全球仪器的领导者——美国国家仪器公司（简称NI）于26日发布了《2018 NI趋势展望报告》，其对人工智能、工业物联网（IIoT）、半导体、5G以及车辆电气化（电动汽车）等领域的见解值得关注。

人工智能
　　人们还沉溺在被Alpha Go打败的悲伤中，Alpha Zero已横空出世，甚至不再需要学习上百万的棋谱即可轻松打败人类。机器学习正在引爆人工智能（AI），推动社会变革。
　　数据是AI的基础。网络智能系统提高数据可见性的能力一方面使物联网（IoT）大大受益，另一方面也带来了大模拟数据的挑战。NI认为，大量数据结合机器学习算法，可训练出更精确的模型，更快速生成结果，但前提是能够有效获取这些海量数据；系统设计人员在部署机器学习技术时，首先需要能够查看到规范有序的数据集，然后才能为互连系统开发更全面的数据采集和管理策略。
　　毫无疑问，AI正在驱动创新。Intel期望使用AI加速分级诊疗落地、更多的公司开始使用AI帮助新药研发。NI也创新的将AI应用于测试，用AI整理后的历史数据便于访问，帮助工程师将宝贵的工程时间集中在最需要测试和验证的产品领域，以减少产品开发工程中处理设计缺陷可能导致的昂贵代价、提高工作效率。

　　通往5G之路
　　与3G和4G不同，5G的应用领域远不只是移动设备，从实现工业物联网到确保自主汽车的安全，随时随地的即时访问数十亿个设备，5G将扩展到我们生活的各个方面，以令人难以想象的方式改变我们的生活。
　　5G将采用大规模多天线（Massive MIMO）和毫米波等新技术。 两种技术都使用多天线和波束成形技术，这与目前和以往的无线架构有很大的不同；5G还包括新的无线控制机制，通过将控制与数据分割开来实现网络切片的概念，使服务扩展到单个用户设备；鉴于标准比3G和4G标准要复杂得多，5G将变革我们的网络，包括系统的设计、开发和测试方式。集成电路、网络基础设施、云、软件、制造和测试技术领域的公司必须设计、开发、测试和交付能够利用这些新无线功能的解决方案。
　　测试和测量解决方案将成为5G商业化周期的关键。 测试系统必须扩展到物理层之上，才能使用可控/可转向的波束来快速且经济高效地测试这些新的多天线技术。 此外，这些系统必须解决具有极宽带宽的新毫米波设备。
　　NI认为，在5G时代，测试解决方案不仅需要能够测试设备的重要参数，而且还要具有成本效益，不仅能充分发挥5G的潜力，而且可使之得到广泛应用。基于这些特性，5G需要采用不同的方法来测试无线设备和系统， 例如，系统级空口传输技术(Over-the-air, OTA)测试将成为5G生态系统的标准测试之一。

　　汽车电气化
　　100多年来，汽车行业终于迎来了最激动人心的时代，电动汽车成为不容置疑的趋势，汽车电气化将颠覆汽车产业及其他行业。
　　从内燃机到混合动力以及全电动汽车，车辆电力电子系统将是最显著变化的部分。传感器、远程执行机构和多个控制系统已经取代了机械耦合，汽车本身变成了微电网和智能终端，催生汽车电子市场大爆发。除了汽车电子，汽车电动化还将颠覆基础设施和电力系统。与燃油车加油只需要10分钟不同，即使是使用专用增压器，也需要至少一个小时的时间才能使全电动车辆充满电；即使是缓慢充电也需要相关的充电硬件。
　　在快速充电的高负载需求下，电动汽车为电网提出了新挑战。 如果所有上班者都在下午5点回家，并在同一时间内给电动汽车充电，这会改变电网典型峰值需求的时间，区域高峰耗电领域将从供暖或制冷变成交通运输，这将需要更智能、安全的控制系统，需要更多地依赖实时测试、生产测试以及能够熟练使用业界领先的灵活开放平台来开发各种工具的生态系统合作伙伴。

　　打破摩尔定律
　　半导体的晶体管数量一开始将每12个月翻一番，之后将每 24 个月翻一番。Intel的联合创始人戈登 摩尔提出的这一著名定律（摩尔定律）指引半导体走过了半个多世纪，让工程师不断为人类创造更具性价比的电子产品。
　　随着晶体管电路逐渐接近性能极限，人们开始通过电路兼容、封装、材料等技术，在成熟半导体工艺上实现多元微技术融合创新，从而提高芯片功能和集成度并降低成本。
　　摩尔定律接近极限，3D和SiP封装应运而生，这种堆叠封装将处理器、DSP、存储器和数据接口组合到单个芯片中，从而提高芯片密度、缩小芯片体积。挑战也接踵而至，新的封装技术需要新的计算架构来解决问题。将多个不同类型的独特计算架构相结合的趋势越来越广泛地应用于图像处理器GPU，并与通用CPU相辅相成；机器学习技术、异构计算成为缩小芯片体积的选择，人工智能和自动驾驶为推动架构创新提供新的机遇。

　　工业物联网三大准则
　　工业物联网（IIoT）已经从概念和试点项目演变为大规模的应用，工业正在日益智能化和互联化，如果无法跟上IIoT创新的步伐，不仅可能丢失市场份额，还会消耗不必要的成本。在NI看来，现有的技术完全可以容纳更大规模的工业互联系统，但同时也带来了更大的工业数据智能管理挑战，最受关注的技术热点和挑战包括三个方面，一是远程系统管理、二是软件配置管理、三是数据管理。
　　NI认为，成功的远程系统管理解决方案需要能够解决配置、诊断和边缘设备管理等方面的挑战，以帮助最大限度地减少由于软件错误而导致停机所产生的影响，并发现潜在的安全漏洞；企业需要在保证现有业务的基础上，转换到一个集成了软件配置管理的优化平台，以探索运营技术（OT）和主流IT解决方案之间的边缘联接；高效的数据管理解决方案必须能够整合来自多个分散源的数据，并提供不同级别的分析，以便让正确的人员获得正确的信息，并将原始数据转化为有据可依的决策。
　　自1976年以来，NI就一直致力于提供各种强大的基于平台的系统来帮助工程师和科学家提高效率和加速创新，以解决全球面临的重大工程挑战。 目前，从医疗、汽车、消费电子产品到粒子物理等各行各业的客户正在使用NI的集成软硬件平台来改善我们生活的环境。