十年前，當簡儀科技成立時，國內(nèi)測試測量市場仍以國際品牌為主導。在模塊儀器和數(shù)據(jù)采集領域，本土企業(yè)既缺少成熟的軟件生態(tài)，也缺少能夠支撐長期發(fā)展的平臺化能力。

在簡儀科技創(chuàng)始人兼總經(jīng)理陳大龐博士看來，中國作為制造業(yè)大國，應該建立屬于自己的測試測量體系。正是基于這一判斷，簡儀從成立之初便選擇了一條并不輕松的發(fā)展路徑：優(yōu)先建設軟件體系，再逐步完善硬件能力，并堅持掌握軟件主導權。

十年后的今天，簡儀不僅完成了從創(chuàng)業(yè)公司到模塊儀器代表性廠商的成長，也逐步建立起覆蓋軟件、硬件和開源生態(tài)的完整體系。與此同時，人工智能的快速發(fā)展又為這家長期押注軟件能力的企業(yè)帶來了新的機遇。

簡儀科技十周年大會上，陳大龐用一個有趣的說法概括這一變化：過去簡儀所說的AI是Analog Input（模擬輸入），如今則增加了Artificial Intelligence（人工智能）的含義。AI+AI的結合，正在成為簡儀下一階段發(fā)展的重要方向。

軟件定義儀器的十年深耕

長期以來，測試測量行業(yè)習慣用采樣率、分辨率、帶寬等參數(shù)衡量產(chǎn)品能力。但對用戶而言，購買硬件并非最終目的，真正關心的是如何更快完成測試任務、縮短開發(fā)周期并降低維護成本。而這些問題的解決，很大程度上依賴于軟件平臺和開發(fā)體系的完善程度。

基于這一思路，簡儀十年來先后建立了開源銳視測控平臺?，提出并持續(xù)完善MISD（模塊儀器軟件詞典）規(guī)范，推動測試測量軟件接口標準化。簡儀從一開始便采用面向?qū)ο蟮姆绞皆O計驅(qū)動架構，所有板卡功能均按照屬性和方法進行定義，不同產(chǎn)品遵循統(tǒng)一的軟件邏輯。對于工程師而言，掌握少量產(chǎn)品的使用方法后，便能夠較快遷移到其他產(chǎn)品，這也是平臺化能力的重要體現(xiàn)。

對于一家創(chuàng)業(yè)企業(yè)而言，這樣的投入并不輕松。軟件體系建設周期長、見效慢，卻需要持續(xù)投入，而這恰恰也是模塊儀器廠商形成長期競爭優(yōu)勢的重要來源。某種程度上，這種對軟件能力的持續(xù)投入，也反映了簡儀對測試測量本質(zhì)的理解。

隨后的2019年，簡儀提出“回歸精度”的理念。相比單純強調(diào)16位、24位等分辨率指標，簡儀主張測試測量應以明確的精度指標和PPM (Parts Per Million) 標注為核心。近年來越來越多國際廠商開始采用類似方式描述產(chǎn)品性能，這也反映出行業(yè)競爭正在從參數(shù)競爭逐步轉向?qū)嶋H測量能力競爭。

回顧過去十年的發(fā)展，陳大龐將簡儀的成長歸結為三個重要機遇。

第一，開源時代的普及。開發(fā)軟件耗資巨大且短期難見回報，簡儀在2016年便敏銳意識到開源是重要依托，并借此以四兩撥千斤的效率推出開源銳視測控平臺?。

第二，國際形勢變化，國內(nèi)用戶開始將自主可控納入產(chǎn)業(yè)系統(tǒng)的核心考量。

第三，AI時代的到來。簡儀的平臺與AI天然對接，使其能以極高效率在短時間內(nèi)豐富并完善開源銳視測控平臺?的生態(tài)圈。

相比軟件建設，硬件能力的形成則顯得更加漫長。從2016年到2025年，簡儀用了近九年時間逐步完成250 MS/s以下通用測試測量硬件平臺的覆蓋。在陳大龐看來，真正耗時的并非單個硬件產(chǎn)品開發(fā)，而是軟硬件協(xié)同、驅(qū)動適配以及大量應用場景驗證。直到2025年，這套長期投入的軟件與硬件體系才開始產(chǎn)生明顯的商業(yè)回報。

與此同時，國產(chǎn)化與跨平臺布局也是簡儀近年來的重點方向。據(jù)現(xiàn)場介紹，簡儀已從PXIe控制器、機箱到各類模塊完成軟硬件全棧適配，搭載國產(chǎn)CPU的控制器方案已支持銀河麒麟等國產(chǎn)操作系統(tǒng)。在軟件層面，其自主研發(fā)的跨平臺面向?qū)ο篁?qū)動架構FirmDrive?統(tǒng)一支持C#、C++、Python等多種開發(fā)語言，并通過MISD規(guī)范保證了不同編程語言下接口的一致性，有效降低了用戶的開發(fā)和遷移成本。針對高端工業(yè)測控和精密測試場景中的實時性需求，簡儀還完成了銀河麒麟+Preempt RT實時系統(tǒng)方案適配，并通過長時間穩(wěn)定性測試驗證了系統(tǒng)的低延遲與高可靠性。在自主可控需求不斷提升的背景下，這些能力展現(xiàn)了簡儀從硬件、驅(qū)動到應用軟件的完整支撐能力。

