小睿聊AI 04｜从 NI、是德到 DISCOM，测量软件的 AI 能力该落在哪里？

小睿 · MEASIX

测量软件里的AI可以生成程序、组织仪器命令，也可以帮助分析产线数据。这些位置需要的输入和验证办法不同。选型时要问清：AI改动的是什么，修改后谁来执行，又拿什么证明结果可信？

这次从NI、是德和DISCOM的产品路线说起，再看衡准 Metrivon 怎样组织设备输入、测量配置与历史复核。专业经验能否进入可检查的对象，比多一个聊天窗口更值得细看。

图 1｜精密测量的智能化，连接测量方案、稳定执行与数据复核（概念场景）

NI让AI产出的东西 成为工程的一部分

2026年第三季度，LabVIEW和TestStand都把Nigel AI往前推了一步。LabVIEW可以根据提示生成VI，也支持连接MCP工具；TestStand可以根据符合要求的规格文档生成基本测试序列。这里最值得注意的，是AI的回答开始落到工程师能继续编辑的工程资产上。

没用过NI软件的朋友，可以把VI理解为LabVIEW里的程序单元，把TestStand序列理解为组织测试步骤、调用代码模块和处理结果的一份执行安排。前者解决一段测量逻辑怎样运行，后者把多个步骤组织成完整测试。AI进入这两处，减少的是从需求到第一份可修改方案之间的准备。

举个教学用的小例子：新增一项电压采集，取得一段数据，算出均值，再按规定范围判定。工程师过去需要逐项搭建采集与计算逻辑，安排步骤，再把数据交给后续报告。Nigel的生成能力让其中一部分有了起稿工具。TestStand还可以映射已有代码模块；暂时没有实现的部分，则生成占位模块，留给工程师补全。

从产品设计看，规格文档既是沟通材料，也成了生成测试安排的输入。占位模块又把“流程需要什么”与“已有代码能做什么”分开，方便团队复用驱动、补齐逻辑。AI起稿更快，测试要求与生成结果也更需要准确对应。

同时，当前生成能力有明确范围。官方VI文档说明，迭代生成会创建新的VI，生成的VI暂不能直接调用用户自建VI；需要参考的文件也要显式附加。更完整的跨产品自主工作流和序列生成，还要与路线图上的后续能力分开看。工程师仍需核对通道、单位、接线、采样条件和判定规则。

成熟测量平台的积累，包括驱动、代码、调试方式和工程师经验。已有项目运行良好时，值得先看新AI能力能利用多少既有资产。

是德把一句话逐步收敛成仪器命令

是德科技的Keysight MCP Server for Instrument Control走了另一条很有参考价值的路线。截至本次核对，官方下载版本为2026年7月31日发布的首个公开预览Beta，build 1.0.13。

MCP 是模型与外部工具交换请求和结果的协议。仪器定义文件（IDF）保存对应型号支持的操作与参数；SCPI 是仪器使用的标准命令；VISA 是软件访问仪器的通信接口层。AI提出的操作，要经过这些对象才能送到具体仪器。

按照官方文档，AI先理解人的测量意图，服务再查找对应型号的本地IDF，从其中的命令、参数范围与预定义过程里寻找可用操作。单条命令的匹配采用确定性评分：有明确结果就进入预览，候选接近则列出来让工程师选择，低匹配时继续搜索该型号的能力；仍没有支持的操作，就明确报告。复杂任务可以匹配已有过程，再展开为有顺序的命令数组。

随后，服务把完整命令序列转换成可读预览，交给工程师批准，再通过VISA发给仪器。工具文档还说明，默认逐条检查仪器错误，遇到错误就停止后续序列，这项行为可以配置。批准过的序列可以保存复用，操作也有记录。

以支持清单里的PNA、ENA网络分析仪为例，设置扫频范围、调用测量过程、读取结果，可以沿着这条路径完成。工程师省去一部分查指令、拼接命令的工作，同时能检查即将执行的内容。接线、校准、端口功率和被测件条件，仍要按实际测量要求确认。命令定义解决的是仪器接受什么操作，测量方法还要回答这样做能说明什么。

这也让“支持仪器控制”变成可追问的问题：具体型号有没有定义，所需过程是否覆盖，参数范围怎样检查？官方把当前支持与后续计划分开列出，实际选型也应按型号和操作核对。

DISCOM 把一次测量放进持续运行的产线

聊到齿轮、减速器和电驱动检测，还需要认真看DISCOM。它的ROTAS套件面向生产中的噪声与振动测试，尤其是产线末端检测，也就是常说的EOL。这里的难题很具体：在规定工况和节拍内，稳定找出需要关注的零件，再为排查问题保留足够材料。

