近日，第十三屆 CCF 大數據學術會議在天津成功舉行，吸引了近 700 位來自學術界、產業界的專家學者齊聚一堂，聚焦“數據要素築基、數智融合創新”，共同探討數字經濟時代的技術變革與產業機遇。
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台》的深度分享。
工業大數據的困局：存得下，卻用不快
陳肅開篇直指痛點：當下工業企業的數據採集早已不是問題，挑戰在於“用得起來”。多源異構、語義缺失、質量參差不齊，讓數據難以直接進入 AI 算法，更難自動產出業務洞察。很多企業投入大量資源搭建數據平台，最終卻只能停留在“能存”的階段，仍需依賴工程師手寫 SQL 才能得到決策所需的信息。
AI-Ready：讓 AI 真正讀懂工業數據
針對這些問題，陳肅提出 TDengine 打造“AI-Ready”的工業數據平台思路——不是簡單在平台裏“嵌幾條 AI 算法”，而是要從數據建模、存儲、治理到分析能力全面重構，讓數據天然適配 AI，讓 AI 能夠直接“理解”業務上下文，從而實現“數據找人”的智能範式。
他強調，TDengine 不僅僅是一個時序數據庫（TSDB），還包括 IDMP（工業數據管理平台），形成一個完整的 AI-Ready 平台：
支撐 AI-Ready 的五大創新
在演講中，陳肅結合 PPT 詳細解析了 TDengine 如何實現 AI-Ready 的技術路徑。“一個採集點一張表”的策略結合列式存儲，既保證高併發寫入，又提升壓縮率和查詢性能，讓存儲成本大幅下降。“超級表”則用統一模板管理同類採集點數據，解決多維聚合和跨表關聯的痛點，讓“一個設備一張表”成為現實，查詢也更簡單。
在數據建模層，虛擬表技術把多個子表動態合併為一張表，實時反映原始數據變化，還能按需擴展列，避免複雜的 JOIN 和嵌套查詢。流式計算引擎把分析目標直接轉化為流計算任務，支持時間窗口、事件窗口、狀態窗口等多種觸發方式，讓實時分析真正落地。
最後，陳肅重點講解了“無問智推”的能力。藉助 LLM 和 AI Agent，平台能夠自動生成可視化面板、報表和實時分析任務，並主動推送給業務人員。用户甚至可以對推薦結果進行“喜歡”或“不喜歡”的反饋，讓系統持續優化推薦效果，從而實現真正的“數據找人”。
典型落地成果
陳肅還分享了 TDengine 在水務、新能源、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/NH₄ 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。
如需瞭解實際應用案例，進入：https://www.taosdata.com/tdengine-user-cases
他指出，AI-Ready 平台的核心價值，不僅是讓企業更快發現問題，更是讓數據主動驅動業務優化，推動工業數據從“人找數據”到“數據找人”的轉變。
結語
CCF 大數據學術會議是學術與產業交流的重要平台。通過此次分享，濤思數據展示了 TDengine 在工業大數據和 AI 融合領域的技術探索和落地成果，也向研究者和企業傳遞了一個清晰信號：下一代工業數據平台必須天然適配 AI，才能支撐新質生產力的持續躍遷。
