示波器接上 AI 之后：从底层算力到 MCP 仪器智能体

示波器 × AI · 观点观察

示波器接上 AI 之后：从底层算力、智能对话到 MCP 仪器智能体

Onetest仪器资源库 · 观点观察

onetest.net | 仪器资源库仪器资源聚合平台，助力仪器选型，三阶选型工具：条件筛选→搜索→AI智能选型，让用户选型更简单/高效；一个无差异主动免费持续收录全球电子测试仪器的平台，现已向仪器和配套等厂商提供免费入驻：上传和管理产品、新闻、知识库等；预计收录10万+仪器；12000+厂家；800+产品分类；涵盖射频/微波/毫米波/太赫兹、无线连接/通信、电磁频谱、电磁兼容、雷达/卫星、航空航天、光通信、广电、汽车电子、电子战、芯片、量子、数据中心/网络等测试仪器。

分享仪器/测试相关前沿资讯，提供全球仪器选型：

11 月 4 日，罗德与施瓦茨发布 MXO AI Connect，把 MXO 系列示波器接入 AI 客户端。工程师用自然语言下达任务，由模型转换为具体的仪器操作。

R&S为其 MXO 示波器注入人工智能辅助的设备智能（图源：罗德与施瓦茨）

01一个跑在本地的 MCP 服务器

MXO AI Connect 不驻留在仪器内。它是一个本地安装的模型上下文协议（MCP）服务器，运行在工程师的 PC 或实验室共享主机上，示波器端无需安装任何软件。

客户端可选用 Cursor、Claude Desktop、Claude Code 或 GitHub Copilot，大语言模型与数据处理策略同样由用户自定。

服务器内封装的是各型号专属的 MXO 帮助内容。AI 经 HiSLIP、VXI-11 或 TCP/IP 等标准 VISA 与仪器通信；R&S 明确，仪器通信始终限于本地环境。支持机型覆盖 MXO 3、MXO 4、MXO 5、MXO 5C 全系及 ScopeStudio 软件。AI 助手连接期间，示波器前面板仍可正常操作。

02R&S 划分的四类工作流

03与远程控制的区别

原文中有一句：MXO AI Connect 使「仪器工作流不再局限于传统远程控制」。

传统远程控制是工程师编写 SCPI 命令，仪器执行并返回数值；命令需要记忆、查阅手册、保证语法正确。仪器不关心任务目标，只执行指令。

MXO AI Connect 反转了这个顺序：先描述意图，AI 判断应执行的操作，再驱动仪器。

R&S 的实现思路是把用户所选模型的推理能力，与其仪器专属知识结合，使 AI 能准确理解意图、判断如何在特定型号上执行。只有模型，不知道这台仪器的耦合档位；只有厂商知识，听不懂「纹波有点大」这类非结构化描述。

R&S 数字与电源测试解决方案业务副总裁 Philip Diegmann 表示，AI 让工程师能更快从测量目标过渡到正确设置，并进一步延伸至分析与自动化，降低了复杂功能的使用门槛，也使仪器更易于接入更大的测试流程。

该软件隶属 R&S 仪器智能计划与 AI Workplace 平台，现已面向受支持的 MXO 示波器与 ScopeStudio 提供，2026 年慕尼黑电子展 A4.307 展台可现场体验。

04MCP 的背景

MCP（Model Context Protocol）由 Anthropic 于 2024 年 11 月发布，最初定位是为模型注入上下文的开源实验。

一年后，其月度 SDK 下载量达 9700 万次，活跃服务器 1 万个，ChatGPT、Claude、Cursor、Gemini、Microsoft Copilot、VS Code 均原生支持。2025 年 12 月 9 日，Anthropic 将 MCP 捐赠给 Linux Foundation 旗下的 Agentic AI Foundation，成为该基金会创始项目。Anthropic 的类比是「AI 应用的 USB-C 接口」。

对仪器行业，MCP 取代的是 SCPI 这一层。过去四十年，仪器对外通信依赖 SCPI 命令——MEAS:VPP? 之类的字符串，需要记忆、查手册、保证语法。其后出现的私有 API、LabVIEW 驱动、IVI，本质仍是人工编写命令、机器执行。

