构筑连接物理世界与 AI 的全链路工具箱
平台定位
面向 AI 创新项目、工程实践与科创竞赛教学，平台聚焦真实数据不足、硬件入口缺失、技术黑箱化与跨学科支撑不足等痛点，打造从信号调理与数据采集，到小模型分析，再到大模型智能应用的全过程工具箱，帮助学生系统掌握 LabVIEW + Python + 大模型的混合编程与工程实践能力。
解决的核心痛点：
真实数据不足
硬件入口缺失
技术黑箱化
跨学科支撑不足
与现有课程深度结合，将传统测试、传感、控制等实训内容直接升级为 AI 创新项目。
平台组成：硬件 + 软件 + AI 工具链一体交付
平台采用分层架构设计，自下而上由硬件层、软件层与 AI 工具链层构成，实现物理世界数据到 AI 智能应用的全链路贯通。
硬件层 —— 多平台数据采集支撑
ADS：便携化智能实验平台，适合课堂教学与个人实验
cDAQ：模块化数据采集系统，支持多通道、多传感器同步采集
PXI：高性能测试测量平台，满足复杂工程测试需求
传感器 Box（Sensor box）：集成化传感器接入单元，支持多种传感器信号调理与接入
软件层 ———LabVIEW 统一开发环境
以 LabVIEW 为核心开发环境，提供图形化编程界面，实现硬件驱动、数据采集、信号处理与可视化展示的一体化开发。
AI 工具链层 — 大模型 + 小模型 + 通讯协议全栈支持
大语言模型（LLM）接口：提供大语言模型接口，支持自然语言交互、智能分析与报告生成
小模型推理节点：支持 Py 节点、c 节点、mathtcript 节点等多种脚本节点，实现小模型本地推理与信号分析
工业及网络通讯协议：支持 modbus、mqtt、http 等主流工业及网络通讯协议，实现设备互联与数据互通
交钥匙方案
同时提供数据采集硬件、传感器 Box、软件工具包、课件与项目实践内容在内的交钥匙方案，支持循序渐进搭建 "物理 + AI" 智能系统。
三阶段学习路径：
硬件接入・信号采集 — 掌握传感器接入、信号调理与数据采集基础
小模型・信号分析 — 学习小模型推理、特征提取与智能信号分析方法
大模型・智能应用 — 进阶大模型调用、自然语言交互与智能系统集成
通过以上三阶段循序渐进的学习路径，学生能够从硬件底层到 AI 应用层，系统构建 "物理世界 + AI" 智能系统的完整工程能力。