2018年,，我們看到了半導體元器件和汽車的高效融合,，看到了人工智能產業(yè)的落地艱辛,，當然還有5G技術和測試飛速發(fā)展將商用時間提前等等,。在即將到來的2019年,，我們關注的重點和難點又在哪里呢？11月13日,，NI (美國國家儀器公司,，National Instruments，簡稱NI)發(fā)布了《NI 趨勢展望報告2019》,。報告探討了日新月異的技術發(fā)展所面臨的關鍵工程趨勢和挑戰(zhàn),，包括物聯(lián)網（IoT）、從原型驗證到商業(yè)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(tǒng)的行業(yè)和產品測試,，帶來了前所未有的復雜挑戰(zhàn)。 然而,，這也極大地推動了創(chuàng)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(tǒng)”做出關鍵的轉變,?！?/p>

　　在NI的上海新辦公室，NI市場營銷副總裁John Pasquarette,，NI亞太區(qū)市場總監(jiān)湯敏和NI大中華區(qū)市場經理劉旭陽一起為大家解讀了《NI趨勢展望報告2019》,。

　　左一：NI大中華區(qū)市場經理劉旭陽，中間：NI市場營銷副總裁John Pasquarette,，右一：NI亞太區(qū)市場總監(jiān)湯敏

　　5G迎來新的無線測試時代

　　2018年6月,，全球首個5G核心標準落地,。大規(guī)模網絡部署與應用測試即將到來。傳統(tǒng)的數(shù)據通信測試是通過線纜直連的方式完成數(shù)據傳輸信道的性能指標,、終端設備的規(guī)程協(xié)議,、產品在符合標準方面的一致性測試等測試。5G具有高頻,、高帶寬,、大規(guī)模天線、復雜的三維建模等特點,，使得5G測試與4G相比區(qū)別很大,。

　　《NI趨勢展望報告2019》中重點解讀了5G中MU-MIMO和mmWave技術的測試難點，NI業(yè)務和技術首席研究員 Charles Schroeder負責完成這一部分的報告,。報告指出,，MU-MIMO和mmWave技術的物理實現(xiàn)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(fā)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(fā)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(xiàn)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(xiàn)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,。

　　《NI趨勢展望報告2019》指出,，將使用OTA解決新挑戰(zhàn)。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(xù)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,，測量精度問題、全新的測量方法,、RF帶寬上進行校準和測量所需的處理量增加等,，仍有待解決，但OTA測試提供了將陣列作為一個系統(tǒng)而不是一組獨立元件進行測試的可能性,，這有望提供系統(tǒng)級測試的高效率,。

　　實現(xiàn)安全自動駕駛所需的權衡迫在眉睫

　　這部分報告由NI汽車市場總監(jiān)Jeff Phillip提供。根據世界衛(wèi)生組織的統(tǒng)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(fā)明,。

　　高級駕駛輔助系統(tǒng)（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(shù)ADAS系統(tǒng)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,。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(yōu)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。

　　并且,，《NI趨勢展望報告2019》指出,，隨著控制器及其處理能力的發(fā)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,。而且,，為實現(xiàn)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(tǒng)中的RF組件更加昂貴。

　　緊跟標準化開發(fā)的趨勢

　　測試工程師正在利用舊趨勢來跟上快速現(xiàn)代化的測試環(huán)境,。 他們不僅需要標準化硬件和軟件,，還需要對測試架構的構建和維護過程進行標準化。NI國防和航空航天市場總監(jiān)Nicholas Butler在《NI趨勢展望報告2019》表示,，由于嚴苛的安全要求和快節(jié)奏的變化,，現(xiàn)代測試組織需要做的遠不只是硬件標準化。他們現(xiàn)在非常重視軟件層及其開發(fā)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(fā)方法,，以跟上產品開發(fā)團隊的步伐以及在快速現(xiàn)代化的行業(yè)中維持項目進度。

　　Nicholas強調軟件是標準化的核心,，領先的測試軟件工程團隊正在開發(fā)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(zhí)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,。

　　按照當今市場發(fā)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(xiàn)代軟件工程團隊開始采用Agile等連續(xù)迭代式軟件開發(fā)方法,。迭代式軟件開發(fā)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。

　　借助物聯(lián)網優(yōu)化系統(tǒng)測試

　　NI業(yè)務和技術首席研究員Mike Santori在這部分表示,，物聯(lián)網可以大大增強自動化測試的工作效率,。將系統(tǒng)管理,、數(shù)據管理、可視化和分析以及應用程序支持等物聯(lián)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(lián)網的挑戰(zhàn),。

　　IoT和IIoT的基礎是設備互聯(lián)及統(tǒng)一管理。然而,，目前許多分布式測試系統(tǒng)并沒有實現(xiàn)互聯(lián)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(tǒng)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(shù)現(xiàn)代測試系統(tǒng)都基于PC或PXI，可以直接連接到企業(yè)系統(tǒng),，從而實現(xiàn)額外的功能,，如管理軟件和硬件組件、跟蹤使用情況以及執(zhí)行預測性維護,，從而最大限度地提高測試投資的價值,。

　　物聯(lián)網的商業(yè)價值來自互聯(lián)系統(tǒng)生成的海量數(shù)據。 然而,，由于存在各種數(shù)據格式和來源,，有效利用測試數(shù)據變得非常困難，從時域和頻域的原始模擬和數(shù)字波形到參數(shù)測量等數(shù)據通常以遠高于消費者或工業(yè)設備的速度和數(shù)量進行采集,。 更糟糕的是,，測試數(shù)據通常存儲在沒有標準化的“孤島”（silos）中。 因此,，這些數(shù)據對企業(yè)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。

　　將IoT功能應用于自動化測試數(shù)據,，首先需要一套即用型的軟件適配器,，用于接入標準數(shù)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(shù)據,，包括來自設計和生產的非測試數(shù)據。測試系統(tǒng)必須能夠與標準IoT和IIoT平臺共享其數(shù)據,，以從企業(yè)級數(shù)據中提取有用信息,。

　　利用物聯(lián)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(xiàn)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(yè)務需求,。 需要考慮的一些常見領域是改進測試系統(tǒng)管理,、提高測試設備利用率、從測試數(shù)據中獲得更有意義的信息,，以及遠程訪問共享測試系統(tǒng),。 具有高度模塊化的軟件定義方法可讓企業(yè)專注于最有價值的領域，而無需做出高風險的決策,。

　　多行業(yè)融合顛覆傳統(tǒng)的測試策略

　　NI自動化測試副總裁Luke Schreier在這一部分報告指出,，行業(yè)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,。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(yè)、以及將資源集中以加速創(chuàng)新,。

　　融合的核心是觀點共享,。在產品創(chuàng)新方面，人們經常討論通過利用和學習其他行業(yè)來避免將時間和精力浪費在創(chuàng)造已有的東西上,，這一概念同樣可以應用在測試策略中,。隨著行業(yè)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(yè)知識,。如果組織不知道下一步應該做什么,，就更具挑戰(zhàn)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(fā)展方向,。

　　此外,，與具有多行業(yè)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(yè)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(lián)網等迫在眉睫的趨勢中尋找其他行業(yè)的戰(zhàn)略合作伙伴,。