其专业积累首先体现在信号怎样被解释。旋转机械的一条振动曲线里，可能叠着齿轮啮合、轴系和其他部件的影响。结合齿数、传动比与转速参考，系统可以围绕相应转子的周期做同步分析，并在阶次域观察特征。阶次把频率与旋转速度联系起来，帮助工程师在变速工况下追踪与部件运动相关的变化；具体归因仍依赖正确的运动学模型、传感器布置和测试条件。

更值得注意的是，DISCOM把这些分析放进了量产工作链。TasAlyser按型号与测试步骤开展测量和评价，参数库集中维护分析条件与限值，结果连同当时的评价背景进入归档。WebPal提供生产统计，原始信号和详细结果还可以在相应工具里离线检查、重放与生成报告。团队能用同一份原始记录试验新参数，减少反复占用生产台架。

它的限值也有不同来源：固定工程边界与根据样本建立的学习限值，各有作用。统计方法帮助识别正常波动，关键放行标准仍需结合实际产品表现等工程证据确认。这样，现场判定、批次观察和方法改进才真正连在一起。

DISCOM当前的扩展方向同样包括AI。官方介绍了可供Python等外部工具接入的.NET数据接口，支持实时与历史数据读取，也介绍了AI客户端与外部分析结果反馈。对已有产线的团队，这使积累的数据有机会接上新的分析方法，原有的转速同步、工况和评价背景仍能成为分析依据。接口提供连接，新的判断是否可靠，还要回到对应样本和工程条件验证。因而，比较的重点应该是各家让AI接触哪些专业对象、怎样验证分析、怎样维护长期使用的规则。

这三条路线的共同点，是让AI接触专业软件能够检查的对象：NI侧重工程资产，是德侧重仪器命令，DISCOM保留产线工况与评价背景。衡准 Metrivon 选择从可配置的程序、工步和算法链出发，让工程师能检查变更，并沿同一份测量证据追查单件与批次结果。

图 2｜从工程资产、仪器命令、量产评价和测量配置四个切入点理解产品。NI为2026 Q3能力，是德为公开Beta，其余依据当前官方资料与实现；不作精度或性能排名。

五类设备说明：曲线相似，测量对象可能不同

软件要复用流程，先得知道输入代表什么。丝杠、单啮、双啮、制动盘和轴类设备都能产生曲线，但角度、位移、中心距与厚度不能仅因数据格式相同，就套用同一种算法。

1. 丝杠测量机：联系旋转角度与轴向位移，检查实际移动相对理想导程的偏差。评价长度、运动方向和安装基准需要随输入保留。
2. 单面啮合测量仪：保持单侧工作齿面接触，在规定中心距与工况下比较两轴实际转角和理论传动关系，得到传动误差（TE）。两路角度及其同步条件是关键输入。
3. 双面啮合测量仪：在无侧隙条件下让双侧齿面接触，记录浮动中心距变化，评价径向综合偏差。它与单啮的物理输入不同，综合结果也不能直接拆成每项独立齿形误差。
4. 制动盘测量设备：厚度变化检查两面的间距，端面跳动检查表面相对旋转基准的摆动。测量半径、周向位置与装夹基准会改变结果含义。
5. 轴类测量仪：检查选定截面的直径、形状或相对基准的跳动。测头与基准决定能取得什么信息，圆度和径向跳动不能互相代替。

DISCOM自己也有单啮、双啮和TE相关方案，包含双角度编码器与专用扭振传感器路线。因此，衡准 Metrivon 的价值应当具体到：怎样组织这些不同输入、检查条件和算法，把改方案、稳定执行与结果复核接起来。

图 3｜五类典型设备的测量机理不同；统一软件复用流程与数据能力，测量定义仍按具体任务建立。

一套测量软件 怎样接住不同设备与算法

换一种设备，往往也会带来一套新软件、新数据格式和新的分析习惯。等到要把两路信号放在一起计算，工程师又得导出、转换、对齐，再补报告。统一软件的价值，首先体现在这些重复工作能否减少。

衡准 Metrivon 在设备与测量逻辑之间放了一层适配器。适配器负责设备通信和读数方式，逻辑传感器再把物理通道映射成测量程序能使用的输入。当前接入代码覆盖采集卡、编码器接口，以及Modbus、Siemens S7 PLC等不同类型。具体设备仍需完成适配和验证，多设备之间的采样时钟与同步关系，也要根据测量目的配置。

上层则围绕程序、测量工步、校零工步、几何常数、公式和测量项工作。设备变化尽量留在接入层，评价指标变化尽量落在计算层。对于相似任务，工程师就有机会复用工步、算法与结果展示，减少为每一种组合重写整套应用的需要。

