昨天有人加我微信第一句话是LabVIEW 快淘汰了吧我看新闻都这么说。我问他看的哪篇。他发来一个链接标题大概是AI 时代图形化编程已死这一类。我点开看了两段就关了——通篇没有一个版本号没有一个客户案例没有一条能查证的发布记录。我没跟他吵只回了他三样东西LabVIEW 2026 Q1 的发布公告、2026 Q3 的更新清单还有一段 2022 年同行评审论文里的实测数据。他看完回了一句那为什么网上都说要淘汰这篇文章就把这三样东西摊开讲清楚。01 判断一个工具死没死只看两条硬指标网上判断技术死活的逻辑基本是我身边没人用了招聘网站上岗位少了。这两条都不算数因为它们是体感不是事实。真正能判死的只有两条第一厂商还发不发版。停止发版才是产品进入维护期的标志。LabVIEW 现在是 Q1、Q3 一年两次的节奏2026 Q1 在一月发布2026 Q3 在七月发布节奏没断过。第二存量系统还在不在跑。一套测试系统从立项到报废寿命常常是十年以上。产线上的台架、院所里的试验台、工厂里的老化测试柜代码写完之后很少重写只会改造、扩容、迁移。这两条一条都没成立。判断一个工具死没死只看两条硬指标02 2026 Q3 更新了什么这才是投入的证据不谈情怀直接看清单。LabVIEW 2026 Q3 的新增能力包括用提示词生成 VI在 Nigel 聊天窗口里描述需求让它生成 VI 框架UTF-8 字符串编码一套程序做多语言界面不用再跟编码问题纠缠.NET 8.0 支持 Linux部署环境不再死绑 WindowsPython 3.13、3.14 支持跟着 Python 版本节奏走自动生成 SBOM 文件供应链合规这是给受监管行业准备的CI/CD 与 Docker 无头构建能进流水线不再只能靠人坐在电脑前点2026 Q1 也没闲着代码补全、按项目结构回答问题的 AI 助手、Web 浏览器前面板控件、Windows Docker 容器、VI 比较功能重做、无头模式跑 Masscompile。一个快淘汰的产品不会去补 UTF-8不会去做 SBOM更不会去做 Docker 无头构建。这些功能服务的都是长期在产线上跑的项目。顺带说一句背景2023 年艾默生以 82 亿美元完成对 NI 的收购NI 成为其测试与测量业务部门。收购之后不是收缩而是把 AI 助手 Nigel 首发放在了 LabVIEW 和 TestStand 上。如果真要放弃这条产品线第一笔砍掉的应该是市场费用不会是先加一个 AI 团队。2026 年 Q1/Q3 发版记录一年两次没断过03 AI 不是替代者它现在是 LabVIEW 里的一个入口这是最容易被误读的一点。很多人看到AI 能写代码就推出图形化编程没用了。但现实是反过来的2026 Q3 让 AI 直接生成 VI意味着 AI 变成了 LabVIEW 内部的一个生产力工具而不是它的掘墓人。而且 NI 自己在发布说明里写得很克制生成 VI 时Nigel 仅支持部分 LabVIEW 功能。为什么只能支持一部分因为一段能上产线的 LabVIEW 程序难点从来不在语法。难的是这些这个采集循环的抖动必须小于多少微秒这段 FPGA 逻辑放在哪个时钟域跨时钟域怎么握手模块的建立时间、通道间延迟、触发同步怎么对齐出错的时候状态机怎么回退硬件怎么安全停机这些信息不在代码里在你的硬件手册、你的工艺要求和你的现场经验里。AI 不知道你机箱里插的是哪块模块也不知道你这条产线的节拍。它能帮你搭骨架画不出保证确定性的时序。04 Python 确实强但它强在另一条赛道我不否认 Python。生态、库、招聘池、免费这些都是实打实的优势做数据分析、做算法验证、做上位机脚本Python 是更好的选择。但更强和能替代是两件事。2022 年有一篇同行评审论文做过实测同一个数据采集与实时控制实验分别用四种语言实现完成时间是这样的——LabVIEW 365.69 秒MATLAB 623.83 秒C 1252.03 秒Python 1505.54 秒。在同一套实验里Python 的耗时是 LabVIEW 的四倍多。论文同时也承认了 Python 的优点占用内存最少建立硬件接口最快。同一套采集与实时控制实验四种语言完成时间实测对比这就是真实的分工LabVIEW 管采集、管时序、管硬件握手Python 管分析、管建模、管报告。