2026年3月，TDengine把slogan換了——從”高性能時(shí)序數(shù)據(jù)庫(kù)”變成”AI時(shí)代的工業(yè)數(shù)據(jù)基座”。這家在全球跑了100多萬(wàn)實(shí)例、覆蓋60多個(gè)國(guó)家的老牌廠商，突然開(kāi)始強(qiáng)調(diào)自己是個(gè)”座”，而不是”庫(kù)”。變化背后，是整個(gè)工業(yè)軟件邏輯的重構(gòu)。

---

一、AI來(lái)了，但底座不會(huì)消失

陶建輝有句話說(shuō)得很直接：”AI不會(huì)讓軟件產(chǎn)品消失，AI會(huì)讓’低壁壘的功能產(chǎn)品’失去存在價(jià)值。”

儀表盤(pán)再花哨，報(bào)表再精美，AI Agent幾秒鐘就能生成。過(guò)去靠功能堆出來(lái)的競(jìng)爭(zhēng)力，正在迅速貶值。

但有些東西AI替代不了——數(shù)據(jù)采集系統(tǒng)、資產(chǎn)模型、生產(chǎn)監(jiān)控、可靠的數(shù)據(jù)基礎(chǔ)設(shè)施。這些是業(yè)務(wù)的根基。”AI可以分析發(fā)動(dòng)機(jī)數(shù)據(jù)，但不會(huì)替代發(fā)動(dòng)機(jī)本身。”

所以TDengine選擇做那個(gè)”底座”：不跟AI搶活，讓AI站在自己身上干活。

---

二、底座的第一層：TSDB，先把數(shù)據(jù)存好

做底座的前提，是把最基礎(chǔ)的問(wèn)題解決扎實(shí)——海量工業(yè)數(shù)據(jù)怎么存、怎么查、怎么長(zhǎng)期保存。

工業(yè)現(xiàn)場(chǎng)的數(shù)據(jù)特性很苛刻：毫秒級(jí)采集、千萬(wàn)測(cè)點(diǎn)并發(fā)、數(shù)年歷史沉淀。TDengine TSDB針對(duì)這些場(chǎng)景做了專門(mén)優(yōu)化。

2.1 寫(xiě)入性能

TSBS測(cè)試顯示，TDengine寫(xiě)入速度是InfluxDB的16.2倍、TimescaleDB的3.3倍。

2.2 壓縮效率

列式存儲(chǔ)+專用算法，壓縮比最高可達(dá)1/10。

2.3 水平擴(kuò)展

3.0版本支持10億設(shè)備、100節(jié)點(diǎn)集群，解決高基數(shù)難題。

2.4 云原生架構(gòu)

存算分離、Kubernetes編排，彈性伸縮。

---

三、底座的第二層：IDMP，讓AI看得懂?dāng)?shù)據(jù)

但光有存儲(chǔ)不夠。工業(yè)數(shù)據(jù)的真正難點(diǎn)在于語(yǔ)義和上下文。

同一個(gè)數(shù)值”220″，可能是電壓、溫度、壓力，甚至完全不同設(shè)備的讀數(shù)。同一個(gè)溫度傳感器，在訂單A（高負(fù)荷）和訂單B（低負(fù)荷）下，正常范圍天差地別。AI直接處理這種”裸數(shù)據(jù)”，幻覺(jué)問(wèn)題會(huì)很?chē)?yán)重。

IDMP（工業(yè)數(shù)據(jù)管理平臺(tái)）就是來(lái)解決這個(gè)問(wèn)題的。

3.1 數(shù)據(jù)目錄

基于樹(shù)狀層次結(jié)構(gòu)（映射”工廠-車(chē)間-產(chǎn)線-設(shè)備-測(cè)點(diǎn)”工業(yè)層級(jí)）的虛擬數(shù)據(jù)資產(chǎn)管理機(jī)制，通過(guò)元素模板對(duì)物理與邏輯實(shí)體進(jìn)行標(biāo)準(zhǔn)化建模和情境化組織，將分散的二維表數(shù)據(jù)轉(zhuǎn)化為具有統(tǒng)一業(yè)務(wù)語(yǔ)義、可被AI理解的結(jié)構(gòu)化數(shù)據(jù)資產(chǎn)，實(shí)現(xiàn)從”查找表和列”到”管理具有上下文的業(yè)務(wù)對(duì)象”的轉(zhuǎn)變。

3.2 數(shù)據(jù)標(biāo)準(zhǔn)化

統(tǒng)一命名規(guī)范、計(jì)量單位、數(shù)據(jù)類型定義。”220″是電壓還是溫度，”85″是攝氏度還是華氏度，清晰無(wú)誤。

3.3 數(shù)據(jù)情景化

把訂單號(hào)、批次號(hào)、班次、工藝配方作為標(biāo)簽附著在時(shí)間序列上。AI不僅知道”發(fā)生了什么”，還知道”在什么情況下發(fā)生的”。

---

四、底座的第三層：面向AI的開(kāi)放接口

底座要能用，還得開(kāi)放。

TDengine提供MCP接口，讓AI Agent可以直接訪問(wèn)數(shù)據(jù)；支持發(fā)布/訂閱機(jī)制，數(shù)據(jù)能被實(shí)時(shí)消費(fèi)；基于角色的權(quán)限管理，確保數(shù)據(jù)安全。

