NI公司和百度飞桨通过生态合作 共同加速产业赋能

上周2022世界人工智能大会（WAIC）在上海开幕。深度学习技术及应用国家工程研究中心主办、百度飞桨承办的“AI开源开放与产业智能化高峰论坛”同期举行。NI全球业务和生态高级总监潘宇，作为百度飞桨在工业领域的产业伙伴代表深入分享了人工智能在工业测试、测量及数据分析领域的探索和应用。

测试测量领域是一个面向不同行业，同时贯穿整个产品生命周期的技术领域。随着各行业的技术的发展以及高科技产品复杂度的提升，产品从设计原型、到功能验证，再到生产和使用，每个环节的测试测量技术都存在着新的挑战。

正因为如此，我们有机会接触到大量不同行业的全球领军企业在技术革新上的应用探索。在和他们共同解决这些挑战的过程中，我们也观察到很重要的两点：1） 产品生命周期中每个环节以及整个产品生命周期中所应用技术的领先性尤其是数据的管理和分析，能够直接影响到产品质量、效率、产能等企业目标进而影响业务绩效2）越来越多的企业将AI/ML技术作为最重要的技术升级手段，同时也会非常重视AI/ML的应用场景选择与业务绩效的直接挂钩。因此，对于NI来说如何选择和用户在AI/ML上合作的合适的赛道也尤为重要。

NI在人工智能领域的探索在这样的背景下，NI全球的Long-term Innovation研发团队和行业业务单元团队重点筛选了一些AI/ML能够在测试测量领域带来显著技术和商业价值的场景，进行更深入的探索及领先用户合作。

从产品生命周期不同阶段角度，我们目前在进行的主要有3个重点方向的探索：（1）设计和原型领域；（2）产品验证领域；（3）生产制造领域

 

下面以智能网联汽车中ADAS的验证系统为例展开讲下NI目前的工作和探索。ADAS及自动驾驶汽车（AV） 是AI/ML产业化的一个重要应用场景，但同时新的技术和对系统可靠性的要求也给系统的测试验证提出了崭新的挑战。ADAS系统设计中ADAS/自动驾驶算法的训练和系统验证需要引入海量的现实应用场景也就意味着海量数据，因此NI的平台需要能够支持海量数据的录制和回放以帮助用户实现模型训练和仿真验证系统。

以 ADAS数据采集为例，一天的数据采集量可以达到170TB，这个对于数据的存储和使用提出了巨大的挑战。如果能够根据场景的不同进行数据规约（Data Reduction）从而实现智能数据采集，将可以极大的提高数据质量以达到节省开发成本和缩短测试时间的目的。在这个应用中，NI探索重点是在基于摄像头、雷达、全球卫星导航系统等传感器感知周围环境的基础上应用AI/ML算法进行场景识别，智能控制数据流的采集，通俗地讲，在周围车道没有行驶车辆的时候，数据并不具有非常高价值，不需要保存数据 ；当检测到周围有其他车辆并且追踪到车辆有变道等行为时，判定为有价值数据，再进行数据采集和存储，借此优化产品的测试流程和加速上市时间。

正因为在全球不同行业的技术领域看到以上基于AI/ML明确的应用需求，NI也从2021年开始，基于中国本土化需求和发展趋势，通过浦东新区的“大企业开放创新中心计划”（GOI），与百度飞桨开始在技术、应用和生态不同层面探索合作，推进产业赋能。

在技术创新领域，我们希望将NI在测试测量领域的领先软件平台例如LabVIEW及其他软件和百度飞桨进行打通互联，为原有的测试测量系统赋能AI技术。软件系统的联通也会加速AI技术赋能硬件数据采集和测试测量，从而加速用户实现跨领域的技术应用场景探索，如6G通信、图像识别、设备管理、预测性维护等。

广泛持续的生态创新案例

在此基础上，我们希望赋能NI现有的广泛用户社群和生态进行生态创新。我们这里举了两个已经在实际探索的案例：

基于深度学习的6G网络频谱感知识别，这是未来的创新应用之一。国内领先的无线研究者基于NI的USRP系列软件无线电产品的无线信号采集和预处理功能，借助百度飞桨开源深度学习平台完成模型训练及优化，领先的实现了6G网络的频谱感知识别的原型平台构建和算法验证；

另一个案例来自上海仪酷智能科技有限公司，作为NI公司和百度飞桨共同的用户和合作伙伴，仪酷基于百度飞桨PP-YOLOE特色目标检测模型在NI开放软件平台LabVIEW上实现目标检测算法，充分结合了NI LabVIEW的工业连接和PP-YOLOE在算法效率上的优点，由此实现在图像识别领域的技术和应用创新。

 

最后，我们也通过NI“中国创新发展中心”的平台，和百度飞桨在产业人才培养和行业应用赋能上，通过不同类型的生态合作，共同加速产业赋能。　　

      审核编辑：彭静