十年前，当简仪科技成立时，国内测试测量市场仍以国际品牌为主导。在模块仪器和数据采集领域，本土企业既缺少成熟的软件生态，也缺少能够支撑长期发展的平台化能力。
在简仪科技创始人兼总经理陈大庞博士看来，中国作为制造业大国，应该建立属于自己的测试测量体系。正是基于这一判断，简仪从成立之初便选择了一条并不轻松的发展路径：优先建设软件体系，再逐步完善硬件能力，并坚持掌握软件主导权。
十年后的今天，简仪不仅完成了从创业公司到模块仪器代表性厂商的成长，也逐步建立起覆盖软件、硬件和开源生态的完整体系。与此同时，人工智能的快速发展又为这家长期押注软件能力的企业带来了新的机遇。
简仪科技十周年大会上，陈大庞用一个有趣的说法概括这一变化：过去简仪所说的AI是Analog Input（模拟输入），如今则增加了Artificial Intelligence（人工智能）的含义。AI+AI的结合，正在成为简仪下一阶段发展的重要方向。
软件定义仪器的十年深耕
长期以来，测试测量行业习惯用采样率、分辨率、带宽等参数衡量产品能力。但对用户而言，购买硬件并非最终目的，真正关心的是如何更快完成测试任务、缩短开发周期并降低维护成本。而这些问题的解决，很大程度上依赖于软件平台和开发体系的完善程度。
基于这一思路，简仪十年来先后建立了开源锐视测控平台®，提出并持续完善MISD（模块仪器软件词典）规范，推动测试测量软件接口标准化。简仪从一开始便采用面向对象的方式设计驱动架构，所有板卡功能均按照属性和方法进行定义，不同产品遵循统一的软件逻辑。对于工程师而言，掌握少量产品的使用方法后，便能够较快迁移到其他产品，这也是平台化能力的重要体现。
对于一家创业企业而言，这样的投入并不轻松。软件体系建设周期长、见效慢，却需要持续投入，而这恰恰也是模块仪器厂商形成长期竞争优势的重要来源。某种程度上，这种对软件能力的持续投入，也反映了简仪对测试测量本质的理解。
随后的2019年，简仪提出“回归精度”的理念。相比单纯强调16位、24位等分辨率指标，简仪主张测试测量应以明确的精度指标和PPM (Parts Per Million) 标注为核心。近年来越来越多国际厂商开始采用类似方式描述产品性能，这也反映出行业竞争正在从参数竞争逐步转向实际测量能力竞争。
相比软件建设，硬件能力的形成则显得更加漫长。从2016年到2025年，简仪用了近九年时间逐步完成250 MS/s以下通用测试测量硬件平台的覆盖。在陈大庞看来，真正耗时的并非单个硬件产品开发，而是软硬件协同、驱动适配以及大量应用场景验证。直到2025年，这套长期投入的软件与硬件体系才开始产生明显的商业回报。
与此同时，国产化与跨平台布局也是简仪近年来的重点方向。据现场介绍，简仪已从PXIe控制器、机箱到各类模块完成软硬件全栈适配，搭载国产CPU的控制器方案已支持银河麒麟等国产操作系统。在软件层面，其自主研发的跨平台面向对象驱动架构FirmDrive®统一支持C#、C++、Python等多种开发语言，并通过MISD规范保证了不同编程语言下接口的一致性，有效降低了用户的开发和迁移成本。针对高端工业测控和精密测试场景中的实时性需求，简仪还完成了银河麒麟+Preempt RT实时系统方案适配，并通过长时间稳定性测试验证了系统的低延迟与高可靠性。在自主可控需求不断提升的背景下，这些能力展现了简仪从硬件、驱动到应用软件的完整支撑能力。
在产品质量保障方面，简仪自主研发的自动化测试框架TestFlow也发挥了关键作用。该框架将传统繁琐、易错的手动测试转化为标准化、自动化的测试体系，目前已覆盖简仪228种产品型号，累计执行超过78万项测试记录，为产品质量分析、工艺优化和持续改进提供了坚实的数据基础。
