AI是一场革命，正在影响千行万业，重塑企业竞争格局。

7月29日，时序数据库提供商涛思数据发布了首款AI原⽣的⼯业数据管理平台TDengine IDMP，完成了AI+Data的闭环，拉开了时序数据AI变革序幕。

涛思数据的AI+Data闭环

2017年成立的涛思数据，专注于时序数据的实时高效处理，为解决海量时序数据处理(从采集、存储、查询、计算到分析)所面临的挑战，打造了时序数据库TDengine TSDB。

TDengine TSDB采用存算分离架构，具备水平扩展和云原生能力，支持SQL复杂查询，具有高性能、高可靠、高可用、低成本等特点，可以安全高效地对来自各种数据源(包括PI System、MQTT、Telegraf等)的PB级工业数据进行汇聚、存储、分析和分发，是万物互联时代的时序数据处理平台。

八年过去，TDengine TSDB的全球安装量已经超83万套，日安装量超700套，付费客户超500家，遍布全球60多个国家和地区，广泛应用于电力、新能源、石油、智能制造、汽车、交通等多个行业。

企业通过TDengine TSDB时序数据库打下了数据基础，存储了海量数据，却在挖掘数据价值上困难重重。

AI技术的发展为数据消费提供了新的可能，通过AI引擎能够更高效地实现数据驱动决策。春节前，DeepSeek的技术突破引爆业内，大模型的能力已经足够强，知识面也足够丰富，通过AI实现业务价值提升变得更加可行。

彼时，涛思数据创始人&CEO陶建辉也在考虑如何将AI应用到时序场景，他清楚AI只有深入业务才能带来更多价值，今年2月的一天晚上，一个绝妙的点子来了，变被动为主动，通过AI让数据自己说话，“无需提问，直接用 AI 自动生成可视化面板、生成实时分析任务”，让AI成为业务人员的得力助手，他兴奋得睡不着觉。

近半年的时间，陶建辉和团队All in AI，一路狂奔，把一个想法变成了可用的产品，这个产品就是TDengine IDMP。

(来源：涛思数据)

具体来看，TDengine IDMP(Industrial Data Management Platform)是⾯向物联⽹与⼯业领域的AI原生工业数据管理平台，拥有数据建模、数据情景化、数据标准化、智能可视化面板、实时数据分析、事件管理与根因分析等核心功能。

陶建辉介绍，工业数据的特点决定了，如果数据不够标准化，以及没有与业务情景结合、没有上下文的话，AI 应用就无从谈起，无法落地。比如，单位不统一，命名歧义、上下文缺失等，也就是说，时序数据一旦没有与业务情景结合，AI根本无法理解。

TDengine IDMP的数据建模功能通过树状结构的数据目录管理物理/逻辑实体(Element)，⽀持动态扩展节点与数据⾎缘追溯。在此基础上，完成了数据情景化、数据标准化两大关键创新：

• 数据情景化(Data Contextualization)方面，为属性(如KPI、极限值、位置)配置元数据(⽬标值、单位、⼩数点位数)，映射到数据库表字段，赋予原始数据业务语义。

• 数据标准化(Data Standardization)方面，通过实体模板(Element Template)统⼀属性规范，提升配置效率并实现数据标准化。

陶建辉介绍，当树状层次结构模型在IDMP里建立起来，可以通过元素、属性等模版补充更多的描述信息和业务语义，提供更好的数据情景，搭配时序数据库，让整个数据平台完成了AI-Ready，这样便于更好地发挥AI的作用。此前涛思数据做了很多数据治理的工作，比如以零代码的方式以最少的配置即可实现工业数据源的提取、转换和ETL流程，这为AI打下了很好的数据基础，所以TDengine IDMP才可以在这么短的时间内落地。

“公司的时序数据库TDengine TSDB解决了海量时序数据的存储和计算问题，而TDengine IDMP解决了时序数据使用的问题，通过AI让时序数据发挥更大的价值。”陶建辉说。

至此，涛思数据打造了AI+Data的闭环，通过TDengine TSDB+TDengine IDMP组合，TDengine为⼯业数据管理，提供从数据采集、清洗、情景化、标准化，到存储、查询、实时分析、预测、异常检测，再到可视化、事件管理等一套完整的工业数据智能解决方案。

无问智推，用AI改变数据消费范式

近年来，伴随着电力、石油、钢铁、智能制造等行业数智化转型升级，企业竞争面临严峻的挑战。多元数据整合难度大、数据语义上下文缺失、行业知识壁垒高、业务人员严重依赖IT工程师和数据分析师等问题，导致数据驱动的实时决策相当困难。

比如，在物联网工业场景，通常需要实时数据分析才能实现实时的异常检测和告警。过去，从数据采集到存储，再到可视化报表系统的搭建，往往需要一个IT团队花费几周甚至几个月的时间，系统搭建好后，需要通过写SQL从数据库里拉取数据，取数用数存在一定的技术门槛，很难实现实时业务洞察。