MCP 把接口语义从「命令」改为「意图」。模型无需掌握 TRIG:EDGE:LEV 如何设置，只需知道仪器具备边沿触发、测量功能与波形数据接口，其余自行组合。厂商的职责是把仪器能力描述清楚——MXO AI Connect 内置的设备专属知识，正是这一层。

05R&S 之前

R&S 并非第一家。往前五年，已有厂商落地。

2025 年 2 月，优利德

2 月 19 日，优利德上线 MSO8000HD 系列高分辨率示波器，搭载「小优 AI 助手」，为业内首款接入 DeepSeek 大模型的示波器。工程师以自然语言文本交互，可查询带宽与分析功能，也可令其按步骤配置仪器、辅助测量决策、检测信号异常。

优利德技术总监杨智忠的解释是，此前基于 AI 的信号分析缺乏对自然语言的理解，开源的 DeepSeek 降低了大语言模型的部署成本，使其成为可能。

公司 2022 年起布局 AI 信号分析，团队 30 人。2025 年初 DeepSeek 走热后，随即部署为企业 AI 基座，将积累的行业数据用于训练垂类智能体。

10 月，语音版「小优」上线：30000 余条专业数据集，训练 450 天、打磨 15 个月，语音识别准确率与测试功能覆盖率均超过 90%。支持的操作包括打开通道、保存波形、测量频率与幅值、测开关电源纹波、解码 I2C 信号等。

它解决的核心场景是双手持探头时无法操作旋钮。优利德计划后续从示波器扩展至频谱、网分、射频与矢量源，并自建模块化算法训练平台。

2025 年 7 月，NI

NI（现属 Emerson 测试测量）发布 Nigel AI Advisor，进入 LabVIEW 与 TestStand，用于测试代码环节而非仪器操作。该模型基于 NI 软件套件训练，可分析代码、给出修改建议，并以自然语言在 700 余个函数中定位工具。Emerson 称，搭载 Nigel 的软件版本为公司近十年采用最快的版本。

2025 年 10 月，万里眼

10 月 15 日，深圳市万里眼技术有限公司在湾芯展发布 90GHz 带宽超高速实时示波器：采样率 200GSa/s、存储 40 亿样点、18.5 英寸全面屏。

其「慧眼架构」由 T 级实时采集平台、超强算力平台、智能数据平台组成。机箱内集成 32 核通用处理器，官方称性能为业界标准的 4 倍，支持 300+ TFLOPS AI 算力及云端扩展。

这部分算力用于「智能参数寻优」：专用模型在 10 分钟内遍历一万种配置。官方案例是 112Gbps 高速接口芯片的调参，传统仪器需一至两周。高速信号的配置空间——均衡、预加重、采样相位、判决门限——组合数以万计，人工难以穷举，且数据量过大不宜外传。

万里眼 CEO 刘桑的表述是「用数学去补物理，用系统去补单点，用软件去补硬件」。

2026 年 3 月，是德

3 月 5 日，是德在北京发布 Infiniium XR8 实时示波器平台，首款产品 XR804KA。项目耗时四年、投入数百名工程师，底层操作软件一并重写。

硬件采用「单芯片」路线：前端 ASIC 整合前置放大器与模拟采样器，数字侧将 ADC、DSP、内存控制集成于单颗 SoC，原生 12 位。整机深度缩减 30%、功耗降至三分之一、噪声降低 4 倍。最高实时采样率 128GSa/s，存储 1Gpt 起、可扩至 8Gpts。

软件为全新的 Infiniium 2026 平台，多核并行下 PAM4 眼图分析提速 4 倍、SNDR 分析提速 10 倍；DDR5 测试由 40 分钟压缩至 13 分钟，DP 2.1 一致性由 7.5 小时压缩至 2.5 小时。

Script Recorder 将手动操作录制为自动化脚本；智能 SCPI 支持指令录屏与回放，并内置波形仿真。

软件层的 PathWave 进一步延伸：2021 年的 Waveform Analytics（KS6300A）以机器学习做异常检测，波形压缩 60%、传输提速 10 倍、工时减少 10 倍；2026 年 4 月 DesignCon 发布的 Signal Integrity AI Suite，在设计阶段预测 PCIe Gen 6、DDR5、USB4、800G 以太网、CXL 3.0 的合规结果——三家服务器 OEM 实测命中 94% 的后续失效，误报率低于 8%，验证周期最多缩短 60%。

