对于NI而言，2026年是一个被时光镌刻的特殊节点——它既标志着企业成立50周年的深厚积淀，也见证了NI LabVIEW 40年来在科技土壤中开出的长青之花。
其实，在40年编程语言与工具框架的沉浮更迭中，曾涌现无数辉煌的名字。然而，LabVIEW却始终稳居测试测量、工业测控与科研验证领域的核心，成为全球超过150万工程师与科学家信赖的“硬核利器”。
“其生命力，在于不盲从迭代，而是深耕行业本质。”
在日前与《电子工程专辑》的一场对话中，NI LabVIEW第一代工程师Tony Vento回顾了图形化编程从萌芽到成熟的全过程。在他看来，LabVIEW从不只是一款单一的工具，而是一个随着应用需求不断进化的全栈平台。
NI LabVIEW第一代工程师Tony Vento
有意思的是，Tony的另外一个“名号”——NI传奇工程师，也源于他从未被单一身份所定义——从NI首位应用工程师起步，随后在销售、运营、生态构建乃至合作伙伴等多重角色间自如切换。这种贯穿产业链的多维履历，不仅让“传奇工程师”的称号实至名归，更赋予了他超越技术本身，洞察商业本质的敏锐视野。
访谈中，Tony与艾默生测试测量业务集团(NI)中国区总经理乔巍一道，围绕LabVIEW长青内核、AI与测试融合、生态布局及中国本土化等核心议题与媒体展开交流，回应了“四十年老牌工具如何应对AI时代竞争”的行业之问，为测试行业数字化转型提供了宝贵参考。
艾默生测试测量业务集团(NI)中国区总经理乔巍
四十载历久弥新：NI LabVIEW穿越周期的核心竞争力
谈及LabVIEW之所以能够跨越四十年技术周期、抵御编程语言迭代冲击、持续获得工程界认可的核心原因时，Tony将票投给了友好的可视化交互、全维度的硬件生态适配、以及开放兼容的底层架构。
他认为，相比于文本编程在逻辑嵌套与界面开发上的割裂感，LabVIEW以图形化数据流为核心，天然兼顾了逻辑开发与界面搭建。即便在通用语言高度成熟的当下，LabVIEW原生的图形化架构依然能够凭借极高的开发效率、出色的界面质感与运行稳定性，确立纯文本编程无法复刻的独特优势。
我们可以在一篇题为《在人工智能时代，LabVIEW已然没落了吗?》的文章回帖中读懂这番表述。
“LabVIEW为程序员与非程序员都打开了系统开发的大门，依托于‘前面板—程序框图’的天才设计模式，帮助工程师和科学家实现‘采集—分析—呈现’的完整系统搭建。工程师和科学家在学习训练中本就习惯用框图思维思考问题，而这种思维方式也将一直延续下去。”
发帖之人不是别人，正是Tony本人。
一直以来，外界常常将LabVIEW简单定义为一款编程工具，但从以上回帖来看，LabVIEW实际上已经上升到了软硬件深度咬合的一体化测控平台高度。在半导体测试、汽车电控验证等严苛场景中，这种软硬件深度绑定的能力大幅降低了跨平台适配成本，成为通用编程语言无法逾越的核心壁垒。
事实上，作为唯一一个能同时支持桌面程序开发、实时系统和FPGA硬件加速的平台，LabVIEW从诞生之初便流淌着开放的血液。它不仅长期兼容多语言接口与第三方生态，更依托NI强大的工程团队与全球社区，持续进化，成为连接实验室研发与量产测试全场景的理想桥梁。
Tony用三个关键词总结了NI和LabVIEW数十年来的成功：持续创新、服务客户、尊重每一个员工。“就算让我对百年以后进行展望，也仍然是这三个词。”
破解测试行业的“复杂性鸿沟”
当前，测试系统越来越复杂、数据规模指数级增长、全球协作难度上升，这些都在拖慢创新速度，NI把这种现象称为“复杂性鸿沟”。
“这不是单一技术难题，而是复杂性失控。”Tony说，NI也曾跌入过这条鸿沟。在某一阶段，NI试图一次性实现过多目标，结果导致了复杂度的失控，甚至错失了Web界面等关键能力。
但正如所有英雄叙事一样，跌倒是为了更好地爬起。Tony认为，跨越复杂性鸿沟的关键，不是简化系统，而是用新的方式处理系统。而这一次，他手中的新武器，正是AI，尤其是专为测试领域打造的垂直AI助手——Nigel。