而且这两件事不用二选一——LabVIEW 的框图里可以直接放 Python 节点也可以调 MATLAB、调 C。真正会用的人早就在混着用了。只有没在实际项目里跑过确定性回路的人才会把这件事当成站队。不是替代是分工LabVIEW 与 Python 各管一段05 说淘汰的人看的是招聘网站做项目的人看的是产线一个很现实的对比招聘网站反映的是新增需求而且滞后、片面、容易被单一行业带偏。产线反映的是在跑的系统那才是真实的需求总量。一套 2015 年建的测试系统2026 年还在跑它带来的需求不是再招一个 LabVIEW 工程师而是这套系统要加两路信号接口协议换了帮我们改。这类需求不会出现在招聘网站上但它构成了这个行业最稳定的一块收入。改造、扩容、迁移、维护全是活。而且新项目也没有停半导体测试、新能源汽车、商业航天、AI 数据中心的光电测试这些领域的测试台架很多还是 LabVIEW 在跑前端。06 真正的风险不是 LabVIEW 被淘汰说了这么多我并不是想说学 LabVIEW 就高枕无忧。恰恰相反这个行业里被淘汰的从来不是工具是人。被淘汰的是这三种人只会拖控件的人。能照着教程拼出一个能跑的界面但说不清数据流怎么走一上并发就出竞争条件。不懂硬件的人。只会调 VI不知道信号怎么进来、延迟出在哪、接地和屏蔽为什么影响读数。不会做架构的人。程序一长就乱加个功能就要推翻重写最后只能靠加班填坑。工具在进步AI 在进步这三类人的空间只会越来越小。反过来能把现场需求翻译成架构、能把设备连起来跑通、能对结果负责的人议价权只会越来越高。写在最后我最后回了他一句话你担心的不是 LabVIEW 淘汰是你手上那点技能被淘汰。这两件事不一样解法也不一样。他沉默了半小时然后问我那现在学还来得及吗我说来得及但别再从头背控件了先去搞懂一个真实的采集系统是怎么跑起来的。你手上现在维护的系统是哪一年建的用的哪个版本评论区聊聊我看看有多少人还在跑老系统。#LabVIEW #测试测量 #图形化编程 #工业自动化 #系统集成
昨天有人加我微信第一句话是LabVIEW 快淘汰了吧我看新闻都这么说。我问他看的哪篇。他发来一个链接标题大概是AI 时代图形化编程已死这一类。我点开看了两段就关了——通篇没有一个版本号没有一个客户案例没有一条能查证的发布记录。我没跟他吵只回了他三样东西LabVIEW 2026 Q1 的发布公告、2026 Q3 的更新清单还有一段 2022 年同行评审论文里的实测数据。他看完回了一句那为什么网上都说要淘汰这篇文章就把这三样东西摊开讲清楚。01 判断一个工具死没死只看两条硬指标网上判断技术死活的逻辑基本是我身边没人用了招聘网站上岗位少了。这两条都不算数因为它们是体感不是事实。真正能判死的只有两条第一厂商还发不发版。停止发版才是产品进入维护期的标志。LabVIEW 现在是 Q1、Q3 一年两次的节奏2026 Q1 在一月发布2026 Q3 在七月发布节奏没断过。第二存量系统还在不在跑。一套测试系统从立项到报废寿命常常是十年以上。产线上的台架、院所里的试验台、工厂里的老化测试柜代码写完之后很少重写只会改造、扩容、迁移。这两条一条都没成立。判断一个工具死没死只看两条硬指标02 2026 Q3 更新了什么这才是投入的证据不谈情怀直接看清单。LabVIEW 2026 Q3 的新增能力包括用提示词生成 VI在 Nigel 聊天窗口里描述需求让它生成 VI 框架UTF-8 字符串编码一套程序做多语言界面不用再跟编码问题纠缠.NET 8.0 支持 Linux部署环境不再死绑 WindowsPython 3.13、3.14 支持跟着 Python 版本节奏走自动生成 SBOM 文件供应链合规这是给受监管行业准备的CI/CD 与 Docker 无头构建能进流水线不再只能靠人坐在电脑前点2026 Q1 也没闲着代码补全、按项目结构回答问题的 AI 助手、Web 浏览器前面板控件、Windows Docker 容器、VI 比较功能重做、无头模式跑 Masscompile。一个快淘汰的产品不会去补 UTF-8不会去做 SBOM更不会去做 Docker 无头构建。