技术的加持下，未来技术的发展速度将会越来越快。“特别是在2018年、2019年，有很多成熟的技术将会落地。这也是为什么我们要在这个时间节点发布这个趋势展望的原因之一。”
NI全球市场高级副总裁Ajit Gokhale
以下是此次报告的详细内容：
《2018NI趋势展望报告》
工业物联网普及
NI在2015年就曾经提到过工业物联网与“中国制造2025”，两年过去了，NI发现，无论是国内还是国外，很多工业物联网的企业和项目都已经落地，相比于两年前仅仅只是概念已经有了很大的发展。
“从原型到试点，中间免不了许多探索的过程，而在未来从试点到大批量部署，中间还存在着工业化和标准化的问题。这时候我们所需要面对的问题就有很大不同。”
如何帮助企业解决这些问题呢？
在此次NI Days上，主要强调了运维技术。所谓运维技术就是用以保证工厂中的大型设备等能够稳定、安全的运行，减少停机时间。
面对日益增长的工业大数据需求，工程师需要更多的灵活、开放、可自定义的工业测量与控制平台，帮助他们快速部署端到端的物联网解决方案，比如在设计和部署大规模分布式系统时，需要对多个设备节点进行远距离协同和同步。
随着运维技术的发展，随之而来的挑战是，越来越多的运维设备被部署，如何更好的管理这些设备呢？NI分享了一项数据，未来将会有大约95%的工业企业会把他们的设备升级到工业物联网的框架体系之下。
“远程系统管理、软件配置管理和数据管理，这是成功管理工业物联网设备的三个准则。”
工业物联网中智能设备和互联设备的数量快速增加，为提高性能和降低成本提供了巨大的机会，但一个被忽视的挑战是如何高效地管理这些分布式系统。
目前，NI能够通过不断创新的软硬件平台，将之应用在分布式数据采集、智能监控、边缘计算、互联通信、等多个工业领域，持续以最新的技术助力工程开发。
机器学习如何帮助解决问题
提到工业物联网就不得不提到机器学习。
“虽然现在很多人接触机器学习都是通过阿里、百度等互联网公司的相关平台，或者是科大讯飞等语音识别应用。”
但是在NI看来，机器学习这一技术也能够应用到工业物联网领域。
众所周知，机器学习的一个逻辑就是需要大量的数据来培养机器的能力，帮助机器提高学习能力，这就需要海量的数据。也就是说，智能系统会产生数据并依赖于数据，数据量的不断增加加剧了对大模拟数据的挑战。
而正如之前所说，工业物联网中智能设备和联网设备的增加，将会产生海量的、庞大的数据。用这些数据来提高机器学习的能力，可以说是双赢：一方面能够用数据来培养机器学习，另一方面，机器学习将会进一步改善工业物联网的能力。
在NI Days上，博达微科技CEO李严峰详细介绍了NI的模块化开放平台是如何帮助博达微部署专家经验到测试系统的。基于NI的源测量单元SMU，利用AI算法实现半导体参数测试，博达微构建的行为预知测试技术，正更进一步推进测试行业走向更快速、更稳定以及更智能。
打破摩尔定律
此外，还有一个趋势就是打破摩尔定律。
虽然在摩尔定律之下，技术一直在发展，“但是，我们发现市场上性能的提升已经越来越慢，更多的是以一种多核的方式来实现，而不是在摩尔定律之下。”
尽管最近关于摩尔定律消亡的言论很多，实际情况与摩尔定律也有所偏差，但数十年的创新基本上还是一直遵循着摩尔定律。 但现在，这个经过50多年验证的定律再次面临挑战。
这种情况在物联网之下更加明显。
同时，随着越来越多的系统通过堆叠芯片和晶体管来充分利用第三维度，从而缩小体积，调试和测试挑战正呈指数级增长。
那么我们应当了解这一现状如何影响半导体市场的未来发展。
首先，NI指出，需要解决的就是散热的问题。在当前工艺之下，随着频率的不断提升，需要解决的就是散热的问题。
其次，并行运算的能力，尤其是在机器学习的要求之下，处理器的处理速度并不是越快越好，而是能否更好的适合当前并行运算的需求，解决并行运算的痛点。
第三，AR/VR等技术的普及，对于视频处理的要求越来越高，这不是依靠单纯的提升处理器的性能就能够解决的了。
