從堆設備到造平臺，這家企業正在顛覆測試測量方式

在AI算力爆發與后摩爾時代疊加的背景下，半導體系統的復雜度正被不斷推高，更高帶寬的光互連、更高頻率的信號鏈路，以及多芯片異構集成的系統級協同設計，持續抬升著測試與測量的門檻。與之形成反差的是，傳統以單一功能儀器為核心的實驗室架構卻日益顯露疲態，效率受限、擴展困難，也愈發難以支撐復雜系統級驗證的需求。

這種技術需求與測試工具的錯位，在2026年3月的上海慕尼黑光博會上體現得尤為直觀。展會現場，圍繞光通信、硅光技術、先進封裝等產業鏈關鍵方向，各企業紛紛亮出下一代技術路徑與創新成果；而這些更復雜、更精密的系統，也在反向倒逼測試測量工具突破能力邊界，尋求更高效、更靈活的解決方案。

在本屆光博會上，精密軟件定義儀器公司Liquid Instruments為行業帶來了最新一代硬件平臺Moku:Delta，其將示波器、鎖相放大器、頻譜分析儀等多種常用儀器整合進單一平臺，并依托FPGA與軟件定義架構，實現按需生成儀器的核心能力，從底層重構了測試系統的使用方式。

展會現場，半導體行業觀察與Liquid Instruments CEO Daniel Shaddock展開了深度交流，圍繞測試測量設備的演進路徑，以及其如何更好適配半導體產業前沿需求進行了深入探討。

從太空實驗室到測試測量行業

和不少知名企業一樣，Liquid Instruments 的誕生，也源于對一項技術的深耕。Daniel Shaddock表示：“這家公司脫胎于我在NASA與澳大利亞國立大學帶領的科研團隊，我們當時主攻全球頂尖的高精密探測技術——引力波探測。”

引力波是愛因斯坦在上世紀初預言的時空漣漪，由黑洞合并等極端天體事件引發。探測它意味著測量極其微小的距離變化——強引力波經過地球時，對地日距離造成的形變甚至不及一個氫原子直徑。

Shaddock在NASA噴氣推進實驗室任職期間，參與了LISA（激光干涉儀空間天線）任務的干涉儀研發，以及GRACE Follow-On衛星項目，將這些太空任務與商業儀器連接起來的，是一塊FPGA芯片。為滿足LISA探測器的性能指標，團隊選擇了基于FPGA的相位計架構——這是當時唯一可行的技術路徑。但在實際使用中他們發現，同一塊芯片通過重新配置，可以在示波器、頻譜分析儀等不同儀器功能之間自由切換。

“我們意識到，手里的這項技術，其實比實驗室里任何一臺單獨的儀器都要強大得多，”Shaddock說道，“在科研中，我們已經驗證這類能力是可以實現的，但為什么在工程領域卻幾乎沒有人嘗試這樣去做呢？”

這個問題，最終催生了Liquid Instruments。Shaddock將這套源自引力波探測的精密測量技術體系帶出了太空實驗室，轉向一個同樣亟需變革的領域：覆蓋電子與半導體產業的測試測量領域。

和許多工程師想象的不一樣，測試實驗臺上往往堆滿了來自不同廠商的專用儀器，示波器、鎖相放大器、PID控制器、頻譜分析儀各自為政，通過繁瑣的線纜連接，彼此之間存在時序誤差與信號干擾。一旦測試需求改變，就意味著重新采購、重新布線、重新配置，時間與金錢空耗在這種碎片化環境中。

這種困境在英特爾實驗室硅光研究中也有體現：為硅基光電異質集成芯片上的多個相位調制器尋找最優偏置條件，需要多維掃描與復雜測試流程。研究人員Guan-lin Su博士描述過這種無奈：傳統方案依賴多臺臺式儀器堆疊，布線復雜、占用空間巨大，“通常需要數百個步驟來進行收斂”——而整個過程缺少直觀的可視化界面，協作效率極低。

事實上，測試測量這個行業最早可以追溯到1930年代惠普開始生產振蕩器，但其在過去數十年里幾乎沒有發生真正意義上的創新，一個在1970年代使用過示波器的工程師，走進今天的實驗室，會發現這些設備依然如此熟悉。這與其他高科技行業的飛速演進形成了鮮明反差。

用軟件定義一切

Liquid Instruments給出的解法，來自于引力波探測中磨礪出的技術直覺。

“所有傳統儀器歸根結底都依賴電壓輸入與電壓輸出這一底層共性，既然如此，為什么不用一塊高性能FPGA取代那一張張布滿分立器件的專用電路板？”Shaddock在交流中一針見血地指出。

這正是Moku平臺“可重構硬件 + 軟件定義儀器”架構的本質。FPGA的實時數字信號處理能力，使同一套硬件能夠在數毫秒內切換運行模式；而軟件層則將復雜的儀器配置抽象為可視化操作，大幅降低使用門檻。

最新一代旗艦Moku:Delta將這一理念推向新高度：搭載Xilinx UltraScale+ RFSoC FPGA，提供2GHz瞬時帶寬與5GSa/s采樣速率，配備8通道模擬輸入輸出與32路數字DIO通道，本底噪聲低于10 nV/√Hz。單臺設備支持15種以上儀器功能同時運行多達8種，儀器組合可能性超過20億種——而這一切被壓縮在一個不到2U高度的機箱中。