AI可以通过MCP工具读取配置与业务文档、提出结构化变更、查询版本、读取保留的完整结果，并组织重算、分析图表与报告。配置写入时检查对象类型、结构和引用关系，返回变更差异与版本。工程师据此核对到底改了什么。

下面沿用一项简单的变更：在已有有效曲线上增加峰峰值评价项，也就是最大值与最小值之差。AI先查看输入、单位、工步和算法，再提出配置。若需要新传感器，先处理通道接入与单位；若只是新增统计指标，就不必重新搭建采集界面。

设备适配器负责接硬件，公式与业务函数负责扩算法，相对独立的归档或分析功能则可由应用插件承载。这样，修改评价项时，工程师能判断应该改哪一层，也能知道哪些已有部分可以继续使用。

算法可以重新编排 每一件的测量规则要确定

把一个测量需求变成配置，还要讲清数据怎样一路算到结果。

衡准 Metrivon 按V、P、M组织计算：V是结构化中间变量，P是预运算项，M是最终测量项。对象按既定顺序执行，后面的步骤可以引用前面已得到的结果。增加峰峰值时，先找到有效曲线，再把统计结果接到相应测量项，输入与输出都有明确位置。

计算项从传感器数组、几何常数或中间结果取得输入，按配置处理校零、截取、滤波或统计，保留曲线、数值和判定。校零修正基准偏置；传感器校准与产品合格限值仍各有依据，不能随着新增计算项一并猜定。

若还要调整滤波参数，就用同一批保留的数据比较修改前后的曲线与峰峰值。AI整理哪些位置、哪些数值发生变化，工程师再判断处理方式是否符合测量定义。先对齐输入，再讨论新评价项是否有用。

复用算法时，输入约定也应一起复用。两段数组都有数值，不代表它们的单位、转向、采样间隔和有效区间一致。把这些条件明确放进测量方案，才能知道一段已有算法能否直接调用，还是需要先做转换。这也是AI应帮助工程师核对的专业信息。

这样的灵活性，需要一份确定的执行依据。衡准 Metrivon 在一件零件的首个实际工步开始前冻结程序快照，直到这一件完成或取消，工步之间的间隙也沿用同一份规则。修改配置期间，新件不能同时开始。该件采用的程序配置随结果保存下来。

因此，换任务时可以调整方案，测量中的这一件有固定版本。在由PLC协调的工位，工步按既定状态机推进，采集和计算使用已经确定的配置。模型回复快慢，不参与逐采样点的时序安排。

这里还要分清“查看过去”与“按新办法再算一次”。查看旧结果时，名称、单位、公差和判定依据来自那条结果自己的程序快照；今天改了公差，昨天的记录不会跟着变成另一种含义。

在完整历史输入仍保留时，重算用当前程序与当前有效校零处理所选数据，得到供比较的结果；所需传感器数据缺失时要明确失败，不能用零数组补齐。重算不覆盖原记录，也不新增生产测量事件。这样才能回答“新方案会怎样评价这批数据”，同时保留当时实际发生的事实。

程序快照、公式、处理向量和计算轨迹，为复核提供材料。若要满足正式计量溯源要求，还须结合校准链、测量模型与不确定度；一次当前配置重算，也不能自动冒充原始测量环境的完整复现。

图 4｜方案调整发生在合适的时点；同一件零件按同一份程序语义执行。机制示意。

从单件结果走向一批曲线 为什么有些零件不同

做测量的人经常会遇到这样的疑问：几件零件都在公差内，曲线形状却不太一样；一段频谱逐渐抬高，单个总指标还没越线。只看最终数字，很难决定下一步该检查哪里。

衡准 Metrivon 可以按程序、时间与零件编号筛选历史记录，读取已经保存的预运算或测量项曲线，按同一索引位置建立统计边界，列出超出范围的曲线与位置。工程师据此检查：新评价项是否遗漏了某一段差异，还是这批样本的工况本就不同。

这让异常从一个笼统的“不一样”，变成可检查的位置：是某段波形偏离，还是某个频谱区间共同升高？工程师可以保留本次使用的参数与离群清单，再回到原始曲线和现场条件里判断。分析读取的是已经固化的向量，不会因为今天的方程式改了，就把历史曲线悄悄重算一遍。

比较前仍要确认样本单位、工况与物理坐标可比。同一数组索引不会自动完成转角或阶次对齐，统计边界也不能直接充当工程公差、触发产品判废。样本怎样筛选，决定这条边界代表什么；抽点方式怎样选择，也会影响看到的局部特征。

