为何智能自动化对科技创新者至关重要
对是德科技产品组合与全球营销副总裁杰夫·哈里斯的专访
由于标准的不断演变、应用程序分布于多个云环境，以及新用户对“一站式”解决方案的期望日益增强，如今的新产品正变得日益复杂。这种复杂性的增加直接影响了新产品的开发验证和测试覆盖率，给开发团队带来了更大的压力。
鉴于需要测试的潜在测试向量数量庞大，人们原本预期设计和测试流程的自动化会成为主流。 然而，根据是德科技委托Forrester近期进行的一项研究显示，目前仍有89%的企业采用手动流程，仅有11%的企业实现了测试矩阵的全面自动化。尽管全面自动化的采用率仍然较低，但企业确实认可自动化的价值：75%的企业表示已实施一定程度的自动化，近半数企业希望在未来三年内实现自动化。
鉴于设计和测试自动化即将对创新周期产生深远影响，我们邀请了是德科技（Keysight Technologies）产品组合与全球市场营销副总裁杰夫·哈里斯（Jeff Harris），请他详细阐述当前行业自动化发展的现状，以及自动化将在哪些方面改变开发生命周期。
1. 是为什么是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是
2021 年 12 月，我们委托 Forrester Consulting 评估在典型产品开发周期中数据集成、分析、人工智能（AI）和机器学习（ML）的应用情况。Forrester 对 406 位开发负责人进行了调查，并就他们目前在产品开发过程中采用 AI 和 ML 的程度提出了一系列问题。此次调查的受访者涵盖了北美、欧洲、中东和非洲（EMEA）以及亚太（APAC）地区的开发人员。 我们非常希望了解测试创新在典型产品开发流程中的可扩展性。
2. 各组织对其当前的测试体系是否满意？
从表面上看，我们欣慰地发现，大多数组织表示对当前的开发方法感到满意，其中86%的组织表示“比较满意”或“非常满意”。但深入探究后，我们发现这些组织同时指出，84%的项目和设计属于复杂的多层子系统或集成系统，而其中大部分并未经过测试。
尽管乍看之下似乎很满意，但我们从这项研究中了解到，企业仍感到必须做得更多的压力，尤其是在被问及未来规划时。例如，在3年内，近半数（45%）的企业会考虑采用全自动化测试方法，而72%的企业预计至少会在其开发流程中采用增强型自动化——即自动化替代部分（而非全部）测试流程。
目前，只有十分之一的企业在开发流程中实现了全面自动化，但我们预计新冠疫情将加速远程开发和自动化测试序列的普及。此外，随着开发团队努力在不同地点继续协同工作，我们预计数字孪生的应用将大幅增加。
3. 能否举个例子说明企业如何向更自动化的方式转型？
以下是一个很好的例子，说明使用数字孪生模型如何能够加速开发流程并大幅扩展测试覆盖范围。任何优秀的软件开发人员都能模拟一串测试 IP 流量。然而，要模拟涵盖不同用户应用程序所有库中的各种协议，并同时模拟不同用户在同一时间交换不同类型流量的混合流量，则要复杂得多。 当规模达到一定程度时，开发人员使用仿真器 （即数字孪生）会更加便捷。是德科技提供了超过140种仿真器 ，可为各类信道和第1层协议、第2-3层协议、第4-7层流量、安全、网络应用交付等领域创建数字孪生。
在快速变化的开发领域中，即便是从空白屏幕开始、逐步添加低级库的传统“C”语言程序员，也会遇到困难。复杂度的不断攀升带来了一项新挑战，需要更高层次的工具。随着越来越多的系统和流程被克隆为数字孪生，并进行更深入的仿真和仿真器 ，这些工具必须将测量和仿真纳入考量。
自动化正迅速成为一项必不可少的要求。目前，基于人工数据录入、部分 Python 或图形化编程以及 Excel 工作表的纯手动测试计划，只能覆盖可能存在的用户故事中的一小部分。每次软件发布时，都必须手动更新每一项用户故事。
新一代软件需要体现应用知识、进阶 分析算法以及测量深度，并将其整合到人工智能和机器学习的框架中，以解决复杂问题。
4. 由于复杂性的增加，测试数量和测试时间是如何增加的？