是德电子工业解决方案事业部副总裁 Joachim Peerlings 在 DesignCon 上称，合规测试的复杂度已成为产品开发的瓶颈，AI 是维持设计速度的唯一可行路径。

2026 年 9 月，安立

9 月 17 日，安立宣布将在 EuMW 2026（10 月 6–8 日，伦敦）演示 Tensor，称其为世界第一台 AI 矢量网络分析仪，此前已在 IMS 2026 亮相。

Tensor 的 AI 内置于仪器，分两种形态：内置版离线运行，可直接在仪器上对话配置；联网版支持语音，用于控制仪器与设置测量。

现场演示流程：工程师先询问 Smith 圆图与增益压缩的原理，AI 解答后自动配置增益压缩测量——输出功率从 -10 dBm 调至 +5 dBm、自动缩放、完成测量，全程未接触面板。

覆盖范围包括放大器、混频器、S 参数、校准、limit-line、SCPI 命令与报告生成。硬件为四个内部源、八个接收机、可选第二本振、多源控制及测量向导。

安立营销总监 Navneet Kataria 将 Tensor 定位为「辅助、教学」，而非单纯的测试仪器。VNA 的测量对象比示波器复杂——S 参数、混频器、群时延、相位同步，单是 Smith 圆图就构成新手的入门门槛。

06仪器智能化

专业知识

安立那个演示里，工程师先问 Smith 圆图怎么读，AI 答完才动手配测量。知识在动手之前。

这些知识不是飘在模型参数里，而是有具体载体的。R&S 的载体是 MCP 服务器里那份型号专属的 MXO 帮助内容——AI 连上服务器，读到的是这台机器能干什么、参数什么范围。优利德的载体是端侧那个用 30000 条数据训练出来的模型。安立的载体是内置在 VNA 里的离线 AI。

融进智能体的越来越多的知识，测试过程不用再离开仪器。

还要和仪器状态联动。 AI 知道「MXO 5 有 4 个通道」不够，得知道「这台接的是 10:1 无源探头、正在测 800V 母线」，才能拦一句「这个探头不能直接上」。R&S 把 MCP 服务器放在本地、仪器通信不出实验室，为的就是这个联动能实时发生。

智能工作流

「测一下这个电源的纹波」背后是十余个动作：通道选择、AC/DC 耦合、垂直档位、时基、触发配置、20MHz 带宽限制开关、探头衰减比、测量项、判据。

每一步都有隐性错误：耦合选 DC 会叠加直流偏置；不限带宽会把开关噪声计入纹波，导致读数虚高；探头衰减比填错，整条曲线偏差十倍。

R&S 的「辅助配置」处理的就是这一层——把自然语言转译为仪器功能、设置与自动化方案，原文表述是减少「手动查阅文档或编码示例的需求」。

第四类「流程自动化」更难：AI 智能体协调仪器控制、分析方法与软件自动化，反复调整设置与代码，直到达成目标。反复，不是单次执行，而是失败后修改、再试。

内部处理

仪器内部、底层，本身就在用 AI 和算力。

万里眼的 90GHz 示波器，机箱里集成 32 核处理器与 300+ TFLOPS AI 算力，用专用模型 10 分钟遍历一万种配置。采样率 200GSa/s、存储 40 亿样点的数据量，只能在本地算。

优利德的语音识别放在端侧，在仪器上直接做，不上传；安立 Tensor 的内置版离线运行，仪器上直接对话。

是德 XR8 的 Script Recorder 把操作录成脚本，智能 SCPI 支持指令录屏与播放——手动做一遍测试，系统自动生成对应的 SCPI 指令，原本要几天写的自动化脚本，几分钟就能搞定；Infiniium 2026 靠多核并行把 PAM4、SNDR 分析速度拉起来。

