近(jin)日，第十(shi)三屆(jie) CCF 大數據學術(shu)會議在天津成功舉行，吸引了近(jin) 700 位來自學術(shu)界、產業界的專家學者(zhe)齊聚(ju)(ju)一(yi)堂(tang)，聚(ju)(ju)焦“數據要素筑基、數智融(rong)合創新”，共同(tong)探(tan)討數字經濟時代的技術(shu)變革與產業機(ji)遇。
在這場國內大數據領域的年度盛會上，濤思數據高級副總裁、解決方案中心總經理陳肅受邀作專題演講，帶來了題為《如何打造 AI 驅動的物聯網工業大數據平臺》的深度分享。
工業大數據的困局：存得下，卻用不快
陳肅開篇直指(zhi)痛點：當下工業(ye)(ye)企業(ye)(ye)的(de)(de)數據采集早已不(bu)是問題，挑戰在于“用得起來(lai)”。多(duo)源異構、語義缺(que)失、質量(liang)參差不(bu)齊，讓數據難以直接進入(ru) AI 算法，更難自動(dong)產出業(ye)(ye)務洞察。很多(duo)企業(ye)(ye)投入(ru)大量(liang)資源搭(da)建數據平(ping)臺(tai)，最終(zhong)卻只能(neng)(neng)停留在“能(neng)(neng)存(cun)”的(de)(de)階(jie)段(duan)，仍需(xu)依賴工程師(shi)手寫(xie) SQL 才(cai)能(neng)(neng)得到決策所需(xu)的(de)(de)信息。
AI-Ready：讓 AI 真正讀懂工業數據
針對這些問題，陳肅提出(chu) TDengine 打造“AI-Ready”的(de)工業數(shu)(shu)據(ju)平臺思路——不是簡單在(zai)平臺里(li)“嵌(qian)幾條 AI 算法”，而(er)(er)是要從數(shu)(shu)據(ju)建模、存儲(chu)、治理(li)(li)到分(fen)析能(neng)(neng)力全(quan)面重(zhong)構，讓(rang)數(shu)(shu)據(ju)天然適配 AI，讓(rang) AI 能(neng)(neng)夠(gou)直接“理(li)(li)解(jie)”業務上下文，從而(er)(er)實(shi)現“數(shu)(shu)據(ju)找人(ren)”的(de)智能(neng)(neng)范式。
他強調，TDengine 不僅僅是一個時序數據庫（TSDB），還包括 IDMP（工業數據管理平臺），形成一(yi)個完整的 AI-Ready 平臺：
- TSDB 提供高效的海量時序數據存儲和計算能力；
- IDMP 作為智能數據運營層，為數據補齊語義、建立目錄和上下文，并提供開箱即用的 AI 分析能力。
支撐 AI-Ready 的五大創新
在演講(jiang)中，陳肅結(jie)合(he)(he) PPT 詳細(xi)解(jie)析了(le) TDengine 如(ru)何(he)實(shi)現 AI-Ready 的技術路(lu)徑。“一(yi)個(ge)采(cai)集點(dian)一(yi)張表”的策略(lve)結(jie)合(he)(he)列式存(cun)(cun)儲(chu)，既保證高并(bing)發(fa)寫入，又(you)提升壓縮(suo)率和查詢性(xing)能(neng)，讓存(cun)(cun)儲(chu)成(cheng)本大幅下降(jiang)。“超級表”則(ze)用(yong)統一(yi)模(mo)板管理同類采(cai)集點(dian)數據，解(jie)決多(duo)維聚合(he)(he)和跨(kua)表關(guan)聯的痛點(dian)，讓“一(yi)個(ge)設備一(yi)張表”成(cheng)為現實(shi)，查詢也更簡單(dan)。
在數(shu)據建(jian)模層，虛擬表(biao)技術把多個子(zi)表(biao)動態合并(bing)為(wei)一張表(biao)，實時(shi)反映原始數(shu)據變化，還能(neng)按需擴展(zhan)列，避免(mian)復(fu)雜的 JOIN 和(he)嵌套查詢。流(liu)式(shi)(shi)計算引擎把分析(xi)目標直接轉化為(wei)流(liu)計算任(ren)務，支持(chi)時(shi)間窗(chuang)口、事件窗(chuang)口、狀態窗(chuang)口等多種(zhong)觸發方式(shi)(shi)，讓實時(shi)分析(xi)真正落地。
最后，陳肅重點講解了“無(wu)問智推(tui)”的能(neng)力。借助 LLM 和 AI Agent，平臺能(neng)夠(gou)自(zi)動(dong)生成可視化面(mian)板、報表和實(shi)(shi)時分析任務(wu)(wu)，并主動(dong)推(tui)送(song)給(gei)業務(wu)(wu)人(ren)員(yuan)。用戶甚至(zhi)可以對推(tui)薦結果進行“喜(xi)(xi)歡”或“不喜(xi)(xi)歡”的反饋，讓系統持續優化推(tui)薦效(xiao)果，從而實(shi)(shi)現真(zhen)正(zheng)的“數(shu)據找(zhao)人(ren)”。
典型落地成果
陳肅還分享了 TDengine 在水(shui)務、新(xin)能源(yuan)、鋼鐵等行業的應用實踐：
- 水務：精準曝氣控制降低能耗 15–25%，出水 COD/NH? 達標率提升至 99%。
- 新能源：發電量預測準確率超過 90%，精準定位異常點減少維護成本 20%。
- 鋼鐵：實現毫秒級設備監控和分鐘級質量追溯，縮短問題定位時間。
如需了解實際應用案例，進入：//yakult-sh.com.cn/tdengine-user-cases
他指出(chu)，AI-Ready 平臺的(de)核(he)心價值，不僅是讓企業更(geng)快(kuai)發(fa)現問題(ti)，更(geng)是讓數(shu)據(ju)主動驅動業務(wu)優化，推動工業數(shu)據(ju)從“人找(zhao)數(shu)據(ju)”到“數(shu)據(ju)找(zhao)人”的(de)轉變。
結語
CCF 大數(shu)據(ju)學術會議是學術與產業交流的(de)重要(yao)平(ping)臺(tai)。通過此次(ci)分享，濤思數(shu)據(ju)展(zhan)示了 TDengine 在工業大數(shu)據(ju)和(he) AI 融(rong)合領域的(de)技術探索和(he)落地成果，也向(xiang)研(yan)究者和(he)企業傳遞了一個清晰信號：下一代工業數(shu)據(ju)平(ping)臺(tai)必(bi)須天然適配 AI，才能支(zhi)撐(cheng)新(xin)質生產力的(de)持續躍遷。