多云环境的引入、仍在不断演进的5G标准、高速I/O协议以及相互交织的应用程序分层，导致企业的测试数量增加了77%，测试时间延长了67%。 为便于说明，假设某款产品过去只需1分钟即可完成30项测试，而现在则需要1分45秒且需执行超过50项测试。虽然这些数字看似微小，但当测试时间和测试数量同时增加时，开发人员的验证矩阵将呈指数级而非线性增长。 其结果意味着要么同时增加验证测试和生产测试的数量，要么缩减测试矩阵的覆盖范围。一种选择会大幅增加单位成本，而另一种选择则会大幅增加运营风险。两者都不是理想的选择。
5. 面对测试时间和测试数量几乎翻倍的情况，企业应如何应对？
在是德科技，我们认为，虽然测试自动化软件是解决方案的一部分且确实必不可少，但仅靠它还远远不够。自动化的价值取决于其产生的分析和洞察。在福雷斯特（Forrester）的调查中，受访者透露，超过一半的时间里，他们的测试流程所涵盖的内容“超出了实际需求”。自动化虽然有助于缩短测试时间，但无法解决测试范围、质量和覆盖率的问题。 借助分析与洞察支持，实现智能且覆盖范围更广的测试序列自动化，将同时解决测试速度和测试覆盖范围这两个问题。
6. 是德科技正在采取哪些措施来应对这些复杂的测试难题？
是德科技构建了一个模型，用以阐释我们如何将深厚的测量专业知识与智能分析及洞察相结合，并利用这些洞察实现工作流自动化。这一端到端的流程被称为“智能自动化”。测量深度、分析与洞察以及工作流自动化这三大核心要素，构成了是德科技所提供每一款软件的核心。
Automating Intelligence 依托业内最先进的测量技术和仿真技术，提供更快速的洞察，帮助开发人员以更快的速度、更低的风险将产品推向市场。无论是测量电源和接地、波形信号质量、高速数据输入输出、网络完整性，还是应用程序交付，我们都致力于探索如何帮助客户加快开发进程。
随着各项技术之间的互联程度日益加深，以及产品所需的接口越来越多，是德科技将继续在以下方面提供支持：
- 在新工作流中实现智能洞察的自动化，
- 加快工程开发进程，并
- 将必要的测试自动化（利用进阶 的分析、人工智能和机器学习功能）。
7. 自动化将如何帮助解决这些挑战？
是德科技认为，所有这些因素——包括复杂性、可靠性、相互作用以及新技术推出的加速——为那些希望突破创新边界的企业呈现了一种新的开发范式：需要更广泛的自动化和数字孪生开发环境，以加快交付速度并提高产品质量。
硬件开发人员长期以来一直将仿真环境作为原型设计前的布局环节之一。通过使用仿真器 （即“数字孪生”），他们能够对照已知的可靠参考标准，评估不同运行环境、条件及协议演进所带来的影响，从而减少设计变量数量。同样，软件开发人员采用Scrum方法，并在仿真沙箱中进行测试，以较小的功能模块为单位逐步构建和部署新功能，同时限制变量数量。
产品交互日益复杂——通信协议不断演进、云平台持续升级、软件和固件持续更新——这些都给开发人员带来了切实的挑战，因为每一种变化都带来了一系列新的变量。尽可能利用自动化技术并采用持续更新的数字孪生，能帮助开发团队减少与其具体设计相关的变量。通过使用“已知良好”的数字孪生参考来减少设计变量，可以提高创新成果在实际应用中与开发人员设想一致的可能性。
8. 智能因素如何发挥作用？
如果您要建造一栋新办公楼，肯定会选择顶尖的建筑师和承包商。您依赖他们的智慧来衡量各个方面，并为您提供周到的设计方案。电子设备领域也是如此。测量系统越精准，构建测试系统的团队对系统的理解就越深入，您对测试结果的信任度也就越高。 随着复杂性和碎片化的指数级增长，我们必须从单纯的“收集数据”转向确保测量系统具备可依赖的智能，从而做出更明智的决策并获得更深入的洞察。新一代软件通过基于对实际应用的理解而开发的进阶 分析技术，以及能够持续处理数据、学习并进化以提升决策质量的人工智能算法，支持这一转变。这些可付诸行动的输出结果和洞察，为您的开发团队提供了更优的设计选择。 AI 提供的进阶 分析功能，使企业能够专注于对用户真正重要的内容，而非试图理解数据的方方面面。是德科技的智能自动化技术可检测任何可能存在的缺陷或漏洞。它能主动发现系统中的薄弱环节，并从用户角度确定关键测试点。所有这些都将带来竞争优势。