再往下，现代示波器的数字触发、串行解码、自动测量，本身就是算法，一直在跑，现在也加上算力和AI，速度和效率更高。

R&S 把推理放在外部的 MCP 服务器，仪器内部这些处理照旧。智能不只在云端和外部，也在机箱里。

智能分析

传统流程是人工观察波形、发现异常、放大确认。

模型的路径不同。是德 2021 年的 PathWave Waveform Analytics 以机器学习检测异常——电压尖峰、电流毛刺、时序偏移，官方数据为波形压缩 60%、传输提速 10 倍、工时减少 10 倍。2026 年 4 月的 Signal Integrity AI Suite 更进一步，在设计阶段预测 PCIe Gen 6、DDR5、USB4、800G 以太网、CXL 3.0 的合规结果，三家服务器 OEM 实测命中 94%、误报低于 8%。

R&S 的表述是「测量结果审阅、波形特征识别、数据关联与行为评估」。

差异在「看多少」：人看一个波形，模型能同时看数万个波形与几十个参数的相关性，捕捉人工遗漏的模式。

上位机软件也在加

智能分析不只发生在仪器里。信号分析仪、软件无线电平台的上位机软件，也在往这个方向走。

是德的 PathWave Waveform Analytics 跑在 PC 上，不装在仪器里；泰克的 TekScope 也是 PC 软件，把波形分析和串行解码从仪器搬到电脑上做。

软件无线电平台走得更远。彬鸿、珞光、定为、璞致、威视锐、海曼无限这几家，把 AI 和 GPU/TPU 计算平台直接集成进设备，算法验证、数据采集、信号仿真都在本地跑。海外的 DeepWave、EPIQ Solutions 做的是集成 AI 边缘计算的软件无线电平台。

仪器负责把信号采下来，分析既可以在仪器里做，也可以在 PC 软件里做。现在两边都在加智能——R&S 把 AI 做成跑在电脑上的 MCP 服务器、而不是塞进仪器，跟这个趋势是一个方向。

智能进化出的自动化

是德的 Script Recorder 已经是雏形：手动操作录一遍、之后回放。但它记录的是「操作」而非「意图」——更换通道号、探头或机器，脚本需同步修改。

更彻底的方式是记录意图。本次为测纹波，条件是特定拓扑、探头与电压等级；下次拓扑相同、探头更换，AI 应能自行判断需要改动的步骤，其余照常运行。

优利德「企业测试经验可交给 AI 学习沉淀，变成专属知识库」的提法，指向同一件事——把资深工程师脑中的流程，转译为机器可重复执行的工作流。

反复调这半段，R&S 靠 AI 智能体协调仪器控制、分析方法与软件自动化，反复调整设置与代码直到达成目标；是德的合规套件在测试中持续监控测量质量——探头接触退化、环境干扰、夹具伪影，发现问题自动补偿或暂停报警。

难在三点。

第一，判断「没测到」与「测错了」。波形异常可能是器件损坏，也可能是探头接触不良，处理方式截然相反。

第二，改动的不只是单个参数，而是整条流程。调整触发条件可能连带影响时基、采样率与判据。

第三，沉淀的流程必须可复用。换一个被测件即失效的脚本没有价值；能随条件调整的流程，才算真正完成。

当前产品大多停在「单次执行」，能自行迭代者少，能把迭代结果沉淀为可复用工作流者更少。

07各家推出的时间

08结尾

仪器是工业生产的倍增器。

过去，这个倍增器靠精度——测得准，产品才能做得好。现在多了一层，测得快、省人力。90GHz 示波器配 300 TFLOPS 算力，10 分钟干完过去两周的活；语音助手让新手不用背菜单。

变的还有谁做判断。以前人操作仪器、仪器出数据、人做判断。现在仪器开始自己判断一部分，人只需要说清楚要什么。

R&S 发布稿里有一句：MXO AI Connect 使「仪器工作流不再局限于传统远程控制」。

传统远程控制是「我让你做什么你就做什么」。现在是「我告诉你我要什么，你自己想办法」。

onetest仪器资源库专属测试交流社群，分类群：无线通信/连接、电磁频谱、雷达、卫星、汽车电子、芯片、光通信、网络、量子、高速总线等领域，只聊测试相关问题和测试知识分享，扫码添加小助手，发送「公司+群分类方向」申请入群～