陶建輝對(duì)未來(lái)軟件形態(tài)的預(yù)判是：”用戶/Agent → Agent Interface → 數(shù)據(jù)基座”。

界面會(huì)越來(lái)越薄，交互會(huì)越來(lái)越簡(jiǎn)單，但底座會(huì)越來(lái)越厚。

---

五、從”更好的數(shù)據(jù)庫(kù)”到”AI的基礎(chǔ)設(shè)施”

TDengine這次升級(jí)，不只是換了個(gè)slogan。

它標(biāo)志著工業(yè)軟件競(jìng)爭(zhēng)維度的根本轉(zhuǎn)變——過(guò)去比功能、比界面、比實(shí)施；未來(lái)比的是數(shù)據(jù)基礎(chǔ)設(shè)施的完備性：能不能接入海量異構(gòu)數(shù)據(jù)？能不能提供統(tǒng)一的數(shù)據(jù)語(yǔ)義？能不能支撐AI Agent高效運(yùn)行？

對(duì)于企業(yè)來(lái)說(shuō)，選型時(shí)不應(yīng)只看存儲(chǔ)性能，更要看數(shù)據(jù)語(yǔ)義層的完備性。一個(gè)”裸數(shù)據(jù)庫(kù)”在AI時(shí)代很難發(fā)揮價(jià)值。

對(duì)于行業(yè)來(lái)說(shuō)，TDengine的開(kāi)源策略和開(kāi)放架構(gòu)，提供了一種生態(tài)建設(shè)的參考——不是做封閉的產(chǎn)品，而是做開(kāi)放的基座。

從”高性能時(shí)序數(shù)據(jù)庫(kù)”到”AI時(shí)代的工業(yè)數(shù)據(jù)基座”，TDengine的轉(zhuǎn)身，或許是中國(guó)工業(yè)軟件在AI時(shí)代尋找定位的一個(gè)縮影。

當(dāng)AI Agent成為新的交互方式，當(dāng)數(shù)據(jù)基礎(chǔ)設(shè)施成為核心競(jìng)爭(zhēng)力，誰(shuí)能率先構(gòu)建起完整、開(kāi)放、智能的數(shù)據(jù)底座，誰(shuí)就能在未來(lái)的競(jìng)爭(zhēng)中占據(jù)主動(dòng)。

---

六、FAQ：核心疑問(wèn)解答

Q1、TDengine從時(shí)序數(shù)據(jù)庫(kù)升級(jí)到工業(yè)數(shù)據(jù)基座，具體有哪些變化

TDengine的升級(jí)體現(xiàn)在三個(gè)層面。第一層是TSDB，強(qiáng)化了寫(xiě)入性能、壓縮效率、水平擴(kuò)展和云原生架構(gòu)。第二層是IDMP，新增了數(shù)據(jù)目錄、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)情景化能力。第三層是開(kāi)放接口，提供MCP接口支持AI Agent直接訪問(wèn)數(shù)據(jù)。

Q2、為什么AI時(shí)代需要”數(shù)據(jù)基座”而不是”數(shù)據(jù)庫(kù)”

數(shù)據(jù)庫(kù)只能存儲(chǔ)數(shù)據(jù)，而數(shù)據(jù)基座提供數(shù)據(jù)的語(yǔ)義和上下文。AI直接處理”裸數(shù)據(jù)”會(huì)產(chǎn)生幻覺(jué)，因?yàn)橥粋€(gè)數(shù)值在不同場(chǎng)景下含義不同。數(shù)據(jù)基座通過(guò)數(shù)據(jù)目錄幫助AI定位數(shù)據(jù)，通過(guò)數(shù)據(jù)標(biāo)準(zhǔn)化讓AI理解數(shù)據(jù)含義，通過(guò)數(shù)據(jù)情景化讓AI了解業(yè)務(wù)上下文。

Q3、TDengine IDMP的核心能力是什么

IDMP的三大核心能力是數(shù)據(jù)目錄、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)情景化。數(shù)據(jù)目錄形成清晰的數(shù)據(jù)地圖，數(shù)據(jù)標(biāo)準(zhǔn)化統(tǒng)一命名和計(jì)量單位，數(shù)據(jù)情景化把訂單、批次、工藝等信息附著在時(shí)間序列上。這三者讓AI能真正”理解”工業(yè)數(shù)據(jù)。

Q4、TDengine如何支撐AI Agent落地

TDengine通過(guò)MCP接口讓AI Agent直接訪問(wèn)數(shù)據(jù)，支持發(fā)布訂閱機(jī)制實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)消費(fèi)，基于角色的權(quán)限管理確保數(shù)據(jù)安全。這套架構(gòu)讓AI Agent可以高效獲取所需的工業(yè)數(shù)據(jù)。

Q5、企業(yè)在AI時(shí)代選型數(shù)據(jù)庫(kù)應(yīng)該關(guān)注什么

不僅要看存儲(chǔ)性能，還要看數(shù)據(jù)語(yǔ)義層的完備性。能否接入海量異構(gòu)數(shù)據(jù)、能否提供統(tǒng)一的數(shù)據(jù)語(yǔ)義、能否支撐AI Agent高效運(yùn)行，這些是關(guān)鍵指標(biāo)。”裸數(shù)據(jù)庫(kù)”在AI時(shí)代很難發(fā)揮價(jià)值。

TDengine采取開(kāi)源策略，核心產(chǎn)品TSDB在GitHub上完全開(kāi)源，全球運(yùn)行實(shí)例超過(guò)100萬(wàn)。開(kāi)源策略降低了使用門(mén)檻，聚集了開(kāi)發(fā)者社區(qū)，有助于構(gòu)建開(kāi)放生態(tài)。