长短不一的曲线保留缺失位置，不把未采到的尾部填成零；符合格式的外部备份数组也可只读分析。这些处理保留了“没有数据”和“测到了零”的区别，避免把整理过程带来的差异当成工件变化。

图 5｜历史曲线比较帮助定位差异；统计边界服务于分析，正式合格判定仍有自己的工程依据。机制示意。

128K采样率背后 真正忙的是数据通路

目前，在设备支持的条件下，我们已实测承载128K采样率、持续30秒的单工步测量数据。

按这里的128K即128,000点／秒计算，30秒对应每通道约384万采样点。这是采样率与时长推导的数据规模，可以帮助理解处理压力；30秒指采集持续时间，不是所有算法与报告完成的总耗时。

图 6｜实测条件与推导量级分开表达。30秒是采集时长，384万点是每通道的理论数据规模。

要反复比较这样的数据，软件既要保存完整输入，也要让人快速找到变化。接收、计算、保存和展示若每次都复制或展开全部数组，复核就会变得笨重。这里更值得关注的是完整数据、屏幕曲线与AI摘要怎样分工。

打开结果列表时先查询摘要，检查某条曲线时再读取完整数组。原始数值与临时计算分开保存，避免一次参数试验改写测量依据。数据传输、缓存和存储的具体实现，可单独检查，不必让模型承担逐点搬运。

显示又是另一种需要。屏幕没有必要一次绘制几百万个点，结果接口可以保留首尾及分桶极值后降采样，并说明原始点数与返回点数；需要深入分析时，再按需读取原数组。保存全量数值与展示精简曲线，各自承担自己的工作。

AI同样无需把整条波形塞进聊天上下文。它可以读取任务相关的统计摘要，调用分析程序，把完整图表、表格和结果作为产物交给前端。模型负责组织分析和解释，数值程序负责具体计算，工程师看到的仍是能够打开检查的材料。

这些实现降低了重复搬运和处理的负担，也为扩展数据规模提供基础。实际承载能力仍取决于设备组合、算法与保存方式；实时结果存储有容量管理，长期生产归档还需要配置相应存储与保留策略。

图 7｜数值处理、原始数据保存、曲线展示和AI上下文按各自需要分工，减少不必要的数据搬运。

让现场用得起 也能继续扩展

回到实际使用，一套软件支持多类设备与算法，最值得验证的收益，是下一项测量任务还要重新做多少工作。

已有适配器能否复用，新增算法能否接在现有输入之后，结果页和报告能否沿用，出现差异时能否直接找到对应数据，这些都会进入项目成本。统一对象与扩展接口的意义，是让团队逐渐积累可维护的测量能力。低总体成本因此有了可检查的来源，也要把设备适配、模型调用、部署运维、校准和人工复核一起算进去。

部署方式同样需要沿着数据看。Nigel当前通过本地服务连接云服务；是德的本地MCP服务和仪器定义可离线工作，AI客户端与模型的位置则另行决定。衡准 Metrivon 开放MCP测量工具，也给模型侧的选择留下空间。企业可以按要求安排工具服务、模型端点和数据存放位置；是否自部署、哪些摘要允许外发，需要在实际部署时讲清楚。

衡准 Metrivon 已有远程MCP接入与归档插件接口。进一步连接领航 Pilot 的现场交互和溯原 Tracelle 的正式测量档案，是后续协作目标，仍需接好来源、权限与归档责任。

选择AI测量软件时，我建议拿一项真实任务走一遍：新增传感器或评价项时，修改落在哪一层；一件零件测到一半时，是否仍按原规则执行；用历史样本比较新方案时，能否保留原记录并解释差异。再把设备适配、维护与复核投入一起算清。

已有LabVIEW或TestStand工程，先检查生成能力能复用多少资产；需要组织仪器操作，先核对型号、命令预览和批准流程；面对持续产线评价，重点看工况背景、规则维护和原始记录。衡准 Metrivon 的方案，也要用同一次配置变更、稳定执行与历史复核来检验。选对AI接入的位置，才有机会减少下一项任务的重复工作。

衡准 Metrivon 的实现说明依据当前版本与团队实测记录，具体能力取决于设备、版本与配置；算法案例及流程图为机制示意。

资料来源（核对日期：2026年10月6日）：

• NI：Nigel 与测量工作流
• NI：生成VI的范围与限制
• 是德：仪器工具匹配、预览与执行
• DISCOM：产线分析与评价
• DISCOM：外部AI分析接口
• DISCOM：齿轮检测方案
• FRENCO：单面啮合测量
• FRENCO：双面啮合原理（2026年6月）
• NIST：计量溯源要求