构建值得信赖的技术：工程验证能力正成为创新时代的核心竞争力

我在半导体行业工作多年，每一次重大技术变革都让我深刻体会到同一个道理：创新必然带来新的复杂性。

每一代半导体产品都在性能和能力上实现突破，但每一步前进也让系统行为变得更难以理解。过去在测试台上就能完成的元件级验证，如今需要更宏观的视角。

爱默生测试与测量业务集团总裁Ritu Favre表示："工程的未来将由那些能够足够快速地验证、理解和改进复杂系统、从而安全推动创新前进的人来定义。"

Chiplet设计就是一个典型例子。来自不同供应商的芯粒、中介层和封装工艺，单独测试时可能都表现完美，但组合成系统后却可能出现意外行为。越来越多的工程挑战不在于单个元件本身，而在于元件之间的交互。

这种挑战远不止于半导体领域。现代产品越来越依赖软件定义，并依赖于不同技术和环境之间的交互。想想一辆在暴雨中颠簸路面上使用自适应巡航控制的汽车，或一架在湍流中调整襟翼和发动机转速以维持安全稳定的客机——它们都由复杂的计算机系统引导，每秒处理数千个传感器产生的数千次交互，而且往往是多个计算机系统协同工作。我们正在构建能力卓越的系统，但理解它们在真实世界条件下的行为却越来越困难。

这正是我认为我们正在进入测试新时代的原因。现代工程的核心挑战，不再只是我们能设计和构建什么，而是我们能够自信地验证什么。

在这个新时代，测试不能再是事后补救。几十年来，测试一直被视为发布前的最后关卡：设计团队开发产品，测试团队验证性能，最终以通过/失败来决定是否可以推进。当系统相对独立且可预测时，这种模式运作良好。但如今，这种方式可能带来更大的风险。

许多延误和紧急情况，都源于问题未能在早期被发现。在开发后期才发现的问题，诊断更困难、修复成本更高、也更容易导致进度失控。解决方案不是在最后阶段增加更多测试，而是从一开始就将测试和验证融入工程工作流程。

当验证贯穿整个开发过程，团队就能在变更成本较低的早期发现问题。测试也不再是发布的障碍，而是洞察的来源，帮助我们理解系统在日益互联的环境中的行为方式。

当自信地验证技术成为核心挑战，工具的选择就变得至关重要。工具直接影响我们诊断问题、保持前进的速度。在技术快速变化的环境中，孤立的工具会阻碍进步。现代测试策略需要将设计、验证和生产环节的信息打通，将测量数据转化为足够及时的决策，以跟上创新的步伐。

这让我想起EDA（电子设计自动化）刚刚兴起的时代。在此之前，工程师要花大量时间手工绘制电路布局、摆放晶体管。EDA通过让团队用高层代码描述复杂行为，消除了这些繁琐工作，使他们得以专注于整体架构。

互联的测试平台对验证工作的意义与此类似。由于平台能够随技术发展而适应和扩展，它减少了维护和停机时间，使团队无需在需求变化时从头重建工作流程。

如今，AI正迅速进入工程工具箱，加速设计和分析。但在测试与测量领域，AI无法孤立地发挥其潜力。

大语言模型的效果取决于输入数据的质量。缺乏上下文，即便是最智能的算法也难以区分正常的硬件差异和关键故障。互联平台为AI提供了所需的结构化、可追溯的数据流，使其能够真正产生洞见。

当测量数据在整个工作流中无缝流动，AI就从独立工具升级为主动的智能层。它能够关联复杂的多系统交互、标记异常行为，并将工程师的注意力直接引导至根本原因。

每一次加速新设计创造的技术变革，也同步增加了需要验证的复杂性。AI能帮助团队跟上这种复杂性——不是取代人类判断，而是为工程师提供自信行动所需的上下文。

归根结底，现代平台和AI赋能工作流的目标，是帮助技术团队将更多时间用于构建新事物和解决难题。我们大多数人选择这个职业，不是为了花时间搜索数据或应对最后关头的意外。将测试直接融入开发流程，能让团队对系统行为有更清晰的认识，从而专注于创新，而非疲于应对复杂性。

工程的未来，不会由能够构建最先进产品或技术的人来定义，而将由能够足够快速地验证、理解和改进复杂系统、安全推动创新前进的人来定义。

这就是测试的新时代。随着创新步伐加快，每一次突破都会开辟新的失败路径，而测试正是工程师在真实世界之前发现这些失败的方式。在日益复杂的世界中，这种能力正变得与创新本身同等重要。

创新始终需要卓越的工程能力。而现在，比以往任何时候都更需要信心——这种信心来自于知道我们不仅在构建可能的事物，更在构建人们可以信赖的技术。

Q&A

Q1：为什么现代工程系统越来越难以验证？

A：现代产品越来越依赖软件定义，并涉及不同技术和环境之间的复杂交互。以Chiplet设计为例，来自不同供应商的芯粒、中介层和封装工艺单独测试时可能都没问题，但组合成系统后就可能出现意外行为。汽车、飞机等复杂系统每秒要处理数千个传感器的数千次交互，真实世界条件下的系统行为变得极难预测和验证。

Q2：为什么测试要从开发一开始就介入，而不是留到最后？

A：在开发后期才发现的问题，诊断更困难、修复成本更高，也更容易导致进度延误。将测试和验证从一开始就融入工程工作流程，团队能在变更成本较低的早期阶段发现问题。这样测试就不再是发布的障碍，而成为帮助理解系统行为的洞察来源。

Q3：AI在测试与测量领域能发挥什么作用？

A：AI可以关联复杂的多系统交互、标记异常行为，并将工程师的注意力引导至问题根本原因。但AI的效果高度依赖数据质量——缺乏上下文时，即便是最智能的算法也难以区分正常硬件差异和关键故障。互联的测试平台为AI提供结构化、可追溯的数据流，才能让AI真正从独立工具升级为主动的智能层。