9. “自动化智能”方法能否缩短产品上市时间？
在我们委托进行的研究中，Forrester指出，影响产品上市时间的三项最重要因素分别是：跨团队共享数据、对当前测试和测量数据进行更深入的分析，以及贯穿产品开发生命周期的软件工具。这些因素共同作用，可以加快开发和验证速度，从而缩短产品上市周期。企业需要理解并解决这三个方面：
- 数据——是德科技认为，下一代软件需要在各个方面都进一步改进数据集成与共享：
- 物理方面——更准确的测量数据以及对行业标准的更深入理解
- 数字技术——仿真与仿真模拟，以及将数字孪生中的物理数据和数字数据结合起来，通过多源数据融合构建混合模型
- 更强大的分析能力——自动化是未来的发展趋势，但随着人工智能和机器学习的进步，结合对应用程序的深入了解，分析技术有望彻底改变测试组织，从而揭示真正的洞察。“该衡量什么”如今已成为许多人的关键障碍，因为复杂参数的组合方式正以前所未有的速度持续增加。
- 贯穿产品开发生命周期的软件工具——需要更高层次的工具，这些工具能够跟踪产品进展、消除设计与测试之间的人为壁垒，并实现工作流的自动化。
10. “智能自动化”与“人工智能”有什么区别？
人工智能仅仅是实现智能自动化所需的一个组成部分。 如何进行测量、如何进行分析，以及理解设计中相互独立的部分如何相互关联，对于智能地自动化任何设计、建造或运营都至关重要。虽然人工智能能够成功识别模式、群体、关系和结果，但在理解行业标准、频段、法规、测量限制、客户使用条件等方面的变化所产生的影响时，其表现仅取决于设计者的水平。这就是为什么更全面的“智能自动化”方法至关重要。
11. 目前有多少百分比的企业正在使用人工智能，未来人工智能的采用率将会如何？
我们欣喜地看到，作为“自动化智能”基础组件的人工智能采用率正在大幅提升。Forrester的研究显示，目前有16%的受访者正在使用人工智能来集成复杂的测试套件。在未来3年内，52%的受访企业（增幅达325%）表示正在考虑使用人工智能来集成复杂的测试套件。
12. 什么是成功？企业是否已做好准备？
调查结果凸显，对于开发人员而言，自动化与人工智能的“三重优势”体现在：生产力提升、产品功能/性能的模拟能力，以及缺陷修复的自动化与模拟。
此外，采用构成是德科技“自动化智能”方法论的创新测试自动化技术，还能带来更广泛的商业效益。这些效益包括：
- 质量更优的产品，能提升客户满意度
- 能够缩短产品上市时间
- 更敏捷、更高效的产品开发周期
目前，已经采用是德科技“自动化智能”方法的开发团队正在从中获益。以下是一些例子：
- 美国宇航局（NASA）在“猎户座”太空计划中采用了是德科技的智能测试自动化解决方案，以确保机载软件和设备能够按预期运行且无故障。通过部署智能自动化技术，美国宇航局能够加快其复杂且对任务至关重要的软件系统的交付进程，并提升其质量。
- 牛津大学医院国民医疗服务体系基金会信托（Oxford University Hospitals NHS Foundation Trust）因在医疗保健、培训和研究方面的卓越表现而享誉全球。该机构选择与是德科技（Keysight）合作，以实现回归测试的智能自动化、填充培训领域、自动化预约安排以及添加患者观察记录。自动化流程的可靠性、可预测性和一致性，帮助该医院提高了工作效率，并加快了测试进度。
- 富士胶片集团选择凯时（Keysight），以实现其医疗设备中嵌入式软件的自动化测试。该平台帮助该集团提高了效率，并确保了产品的高质量和可靠性。 在是德科技，我们同样是一群工程师，致力于开发更快、更智能、更安全的产品。无论产品开发涉及新兴电子技术、无线通信标准、高速数据传输、复杂的云网络，还是分布式应用交付，我们都专注于构建实验室自动化解决方案，这些方案依托人工智能（AI）和机器学习（ML）提供深入的分析，并采用旨在缩短开发周期、提升性能的测试自动化技术。