可以看出，这十年里，从软件规范、驱动体系到硬件产品布局，简仪逐步搭建起覆盖开发、部署和应用的完整测控体系。在数据采集和模块仪器这个细分赛道上，简仪已经具备了与世界知名品牌掰手腕的能力。
当AI开始理解测试测量
如果说过去十年测试测量行业的重要变化是软件定义仪器，那么过去两年最受关注的新变量无疑是人工智能。
大模型正在快速改变代码生成、知识检索和文档编写等工作方式，但对于测试测量行业而言，一个现实问题始终存在：AI能够编写通用代码，却未必理解测试测量。采样率如何选择、同步机制如何配置、不同模块之间如何匹配，这些都属于高度专业化的工程知识。缺乏行业知识支撑，再强大的通用模型也难以直接解决实际工程问题。
这正是简仪此次十周年大会重点展示的内容。
在现场演示中，简仪以金刚石NV色心量子探测装置为真实应用场景，借助自然语言和AI工具，通过PXIe-9511动态信号采集模块、PXIe-4611射频矢量收发模块及锐视测控软硬件平台，完成了传感采集方案选择、范例检索、代码生成、程序调试和文档完善等全流程操作。
演示过程中的核心能力，来自简仪此次展示的JYPEDIA-AI。按照现场介绍，JYPEDIA-AI建立在简仪十年来积累的产品资料、技术文档、应用案例、Skill和范例基础之上，通过结构化整理形成适合AI调用的知识体系。用现场演示者的话说，JYPEDIA是给工程师看的，而JYPEDIA-AI则是给AI看的。
在此基础上，简仪正式发布SeeSharp Coding锐视编程法。与传统开发方式相比，锐视编程法更强调通过自然语言描述需求，由AI辅助完成选型、代码生成、文档整理等工作。需要强调的是，这并不是简单的“AI写代码”，而是简仪长期构建的标准化工具链与知识体系面向AI时代的系统升级。虽然最终程序仍需要工程师验证和调试，但开发流程已经发生根本变化：过去是工程师学习软件规则，现在则是软件开始尝试理解工程师的语言。
这种变化背后，反映出工业AI发展的重要趋势。随着基础大模型能力逐渐趋同，真正形成差异化竞争力的往往不再是模型本身，而是行业知识。谁能够将产品知识、工程经验和应用案例沉淀为结构化数据，谁就更有可能让AI真正理解自己的行业。从这个角度看，MISD规范、面向对象驱动架构FirmDrive®以及大量技术文档积累，不仅是简仪过去十年的软件资产，也成为其进入AI时代的重要基础。
在更深层的技术层面，简仪还在持续探索硬件与算法的协同创新。其OSP（Onboard Signal Processing）技术借助数据采集模块板载FPGA实现实时数字信号处理，在板卡端完成过采样、数字滤波、实时频谱、非线性校准等任务，从而实现更高吞吐、更低延迟的测量能力。该技术已应用于JY-9511动态信号采集模块、JY-9817高速数字化仪等多款产品，体现了简仪在硬件架构和算法积累上的持续投入。
当然，陈大庞对AI的态度并非盲目乐观。在他看来，人工智能能够显著提升效率，但并不能替代工程判断。模型给出的答案仍需要验证，不同模型之间甚至可能出现差异。对于工程师而言，AI更像是一位能够快速查找资料、生成方案和辅助开发的助手，而不是最终决策者。
结语
简仪的十年，是蛰伏与探索的十年。他们守着模块仪器必须有自己的软件这条铁律，也终于等来了AI与测试测量深度融合的时代。在工控网看来，简仪十年的意义远不止于产品与技术的突破。作为长期关注测试测量行业发展的媒体，我们见证了这家公司从初创时的孤勇，到软件体系的搭建，再到今天AI能力落地的全过程。而陈大庞，这位自称幸运的老法师，用十年时间证明了一件事：在中国做软件平台，需要足够长的耐心和足够精准的押注。
对于整个行业而言，此次十周年发布会释放出的信号或许比新产品本身更值得关注。当AI开始理解仪器、理解测试流程、理解工程知识，测试测量行业的竞争维度也正在发生变化。未来决定企业差异化能力的，不仅是硬件性能和软件平台，还包括知识体系的积累与智能化能力的构建。
