在(zai)你面前擺著一堆機器(qi)運行(xing)日志、傳(chuan)感器(qi)讀數(shu)(shu)、電(dian)表數(shu)(shu)據，幾(ji)十萬、幾(ji)百萬條每秒增長的數(shu)(shu)據流，你會怎么處(chu)理(li)？是(shi)加人(ren)、加腳本(ben)，還(huan)是(shi)干(gan)脆放棄(qi)實時分析(xi)？
過去(qu)，時序(xu)數據是(shi)(shi)工業的“副(fu)產品(pin)”：只(zhi)是(shi)(shi)存著、查著。但(dan)現(xian)在，它成了真正的生產要(yao)素。誰能用得更(geng)好(hao)，誰就能更(geng)早發現(xian)問題(ti)、預測趨勢(shi)、掌握(wo)主動。
但(dan)(dan)有個問題大家(jia)不(bu)(bu)(bu)得不(bu)(bu)(bu)面對，那(nei)就(jiu)(jiu)是(shi)時序數據處(chu)理門檻太高了。尤(you)其是(shi) AI 分析，數據要(yao)清洗(xi)、要(yao)貼(tie)標簽、要(yao)寫代碼，最后跑個模(mo)型(xing)還不(bu)(bu)(bu)一定(ding)準。很多企業知道 AI 有價值，但(dan)(dan)就(jiu)(jiu)是(shi)用不(bu)(bu)(bu)上。
而這就是我們打造時序數據分析 AI 智能體 TDgpt 的原因——把(ba)這些門(men)檻干掉(diao)，只用(yong)一條 SQL，就讓 AI 真正服務(wu)(wu)業務(wu)(wu)現場(chang)。
TDgpt 到底是什么？
簡單說，TDgpt 是一個集成在 TDengine 里的時序數據 AI 智能體，讓(rang)你(ni)可(ke)以像寫 SQL 一樣簡單(dan)地(di)調用預測、異常檢(jian)測等 AI 能力(li)。你(ni)可(ke)以把它看作是“數據庫里的 AI 分(fen)析引擎”，專為時序數據打造。
- 它內置多種算法，支持預測、異常檢測、缺失值補齊、數據分類等常見場景；
- 它能無縫對接各種模型，包括主流時序模型、大語言模型、機器學習與傳統統計算法，還支持算法動態切換；
- 它不用另搭平臺，只需要一條 SQL 就能直接調用，不用轉數據、也不用寫 Python；
- 它也支持自研模型，有 SDK 和插件機制，方便你把已有算法直接集成進來；
- 自帶 TDengine 自研時序模型 TDtsfm，對工業、能源、電力等領域的時序數據效果顯著。
TDgpt 不只是“用得上”，而是真正在業務場景中“落得下去”。在實際項目中，它能夠替代大量傳統腳本、固定閾值判斷，甚至部分依賴人工經驗的分析流程，成為企業數據團隊可靠且高效的智能助手。接下來，我們就從三個常見的場景出發——用電預測、發電預測和運維預測，帶你看看 TDgpt 如何(he)應用在真實業(ye)務中(zhong)。
風力發電預測：發電不穩，如何應對罰款與浪費？
新能(neng)源的麻煩大家都知道：靠天吃飯(fan)，波動大。一陣風來得早一點、晚(wan)一點，都可能(neng)引起調度失誤，要不就“棄風”，要不就得臨(lin)時啟用火電(dian)兜底，浪費(fei)又貴(gui)。
在實際項目中，我們用 TDgpt 接入風電場采集的歷史發電數據，調用自研的時序預測模型 TDtsfm_1，預測(ce)未來(lai)每小時的(de)發(fa)電功率(lv)。準確率(lv)提(ti)升的(de)同時，也讓(rang)調度有了提(ti)前量，避免不必要的(de)損耗(hao)和罰款。
?? 實戰案例回顧：//yakult-sh.com.cn/tdengine-engineering/28578.html