Nigel可在LabVIEW和TestStand中被调用，能完成指南、生成代码、数据分析等开发工作。值得一提的是，与那些试图吞噬用户数据来喂养大模型的通用AI不同，Nigel采用了“数据与模型解耦”的独特架构，模型能力可以共享，但数据始终归属于客户。这种“不获取用户数据”的机制，不仅天然符合日益收紧的全球数据合规法案(如欧洲《网络弹性法案》)，更建立起了工程师与机器之间最稀缺的信任。
更令人兴奋的是，即便在缺乏大规模真实数据的情况下，通过仿真生成合成数据，结合半实物仿真(HIL)手段，NI也能够让AI完成大量测试与验证。
在硬件层面，NI重新祭出了异构计算的大旗。Tony透露，NI有意将AI硬件引入PXI控制器和CompactRIO等实时平台，从而搭建起CPU处理通用任务、AI硬件进行并行推理、FPGA以低延迟和强大的IO能力应对边缘AI严苛挑战的系统框架。
在这个架构中，LabVIEW不再仅仅是一个编程工具，而是系统编排层的指挥官——它将这些不同架构的硬件统一整合，让复杂的异构系统变得像搭积木一样简单——这种能力在系统复杂性飙升的今天，显得尤为珍贵。
当然，面对复杂性，最深刻的智慧往往来自哲学。Tony用一个极具东方色彩的词汇——“阴阳”，来诠释NI这套破解复杂性的终极方法论。他说，“这个世界不是非此即彼的。在工程世界里也是一样，开放性与抽象层就是一对阴阳。“简单而言，就是如果一味追求完全开放，容易失去必要的抽象层，导致复杂性直接暴露在底层细节中，形成更大的复杂性鸿沟。
“没有任何一款工具是完美的。图形化编程有其优势与短板，Python、C++等文本式编程语言同样如此。”
因此，NI选择了一种“组合拳”的智慧：
-
以柔克刚(Python/C)： 在需要灵活性、验证性和处理细节的局部，放手让Python或C语言去发挥。
-
以简驭繁(LabVIEW)： 在系统集成与结构表达的全局，用LabVIEW的图形化数据流来把控。因为图形化能让系统的臃肿度和复杂性“一眼可知”，从而避免了逻辑的失控。
这种“阴阳平衡”的理念，不仅解决了技术难题，更重塑了工程师的生产力。正如NI中国区总经理乔巍所观察到的那样，“AI并没有让工程师失业，反而让他们更忙碌了——因为一个人现在有能力干十个人的活，工程师的能力被无限放大了。“
测试与仿真双向协同
随着系统复杂度的指数级攀升，仿真与数据合成技术正变得炙手可热。特别是在自动驾驶、人形机器人等前沿领域，面对海量的场景需求，单纯依赖真实世界采集数据无异于杯水车薪。在这一阶段，仿真早已超越了传统工程工具的范畴，摇身一变，成为直接参与AI能力构建的核心引擎。
在乔巍看来，工程学中经典的V模型正在被重新定义。“过去，左侧是设计与仿真，右侧是验证与测试，中间通过半实物仿真衔接，边界清晰分明。但随着AI和具身智能的崛起，这道边界正在被打破。”他说。
不过，即便软件仿真的地位被无限拔高，它也不会取代真实的测试。毕竟，我们身处的终究是物理世界，任何完美的仿真都需要通过HIL来完成闭环验证。“硬件在环的半实物仿真，仍然是一个极其重要且会长期存在的工具。”目前，NI的HIL方案不仅在汽车领域备受认可，也正在向具身智能等新兴市场加速渗透。
业界常把仿真不断前移的趋势称为“左移”，但乔巍强调称，“右移”的趋势同样正在发生。系统运行后产生的大量测试数据，正反向流入设计环节，成为持续优化系统的核心养料。在数字孪生等场景中，这种闭环效应尤为明显——测试数据不再只是最终的“验算结果”，而是驱动设计迭代的“源头活水”，从而形成双向奔赴的良性循环。
Tony对此补充道，从大趋势上看，仿真的重要性毋庸置疑，但没有一家公司能垄断全部的仿真工具链。正因如此，行业才需要像NI这样的开放平台，将不同仿真工具与硬件平台无缝连接，凝聚成系统级的合力。
“测试与仿真从来不是非此即彼的替代关系。”Tony以半导体行业为例打了个生动的比喻：芯片堪称最复杂的工业制品，尽管该行业的仿真验证工具已经极其丰富，但在芯片制造的每一个微观环节，依然离不开高质量测试的保驾护航。仿真与测试，正如AI落地的双翼，缺一不可。
而且，“LabVIEW 并不局限于图形化代码，它很早就具备与其他语言集成的能力。这种多语言、多代码源融合的思路，很可能会成为 LabVIEW 未来发展的核心，尤其在自动生成代码愈发普及的趋势下。”
那么，有了数据，有了仿真，工程师的价值该如何体现?AI会不会取代测试工程师?
