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!