随着AI技术发展，出现了ChatBI等对话式AI，业务人员也可以通过自然语言实现智能问数，这是一场对IT工程师、数据分析师的革命，降低了取数问数的门槛。不过对话式AI仍然需要主动提问，需要知道用哪些维度指标才能构建可视化面板、进行分析，这仍然需要业务人员的专业知识和经验。

TDengine IDMP实现了双重变革：

• 一方面，提供智能问数能力，通过语音或文字说出需要的可视化面板或者分析任务，或者其他与数据相关的问题，系统会自动给到答案，让数据分析不再依赖IT技能和数据分析知识。

• 另一方面，也是最大的革新，TDengine IDMP能够超越对话式AI模式，让数据自己说话，实现“无问智推”，让数据分析不再强依赖行业知识或业务经验。

具体来看，基于采集数据，TDengine IDMP利⽤LLM，⾃动感知应⽤场景，⽆需⼈⼯配置或主动提问，⾃动⽣成场景特有的指标、可视化面板、报表和实时数据分析。⽆需业务知识的多年积累，也不用主动查询，就能做到核⼼洞察主动推送。

相对于现有的对话式AI模式，TDengine IDMP带来了“数据消费范式”的变⾰，从拉取(Pull)到推送(Push)，开启了⼤数据消费/分析“抖⾳模式”，可以最低成本最⼤化挖掘数据价值，实时推进业务决策。

在发布会上，陶建辉以电动汽车为例，通过模拟器生成数据展示了TDengine IDMP在电动汽车场景的应用。

TDengine IDMP将电动汽车相关数据的树状结构和上下文信息告知LLM，LLM便可以自动感知这是电动汽车场景，然后推荐一系列可视化面板，并进行实时分析，用户可以定义包括元素、属性、分析、面板、通知的各种模板。

(来源：涛思数据演示截屏)

在演示中，TDengine IDMP即时推荐了一个月每天的最大电池温度图、当前电池最小温度图、昨天环境温度图、过去一天每分钟的加速踏板开度图等面板，其展示形式多种多样，可以手动调整面板，以实现最优呈现。

实时分析是通过TDengine流式计算引擎执行，分析模板生成后，业务人员可以验证模板中的各种条件，也可以修改告警触发条件，选择保存后立即执行实时分析。一旦满足条件触发告警，比如“电池最高温度超过了50°，且持续了10分钟，触发严重告警”，邮箱就会收到该告警信息。

此外，引入大模型的TDengine IDMP可以基于场景生成复合指标，甚至生成新的有价值的指标，这样会突破人类固有经验的限制，能为业界带来更大的创新价值。

陶建辉指出，模拟器生成的数据有限，真实场景采集了海量的数据，数据量越大、维度越多，AI的效果会越好，也会带来更大的价值，大模型汇聚了人类最广泛的知识，人类知识通过AI实现了规模化迁移，让初级业务人员也成为业务专家。

据悉，TDengine IDMP可以广泛应用于工业过程监控、设备预测性维护、IT运维等物联网工业场景，值得注意的是，TDengine IDMP并不存储数据，可以搭配TDengine TSDB或者外部其他数据库使用。该平台具备良好的系统开放性，支持JDBC、ODBC、REST API等接口，能够与MES、ERP、AI等企业系统无缝集成。目前，TDengine IDMP 已开放免费下载和试用。用户可以选择本地部署或云服务版本，免费体验全部功能。

小结：数据厂商迎来新的黄金发展期

AI时代，数据为王，数据质量是影响AI落地效果的关键因素。埃森哲面向全球2000名首席高管展开的最新调研发现，48%的受访者坦承其所在企业缺乏充足的高质量数据来推进各种生成式AI举措。

每个企业都在积极打造Data+AI的闭环，近两年，数据创业公司成为科技巨头布局AI争相收并购的标的，数据能力在AI时代的重要性日益凸显。

“AI是我们数据库厂商最好的机会，因为数据在库中，数据库厂商做数据治理的时候顺其自然将数据的情景化、标准化做出来，快速实现AI-Ready。”陶建辉认为，AI的应用必须基于数据基础之上，数据库厂商近水楼台先得月，在AI时代有得天独厚的优势。

可以预见，AI的新征程上，以前在数据方面下了苦功，有数据积累的企业终会迎来厚积薄发，像涛思数据这样构建了AI+Data闭环的数据厂商也会迎来新的黄金发展期。

“TDengine的创新与工程实践只是开了行业的先河，我相信今后会有很多类似‘无问智推’系统的出现，并流行起来，数据库以及数据基础设施在AI时代将被重构，以适应AI应用发展的要求。希望TDengine能成为变革后的王者。”陶建辉正以饱满的热情奔跑在AI时代，奔向他的梦想，Leave a dent in the world!