“这种AI焦虑是毫无必要的，正如当年PC电脑普及后，并没有取代办公室里的白领一样。”在Tony看来，AI的核心价值，在于接管那些重复性、标准化且高冗余的基础工作。无论是海量数据的批量处理、标准化代码的自动生成，还是常规故障的初步筛查，这些繁琐的“体力活”完全可以放心交给AI。
而真正的重头戏——系统架构的顶层设计、测试方案的深度定制、复杂疑难问题的抽丝剥茧、行业工艺与软硬件的协同调试，这些高度依赖逻辑判断、经验沉淀与场景化理解的“脑力活”，依然牢牢掌握在工程师手中。
从长远来看，AI最大的可能是化身为工程师手中高效的“神兵利器”。它将大幅压缩开发周期，将工程师从枯燥的重复劳动中解放出来，倒逼并赋能他们向高端方案设计、前沿技术研发以及跨领域协同等高价值方向跃迁。未来，不再是人与AI的零和博弈，而是“人机协同”的全新工作范式——AI负责处理繁杂的“手脚功夫”，工程师则专注于运筹帷幄的“顶层设计”。
开放共生，以本土化产品力构筑长期壁垒
在NI全球战略回归的宏大叙事中，中国正在成为那个最具决定性的关键变量。
乔巍将NI的中国策略概括为“双轮驱动”：一边是源自全球研发体系与长期高强度投入(研发营收比常年保持在20%以上)的硬核产品力;另一边，则是决定NI在中国成败的本土化战略。
2021年，NI设立了中国创新发展中心，意在系统层面进行“二次创新”，将更多需求和痛点转化为可落地的解决方案。数据显示，自成立至2025年8月，短短四年间已赋能超过141家企业，达成商业订单近4000万元。
“中国市场的特殊性，不仅在于惊人的迭代速度，更在于其需求的极度多样化与深入化。” 乔巍认为NI在中国更需要强调“系统创新”的重要性，而非单一产品的售卖;要更倾向于与合作伙伴共生共荣，而非唱着全栈自研的“独角戏”。
持续扩大投资广度，可能会是NI的下一步重点。了解NI的人士应该比较清楚，作为一家工具型公司，NI的用户分散在各个行业之中，具有明显的“长尾效应”。但公司资源有限，在面对一些巨大行业机会和日益涌现的中小型企业时，携手生态合作伙伴会是更好的方式。
用乔巍的话来讲，就是“哪怕我们自己有能力，也会选择把更多空间留给生态伙伴。”目前，NI中国重点关注的垂直行业应用包括半导体、电子、汽车、铁路、商业航空航天、能源以及院校等领域，迫切希望在这些技术与需求快速导入的前沿场景中，完成从产品提供者向系统能力平台的转变。
结语
LabVIEW的四十年，绝非终点。
正如Tony所言：“我花更多时间思考未来，而不仅仅是从过去学习。”在数字化转型的深水区，这家定义了测试测量行业的公司，正试图用“AI+测试”的全新逻辑，为行业拆解转型迷局。
对于全球工程师而言，LabVIEW依然是一把锋利的利器;而对于NI来说，下一个四十年的挑战，才刚刚开始。
评论区
登录后即可参与讨论
立即登录