在產(chǎn)品質(zhì)量保障方面，簡儀自主研發(fā)的自動化測試框架TestFlow也發(fā)揮了關鍵作用。該框架將傳統(tǒng)繁瑣、易錯的手動測試轉化為標準化、自動化的測試體系，目前已覆蓋簡儀228種產(chǎn)品型號，累計執(zhí)行超過78萬項測試記錄，為產(chǎn)品質(zhì)量分析、工藝優(yōu)化和持續(xù)改進提供了堅實的數(shù)據(jù)基礎。

可以看出，這十年里，從軟件規(guī)范、驅(qū)動體系到硬件產(chǎn)品布局，簡儀逐步搭建起覆蓋開發(fā)、部署和應用的完整測控體系。在數(shù)據(jù)采集和模塊儀器這個細分賽道上，簡儀已經(jīng)具備了與世界知名品牌掰手腕的能力。

當AI開始理解測試測量

如果說過去十年測試測量行業(yè)的重要變化是軟件定義儀器，那么過去兩年最受關注的新變量無疑是人工智能。

大模型正在快速改變代碼生成、知識檢索和文檔編寫等工作方式，但對于測試測量行業(yè)而言，一個現(xiàn)實問題始終存在：AI能夠編寫通用代碼，卻未必理解測試測量。采樣率如何選擇、同步機制如何配置、不同模塊之間如何匹配，這些都屬于高度專業(yè)化的工程知識。缺乏行業(yè)知識支撐，再強大的通用模型也難以直接解決實際工程問題。

這正是簡儀此次十周年大會重點展示的內(nèi)容。

在現(xiàn)場演示中，簡儀以金剛石NV色心量子探測裝置為真實應用場景，借助自然語言和AI工具，通過PXIe-9511動態(tài)信號采集模塊、PXIe-4611射頻矢量收發(fā)模塊及銳視測控軟硬件平臺，完成了傳感采集方案選擇、范例檢索、代碼生成、程序調(diào)試和文檔完善等全流程操作。

演示過程中的核心能力，來自簡儀此次展示的JYPEDIA-AI。按照現(xiàn)場介紹，JYPEDIA-AI建立在簡儀十年來積累的產(chǎn)品資料、技術文檔、應用案例、Skill和范例基礎之上，通過結構化整理形成適合AI調(diào)用的知識體系。用現(xiàn)場演示者的話說，JYPEDIA是給工程師看的，而JYPEDIA-AI則是給AI看的。

在此基礎上，簡儀正式發(fā)布SeeSharp Coding銳視編程法。與傳統(tǒng)開發(fā)方式相比，銳視編程法更強調(diào)通過自然語言描述需求，由AI輔助完成選型、代碼生成、文檔整理等工作。需要強調(diào)的是，這并不是簡單的“AI寫代碼”，而是簡儀長期構建的標準化工具鏈與知識體系面向AI時代的系統(tǒng)升級。雖然最終程序仍需要工程師驗證和調(diào)試，但開發(fā)流程已經(jīng)發(fā)生根本變化：過去是工程師學習軟件規(guī)則，現(xiàn)在則是軟件開始嘗試理解工程師的語言。

這種變化背后，反映出工業(yè)AI發(fā)展的重要趨勢。隨著基礎大模型能力逐漸趨同，真正形成差異化競爭力的往往不再是模型本身，而是行業(yè)知識。誰能夠?qū)a(chǎn)品知識、工程經(jīng)驗和應用案例沉淀為結構化數(shù)據(jù)，誰就更有可能讓AI真正理解自己的行業(yè)。從這個角度看，MISD規(guī)范、面向?qū)ο篁?qū)動架構FirmDrive?以及大量技術文檔積累，不僅是簡儀過去十年的軟件資產(chǎn)，也成為其進入AI時代的重要基礎。

在更深層的技術層面，簡儀還在持續(xù)探索硬件與算法的協(xié)同創(chuàng)新。其OSP（Onboard Signal Processing）技術借助數(shù)據(jù)采集模塊板載FPGA實現(xiàn)實時數(shù)字信號處理，在板卡端完成過采樣、數(shù)字濾波、實時頻譜、非線性校準等任務，從而實現(xiàn)更高吞吐、更低延遲的測量能力。該技術已應用于JY-9511動態(tài)信號采集模塊、JY-9817高速數(shù)字化儀等多款產(chǎn)品，體現(xiàn)了簡儀在硬件架構和算法積累上的持續(xù)投入。

當然，陳大龐對AI的態(tài)度并非盲目樂觀。在他看來，人工智能能夠顯著提升效率，但并不能替代工程判斷。模型給出的答案仍需要驗證，不同模型之間甚至可能出現(xiàn)差異。對于工程師而言，AI更像是一位能夠快速查找資料、生成方案和輔助開發(fā)的助手，而不是最終決策者。

結語

簡儀的十年，是蟄伏與探索的十年。他們守著模塊儀器必須有自己的軟件這條鐵律，也終于等來了AI與測試測量深度融合的時代。在工控網(wǎng)看來，簡儀十年的意義遠不止于產(chǎn)品與技術的突破。作為長期關注測試測量行業(yè)發(fā)展的媒體，我們見證了這家公司從初創(chuàng)時的孤勇，到軟件體系的搭建，再到今天AI能力落地的全過程。而陳大龐，這位自稱幸運的老法師，用十年時間證明了一件事：在中國做軟件平臺，需要足夠長的耐心和足夠精準的押注。

對于整個行業(yè)而言，此次十周年發(fā)布會釋放出的信號或許比新產(chǎn)品本身更值得關注。當AI開始理解儀器、理解測試流程、理解工程知識，測試測量行業(yè)的競爭維度也正在發(fā)生變化。未來決定企業(yè)差異化能力的，不僅是硬件性能和軟件平臺，還包括知識體系的積累與智能化能力的構建。