平臺內部，一條高達160 Gb/s的數字總線讓信號在不同儀器槽位間無縫流轉，徹底消除了外部物理線纜引入的相位偏移與寄生效應。這不只是參數層面的提升，而是一種測試架構思路的根本轉變——從“多設備拼接”走向“單平臺內生”。

這種架構優勢，已經逐步被復雜的半導體制造與檢測環節中采用。在英特爾實驗室的硅光研究中，借助Moku的多儀器并行模式，研究團隊在同一硬件上同時運行兩個鎖相放大器與兩個PID控制器，配合內部無損數字互連，“在幾次迭代中就能完成傳統方案需要數百步才能收斂的工作”。

而在AMD晶圓缺陷檢測的實踐中，可重構性的意義更為深刻。面對如何在復雜背景噪聲下提取極微弱故障信號這一挑戰，AMD團隊充分利用了Moku平臺既作測試儀器、又作可編程信號處理架構的雙重身份：在頻域映射條件下使用鎖相放大器進行快速掃描，而遇到復雜信號背景時則切換至雙Boxcar平均器提取時域分量。團隊在FPGA內部署的實時移動平均濾波器在312.5 MHz時鐘下運行，延遲僅224納秒，將信噪比提升了約16倍。

更進一步，他們還將預訓練的四層自編碼器神經網絡直接部署到FPGA信號鏈路中，實現了對目標信號的實時特征恢復與深度降噪——這已不是傳統意義上的測試儀器，而是一個具備在線AI推理能力的智能測量節點。

一款按需生成的儀器

如果說可重構硬件解決了靈活性問題，那么Liquid Instruments在本屆光博會上發布的“生成式儀器”（Generative Instrumentation），則直指測試領域一個更根本的痛點——定制化儀器的開發周期。

在傳統路徑下，工程師需要編寫硬件描述語言（HDL）代碼才能在FPGA上實現自定義算法，這一門檻將絕大多數終端用戶拒之門外。一個專用測試儀器的開發，往往以月為單位。即便是基于現成平臺的二次開發，從需求描述到驗證部署，也需要數周時間。

生成式儀器的做法是：用自然語言代替HDL。用戶只需描述測量需求，AI系統便能自動完成架構設計、HDL代碼生成、功能驗證，直至將定制化儀器部署到硬件中。以卡爾曼濾波器開發為例，這一流程在分鐘級內即可完成，涵蓋完整的架構設計與20項功能測試。

值得關注的是，傳統儀器的軟件僅停留在表層，不過是依附于固有硬件架構的簡易操作界面，無法觸及核心底層。而Moku平臺從設計之初就打通了全鏈路：軟件能夠深度嵌入設備核心，從根源實現硬件架構的重構與配置。這正是Liquid Instruments能夠實現生成式儀器的關鍵前提——當軟件與硬件之間沒有不可逾越的壁壘，AI才能真正改變儀器本身，而不只是改變一個對話框。

這與當前市面上大多數儀器AI助手有著本質區別。后者更像是一個知識庫問答系統，幫助用戶查詢操作手冊；而生成式儀器直接輸出可運行的硬件配置，將工程師從代碼編寫中解放出來，讓他們的精力集中在真正需要人類判斷的問題上。

談到AI與精密測量的結合，Shaddock表現得頗為克制：“我們讓AI參與儀器的設計與實現過程，由它生成和驗證代碼，降低編程門檻，承擔大量復雜且重復的工作，而工程師則專注于測試目標的定義，兩者協同配合，在保證測量可信度的同時，也顯著提升了整體測試效率。”這種分工邏輯，與他在引力波研究中對測量可信度的執念一脈相承。

參數之外，體驗本身就是競爭力

在測試測量行業，討論儀器往往從規格表開始：帶寬、采樣率、動態范圍……這些數字固然重要，但Liquid Instruments越來越清晰地認識到，性能參數只是起點，最終落地的價值是工程師的效率。

Shaddock在交流中說得非常直接：“我們真正的用戶不是公司，是工程師。他們每天在解決真實的技術難題，我們的工作是不讓儀器本身成為額外的障礙。”

這種視角決定了Moku平臺的產品邏輯：保存/加載配置功能讓團隊間共享測試方案成為一鍵操作；多儀器并行模式消除了設備間的時序誤差；可編程信號處理架構讓復雜算法的迭代從重新采購硬件變為更新軟件。

從宏觀上看，這場變革的意義不止于某一家公司。測試測量是一個運行超過50年的成熟硬件市場，但軟件定義與可重構架構正在重塑它的底層邏輯，就像傳統汽車企業在向電動化轉型時所遭遇的挑戰一樣，那些深度綁定于固有硬件架構的巨頭，將很難以同樣的敏捷度完成這種范式遷移。

而對于工程師個體而言，這場遷移帶來的是更直接的解放。生成式儀器將定制測量系統的開發周期從數月壓縮至數分鐘量級，讓即便沒有HDL背景的工程師也能按需構建專屬儀器。這不是一個可選項，而是面對CPO、先進封裝、量子計算等新興前沿領域日益碎片化測試需求時的必然應答。

*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯系半導體行業觀察。

今天是《半導體行業觀察》為您分享的第4370內容，歡迎關注。

加星標??第一時間看推送

求推薦