“其实，我们已经推出了很多的方法来应对这些问题。比如，通过3D堆叠技术，与以往的二维不同，通过增加晶体管的密度，来提升处理器的运算能力。”
此外，面向机器学习、自动驾驶、人脸识别等新兴应用领域，这些新的领域会对处理器提出新的要求，甚至是要求重新设计一款全新的专用处理器。
5G将颠覆测试过程
2020年，5G将在中国进行商业化，速率及网络容量的大幅提升，让很多可能变成了现实。可以说，5G是物联网全面落地的基石。
“随着5G的部署，速率的提升，将会使很多设想中的应用成为可能。比如说，现在主要是以智能手机作为网络节点，那么随着5G的上线，智能汽车是否会成为网络的节点呢？这是非常有可能的。”
相对于4G来说，5G不仅仅只是传输速率的提升，架构也会有很大不同。其中会用到很多多天线技术、毫米波技术以及波束成形技术等等，这些也就要求企业才应对5G技术的时候，需要在测试方法上做出相应的改变。
除了提供兼容未来的软硬件解决方案，NI早在2010年就创立了5G射频领先用户计划，从AT&T、NOKIA、Intel到上海无线通信研究中心(WiCO)，东南大学等等，NI在全球建立了自己的5G生态。
基于NI的PXI平台和LabVIEW，WiCO成功研制了自定义的毫米波测试系统，同时，得益于NI的LabVIEW FPGA，WiCO的测试系统将信道测量时间从原有的10s缩短到150ms。
测试和测量解决方案将成为产品商业化周期中的关键环节，但是5G需要的测试方法与之前的无线技术截然不同。
NI 通过提供灵活的平台化解决方案帮助客户在5G原型设计、芯片设计和验证、终端设备和系统测试快速迭代。通过我们灵活的平台，客户可以最大程度分享在算法、设计和量产中的代码，最大程度减少从实验室验证到量产测试之间的数据关联时间，从而加速其产品上市，”
汽车的电气化
“所谓汽车电气化，是将汽车智能化和新能源化合二为一。”
汽车智能化使得汽车安全标准不断提升，对汽车的感知、决策、执行都提出了更加苛刻的要求。
同时，随着数据融合技术成为大势所趋，测试系统的要求也变得更加复杂，可扩展且灵活的测试系统架构，才能更好的满足ADAS技术快速变化的测试需求。
汽车电气化趋势不只是全球从内燃机汽车和混合动力汽车向全电动汽车的转变。除了车辆本身日益复杂的影响，我们还需要考虑对支持基础设施提出的新要求。
“我们相信汽车的电气化是未来的一大趋势。虽然现在智能汽车和新能源汽车还没有真正的普及，但是在未来，这些技术都将会实现突破。”
通过统一的软硬件平台，NI提供的ADAS解决方案不仅能够连接多种多样的传感器，同时还能够实现多种传感器之间的紧密同步，为工程师提供更加高效的测试。
本届NIDays上，NI全新推出了覆盖76~81GHz频段的NI汽车雷达测试系统(VRTS)，这套系统能够基于统一的PXI平台实现汽车雷达的参数测试以及目标模拟仿真测试。
此外，伴随着汽车工业的蓬勃发展，车载信息娱乐系统正成为汽车智能化的一个重要环节。
在提供更高级的舒适性、娱乐性和信息性的同时，车载信息娱乐系统逐渐扩展为集影像娱乐、汽车导航、无线通讯等于一体的多媒体信息交互设备。
培养创新创业人才
学生是承载当代创新创业项目的生力军，在“新工科”的背景下，教学模式也更加强调智慧教学、教学内容更加强调产业对接。
为了培养创新实践能力，NI助力全国院校老师在创新课程建设、学习课外创新等方面积极探索。并提出了“工程系统设计”方法，结合创新工程教育模式，与高校老师一起，探索下一代卓越人才培养。
总结
NI全球市场高级副总裁Ajit Gokhale强调，NI始终坚持以软件为中心的平台化战略，以超过营收18%的研发投入，为全球工程师和科学家提供多领域内基于平台的强大系统来帮助提高效率和加速创新。
而在新一波全球行业剧变的浪潮中，中国已由之前的跟随者变身领跑者，基于对中国市场的全新认识，NI将继续加大对中国的投入，并在中国市场紧密联合合作伙伴形成NI生态联盟。
责任编辑：韩希宇
