2025年10月23日,淼森波与泰克科技联合实验室今日在北京正式揭牌。
双方表示,将共同打造面向中小型硬件企业的开放式测试创新平台,通过共享设备、联合研发与标准化验证,助力中国本土电子研发与测试能力实现高质量跃升。
作为淼森波“为中小型企业降低成本,提高工作效率”服务理念的进一步落地,联合实验室将依托其自2017年运营的智能硬件共享实验室基础,整合泰克科技全球领先的测试测量技术,为汽车电子、智能医疗、工业电子等多个领域的客户提供更专业、更高效的研发支持。

淼森波创始人兼CEO邓桂才强调,“硬件创新的关键,不仅是想法,更是验证的能力。我们希望通过联合实验室,让先进的测试资源真正触达到每一位工程师。”
泰克科技中国区技术总监张欣指出,“泰克始终致力于让工程师以更低门槛、更高效率完成高精度测试。我们希望通过与淼森波的合作,把世界级的测量技术带到更多中国创新企业。”
泰克科技北方区销售总监焦保春坦言,尽管当前全球经贸环境存在不确定性,泰克“在中国,为中国”的承诺坚定不移。在两个月前我们将更多产品转移至中国生产,以控制客户成本。
共建初心:为硬件创新降本增效

淼森波长期致力于通过共享实验室与外包测试服务,降低中小企业的研发门槛。此次与泰克的战略合作,将共享理念与国际一流测试技术深度融合,构建覆盖信号完整性、电源完整性与接口一致性的全流程测试能力,具体包括:
正如淼森波实验室负责人邓总介绍:“Tektronix 是我们长期合作的核心设备品牌,实验室从基础的4通道示波器到33GHz带宽的高速实时示波器,基本覆盖了Tektronix主流的测试产品线。比如在PCIe Gen5测试中,泰克示波器的DPOJET和SDLA链路方案,提供信号分析能力和抖动分离算法,能帮我们精准拆解随机抖动(RJ)与确定性抖动(DJ),这对芯片设计企业验证产品是否符合行业标准至关重要。”
但光有好设备还不够,淼森波实验室的核心优势在于 “设备 + 经验” 的结合。邓总表示,其团队拥有平均 15年以上的高速设计、研发和测试经验,熟悉不同行业客户的 “痛点”—— 比如消费类电子企业追求测试效率,会提前预制好手机、平板常用的 MIPI 测试模板;芯片设计公司注重测试覆盖度,实验室会结合泰克的方案,额外增加 “白盒测试” 环节,不仅验证产品的外部性能,还会深入分析内部信号链路的稳定性。可以说,Tektronix 的设备为淼森波实验室提供了 “精准捕捉信号” 的基础,而淼森波团队的经验则让这些设备的价值最大化,形成了针对性更强的系统测试服务。
技术融合:泰克高速总线测试方案全面落地

作为联合实验室的核心技术支撑,泰克高速总线测试解决方案将以场景化适配为特色,全面覆盖芯片间互联、显示总线、通用数据传输及系统互联等关键领域:
合作共赢:打造开放、共享、可持续的测试生态
联合实验室的成立,不仅是一次资源整合,更是推动本土测试能力标准化、普及化的重要举措。未来,双方将围绕以下方向持续深化合作:
邓桂才表示:“我们打造‘全链条测试能力’,就是为了让客户‘一站式’解决问题,从接口测试到环境验证,从性能分析到故障调试,在淼森波就能完成所有关键环节的验证。我们的目标不是‘完成一次测试’,而是‘帮助客户顺利把产品推向市场’。”
从研发验证到量产落地,淼森波与泰克科技联合实验室将持续以“开放、专业、共赢”为核心理念,为中国硬件产业提供更可靠、更高效的测试支撑,让每一个创新者都能拥有世界级的测试能力。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。