这些功能服务的都是长期在产线上跑的项目。顺带说一句背景2023 年艾默生以 82 亿美元完成对 NI 的收购NI 成为其测试与测量业务部门。收购之后不是收缩而是把 AI 助手 Nigel 首发放在了 LabVIEW 和 TestStand 上。如果真要放弃这条产品线第一笔砍掉的应该是市场费用不会是先加一个 AI 团队。2026 年 Q1/Q3 发版记录一年两次没断过03 AI 不是替代者它现在是 LabVIEW 里的一个入口这是最容易被误读的一点。很多人看到AI 能写代码就推出图形化编程没用了。但现实是反过来的2026 Q3 让 AI 直接生成 VI意味着 AI 变成了 LabVIEW 内部的一个生产力工具而不是它的掘墓人。而且 NI 自己在发布说明里写得很克制生成 VI 时Nigel 仅支持部分 LabVIEW 功能。为什么只能支持一部分因为一段能上产线的 LabVIEW 程序难点从来不在语法。难的是这些这个采集循环的抖动必须小于多少微秒这段 FPGA 逻辑放在哪个时钟域跨时钟域怎么握手模块的建立时间、通道间延迟、触发同步怎么对齐出错的时候状态机怎么回退硬件怎么安全停机这些信息不在代码里在你的硬件手册、你的工艺要求和你的现场经验里。AI 不知道你机箱里插的是哪块模块也不知道你这条产线的节拍。它能帮你搭骨架画不出保证确定性的时序。04 Python 确实强但它强在另一条赛道我不否认 Python。生态、库、招聘池、免费这些都是实打实的优势做数据分析、做算法验证、做上位机脚本Python 是更好的选择。但更强和能替代是两件事。2022 年有一篇同行评审论文做过实测同一个数据采集与实时控制实验分别用四种语言实现完成时间是这样的——LabVIEW 365.69 秒MATLAB 623.83 秒C 1252.03 秒Python 1505.54 秒。在同一套实验里Python 的耗时是 LabVIEW 的四倍多。论文同时也承认了 Python 的优点占用内存最少建立硬件接口最快。同一套采集与实时控制实验四种语言完成时间实测对比这就是真实的分工LabVIEW 管采集、管时序、管硬件握手Python 管分析、管建模、管报告。而且这两件事不用二选一——LabVIEW 的框图里可以直接放 Python 节点也可以调 MATLAB、调 C。真正会用的人早就在混着用了。只有没在实际项目里跑过确定性回路的人才会把这件事当成站队。不是替代是分工LabVIEW 与 Python 各管一段05 说淘汰的人看的是招聘网站做项目的人看的是产线一个很现实的对比招聘网站反映的是新增需求而且滞后、片面、容易被单一行业带偏。产线反映的是在跑的系统那才是真实的需求总量。一套 2015 年建的测试系统2026 年还在跑它带来的需求不是再招一个 LabVIEW 工程师而是这套系统要加两路信号接口协议换了帮我们改。这类需求不会出现在招聘网站上但它构成了这个行业最稳定的一块收入。改造、扩容、迁移、维护全是活。而且新项目也没有停半导体测试、新能源汽车、商业航天、AI 数据中心的光电测试这些领域的测试台架很多还是 LabVIEW 在跑前端。06 真正的风险不是 LabVIEW 被淘汰说了这么多我并不是想说学 LabVIEW 就高枕无忧。恰恰相反这个行业里被淘汰的从来不是工具是人。被淘汰的是这三种人只会拖控件的人。能照着教程拼出一个能跑的界面但说不清数据流怎么走一上并发就出竞争条件。不懂硬件的人。只会调 VI不知道信号怎么进来、延迟出在哪、接地和屏蔽为什么影响读数。不会做架构的人。程序一长就乱加个功能就要推翻重写最后只能靠加班填坑。工具在进步AI 在进步这三类人的空间只会越来越小。反过来能把现场需求翻译成架构、能把设备连起来跑通、能对结果负责的人议价权只会越来越高。写在最后我最后回了他一句话你担心的不是 LabVIEW 淘汰是你手上那点技能被淘汰。这两件事不一样解法也不一样。他沉默了半小时然后问我那现在学还来得及吗我说来得及但别再从头背控件了先去搞懂一个真实的采集系统是怎么跑起来的。你手上现在维护的系统是哪一年建的用的哪个版本评论区聊聊我看看有多少人还在跑老系统。#LabVIEW #测试测量 #图形化编程 #工业自动化 #系统集成