電力需求預測：不光是預測負荷，更是優化經營
電力(li)公司天天都在(zai)想：明天誰會(hui)多用電？哪個片(pian)區會(hui)爆負荷？調(diao)電要早計劃(hua)，買電要看行(xing)情。
我們(men)接入某區域的(de)用電數(shu)據，使用 TDgpt 對(dui)每日負荷進行預測。相比傳統的(de) HoltWinters 方(fang)法，自研模型的(de)表現更穩定、誤(wu)差(cha)更低，能幫助客戶更早做出資源調度、采購(gou)策略(lve)等關鍵(jian)決策。
?? 實戰案例回顧：//yakult-sh.com.cn/tdengine-engineering/28541.html
運維異常檢測：看得見波動，更要看得懂風險
系統 CPU 忽(hu)高忽(hu)低，是(shi)升級后代碼有問題，還是(shi)黑客挖(wa)礦？磁盤 I/O 飆高，是(shi)正常任(ren)務在跑，還是(shi)哪塊硬盤快掛了？
傳統運維靠人盯 + 固定閾值，誤報、漏報都常見。我們用 TDgpt 接入(ru)一(yi)組服務(wu)器監控(kong)數據，只需一(yi)句 SQL，背后模型就能基于歷史(shi)行為建立(li)動態基線，自動識別“非正常波動”。
?? 實戰案例回顧：//yakult-sh.com.cn/tdengine-engineering/28598.html
TDgpt 企業版，提供更強大的 AI 支持能力
上面這(zhe)些例(li)子展示了 TDgpt 在實(shi)際業(ye)(ye)務中的通用能力。但(dan)如果(guo)你所在的企業(ye)(ye)對模型效果(guo)有更高要求(qiu)，或(huo)者希(xi)望將已有算法(fa)整合(he)進(jin)來，還有更進(jin)一(yi)步的選擇——TDgpt 企業(ye)(ye)版。
TDgpt 企(qi)業(ye)版(ban)在(zai)標準能力的基(ji)礎上，提供了更多定制化選項和專業(ye)服務(wu)，幫助你(ni)將 AI 深(shen)度融入業(ye)務(wu)流程：
- 模型選擇器：自動根據用戶的歷史數據集，對購買的所有模型進行準確性評估，幫助用戶選擇最適合自己場景的模型進行部署和應用。
- TDtsfm_1 自研模型的重訓練及微調：基于海量時序數據進行了預訓練，在大部分場景下相比于傳統的機器學習和統計預測模型都會有顯著的準確率優勢。如果用戶對于模型預測準確度有更高的要求，可以申請購買 TDgpt 企業版的預訓練服務。使用用戶的場景歷史數據進行預訓練，在特定場景下的預測效果可能更佳。
- 第三方解決方案：濤思數據聯合國內外時序分析/異常檢測專業廠家、研究機構，為用戶提供專業的分析解決方案，包括落地過程中的實施服務等。
通過這些增強能(neng)力，TDgpt 企(qi)業(ye)版(ban)可(ke)以(yi)適配更復雜、更嚴(yan)苛的(de)應用(yong)場景，幫助企(qi)業(ye)真正實現(xian) AI 驅動的(de)智能(neng)化運營。
結語
從預測發電到發現異常，從電力調度到運維管理，TDgpt 正在讓原本高門檻的時序數據分析變得更簡單、更智能、更可落地。它(ta)不僅讓 AI 更(geng)貼近業務現場，也(ye)幫助企(qi)業真(zhen)正把數據(ju)“用起(qi)來”。如果你也(ye)在面對時序(xu)數據(ju)帶來的挑戰(zhan)，或者希望(wang)用 AI 打開新的可(ke)能，TDgpt 值得一(yi)試。
想要了解更多關于 TDgpt 的信息，請訪問：//yakult-sh.com.cn/tdgpt
