隨著標準的不斷發展，跨越多個云環境的應用逐漸增多，用戶對“一體化”產品的期望也日益升高，這一切都讓當今的新電子產品變得越來越復雜。復雜性的增加直接影響了新電子產品的設計、開發、仿真和測試覆蓋率，導致開發團隊倍受壓力。

　　在眾多測試發展方向中，最主流的方向仍然是自動執行設計和測試流程，并智能地洞察整個工作流程――即自動化人工智能。然而，是德科技最近委托 Forrester 進行的一項調查顯示，89% 的公司仍在使用手動流程，只有 11% 的公司完全實現了測試矩陣的自動化。 雖然全自動化的采用率仍然很低，但各家公司也的確看到了自動化的價值，其中 75% 的公司部分采用了自動化流程，近一半的公司希望在未來三年內實現全自動化。

　　人工智能、機器學習和數字孿生在復雜的電子系統開發中越來越受到關注

　　2021 年 12 月，是德科技委托 Forrester Consulting 公司對數據集成、分析、人工智能（AI）和機器學習（ML）等技術在典型產品開發周期中的運用進行了評估。Forrester 調查了 400 多位開發負責人，就他們當前在產品開發過程中使用 AI 和 ML 的程度詢問了一系列問題。

　　最初，我們聽到大多數組織表示他們對當前所用的開發方法感到滿意，其中 86% 的組織表示滿意乃至非常滿意。然而，同樣是這些組織表示，他們 84% 的項目和設計要么采用了復雜的多層子系統，要么采用了集成系統，其中大部分都沒有經過測試。

　　盡管一開始看起來公司比較滿意，但是我們通過調查了解到，當被問及想要提高電子設計流程的自動化和智能程度，尤其是未來的打算時， 他們都感覺到了壓力。

　　目前，只有 10% 的公司在開發過程中實現了全自動化的設計和測試，但新冠疫情的肆虐已經迫使企業加速采用遠程開發和自動化測試序列。開發團隊還在爭取實現讓在不同地點辦公的人員持續協作，因此數字孿生的使用率很可能進一步提升。

　　數字孿生和仿真：電子設計的新模式

　　長期以來，硬件開發人員在制作原型之前一直依賴仿真環境來設計硬件。使用軟件驅動的仿真器或數字孿生使他們能夠對照已知的良好參考系統來衡量不同操作環境、條件和協議演變的影響，從而減少設計迭代次數。同樣，軟件開發人員使用 Scrum 等方法并在虛擬仿真過程中進行測試，也能逐步構建和部署新特性，如此也有助于減少設計迭代次數。

　　通信協議和云平臺持續演進，軟件和固件不斷更新，導致電子產品交互變得日益復雜，給開發人員構成現實挑戰，因為每一次演進、每一次更新都會帶來一系列新變化，需要接受嚴格測試。通過盡量使用測試自動化和不斷更新的數字孿生，開發團隊能夠測試更多的變化并降低具體設計出現問題的風險。

　　在電子設計工作流程中實現自動化人工智能

　　自動化正迅速變成一項必須要實現的目標。目前，基于人工數據輸入、部分 Python 或圖形編程以及 Excel 表格的全手動測試計劃只能滿足一小部分可能的用戶場景。每次軟件發布新版本后，設計人員都需要手動更新測試計劃，從而導致電子設計周期進一步拖延。

　　不過，雖然測試自動化軟件能夠解決其中的一部分問題，因而不可或缺，但這還遠遠不夠。測試自動化的效果由它們得出的分析結果和洞察決定。此次 Forrester 調查的受訪者透露，他們的測試例中有一半以上都“超出了必要的范圍”。測試自動化有助于縮短測試時間，但不能解決測試范圍、測試質量和覆蓋率等問題。利用分析和洞察結果，設計人員將能夠在設計工作流程中實現自動化人工智能并執行范圍更廣的測試序列，在確保出色測試速度的同時還能覆蓋理想的測試范圍。

　　自動化人工智能作為一種軟件模型，以是德科技極其豐富的測量技術和仿真能力為基礎搭建，可以為開發人員提供快速的洞察，助力他們更快將設計推向市場并盡量避免風險。無論是測量電源和接地、波形信號質量、高速數據 I/O、網絡完整性還是應用交付，我們都必須考慮如何幫助客戶加快開發過程。

　　自動化人工智能的成功標志是什么？

　　過去，人們在為新開發項目制定策略時往往發現“快、好、省無法同時兼得”。如果一切都不變的話，這個結論現在可能仍然成立。但是，通過在開發工作流程中集成自動化人工智能，您也許能夠三者兼顧：

• 更快：能夠加快產品上市速度
• 更好：提供更優質產品，讓客戶更滿意
• 更省：讓產品開發流程更敏捷、更高效

　　開發團隊已經通過這種方法獲得回報。無論產品開發涉及的是采用最新無線通信標準的新興電子產品，還是高速數據傳輸、復雜云網絡或分布式應用軟件交付，工作重心都是相同的。搭建您的實驗室設計與測試解決方案，在每個階段都交付富有洞察力的分析結果。再輔之以 AI 和 ML，讓他們可以始終探索新的改進余地。像您在制造階段所做的那樣在開發環境中實現自動化，將可以盡量縮短開發時間，同時確保盡量出色的產品性能。