ITPub博客

在川南页岩气生产运行管理中，气井、站库、压缩机、LNG/CNG 等设备设施已实现自动化采集覆盖，但前期建设的 SIS、BPCS、SCADA 及第三方厂商系统相互独立，数据难以形成统一视图，也影响了指挥中心对生产态势、应急处置和排采决策的集中支撑。

导读楚雄卷烟厂作为云南中烟旗下工厂，其复烤车间等核心生产环节存在大量设备运行参数、工艺指标等时序数据，这些数据是保障卷烟品质和生产效率的关键。楚雄卷烟厂选择了TDengine TSDB时序数据库，能够在生产数据管控、品质提升等方面发挥重要作用，也是楚雄卷烟厂深化智能制造的重要方向。背景和痛点我们楚雄卷烟厂复烤车间始建于1974年，是第一个国产打叶复烤生产线的诞生地，在行业内具有重要历史地位。复烤车

6 月 18 日，涛思数据与华中科技大学机械科学与工程学院举行软件捐赠签约仪式。涛思数据向学院捐赠 TDengine TSDB Enterprise、TDengine IDMP 及相关配套资源，助力学院在教学实验、科研创新与人才培养等方面提升数智化能力。签约仪式上，涛思数据创始人陶建辉发表了题为《工业AI的挑战与探索》的主题分享，与机械学院的师生深入探讨了工业AI发展面临的关键挑战与解决思路，阐述

导读TDengine TSDB 成功落地量测数据管理系统，以贴合 “系统 — 设备 — 测点” 的树形建模优势与卓越高并发、计算性能，构建 “采集 — 存储 — 加工 — 服务” 全链路架构。系统经平稳切换后，已稳定支撑 300 万测点、数十亿条数据运行，依托原生流式计算能力实现关键指标实时分析，快速识别机组运行异常，大幅提升数据处理效率与生产运维时效性，为业务增长提供坚实数据底座。一、业务背景：

2026年6月16日，以"掀起智能浪潮 定义原生时代"为主题的2026智能原生大会今日在北京正式启幕。涛思数据（TDengine）创始人、CEO 陶建辉受邀出席大会，参与"智能原生领航计划"启动仪式，并在圆桌论坛环节与百度、阿里云等企业的技术专家共探智能原生落地路径。本次大会由中国信息通信研究院主办，汇聚了来自能源、金融、通信、消费等多个行业的专家学者与企业

导读会泽卷烟厂是红云红河烟草（集团）有限责任公司所属的生产厂，始建于1973年。会泽卷烟厂在数字化转型中积极探索创新应用，借助于 TDengine TSDB 的高性能数据处理能力，稳定支撑了对数据实时性、准确性要求极高的创新场景。TDengine 时序数据库为会泽卷烟厂后续拓展更多的智能化应用奠定了坚实的基础。背景和痛点卷烟厂制丝车间是卷烟生产的核心环节之一，主要负责将烟叶原料加工成符合工艺要求的

6月5日，涛思数据与华北电力大学核科学与工程学院在华北电力大学举行软件捐赠签约仪式。双方围绕工业数据管理、实时数据分析、核电智能化及高校科研教学创新等方向开展深入交流，并就进一步深化校企合作、推动数智化核电人才培养与科研实践达成共识。作为 TDengine 2026"数智千校"计划的重要一站，涛思数据向学院捐赠 TDengine TSDB Enterprise、TDengine

在全球化视频社交与直播互动场景中，每一次弹幕发送、礼物打赏、用户在线状态变化和直播流质量波动，都会形成高频、连续、强实时的时序数据。Niki Live 在面向海外市场的社交直播业务中，需要同时应对数亿级用户行为日志、百万级直播流数据、毫秒级互动分析和全球化数据治理等挑战。

小T导读泛能网能碳产业智能平台作为新奥数能科技有限公司打造的一体化智能平台，服务于公建、工厂、园区等场景，旨在通过物联网、大数据与人工智能技术，实现能源设备的实时监控、运营管理与能碳分析。随着客户规模扩大与数据量激增，平台面临海量设备数据采集、高并发查询、长期存储及指标计算准确性等多重挑战。平台原先基于 OpenTSDB 的架构已无法满足业务发展需求，尤其在数据处理及时性、准确

随着人工智能技术加速向工业软件渗透，如何科学衡量"AI+工业软件"的融合应用水平，已成为产业界共同关注的焦点。由中国软件行业协会归口、中国工业互联网研究院牵头，北京涛思数据科技有限公司等27家企事业单位共同起草的《"人工智能+工业软件"融合应用成熟度评价规范》（标准编号：T/SIA 064—2026）历经草案编制、预评估验证、多轮意见征集及专家评审，已于20

安徽智质自研水泥储库激光雷达天车无人调度系统，万级点位秒级采集带来海量时序数据，传统数据库难以适配。项目引入 TDengine 时序数据库，搭建分层数据架构，依托超级表模型优化存储。单核低配环境稳定承载数据，故障定位缩至 5 分钟，存储与运维成本下降，为水泥智能化提供落地范例。

IDMP 的 AI 能力有了非常重要的升级。其中，MCP 与 API Key 的引入，意味着 IDMP 的能力开始更加开放地提供给 AI 与 Agent 使用，Agent 可以真正成为 IDMP 的数据消费者。

小T导读：在宁夏新能源集控项目中，区域集控中心的建设遇到了持续写入压力大、数据存储时间长以及业务实时性要求高这三大难题，经过选型，华东院在区域集控中心使用 TDengine TSDB 管理 9 个新能源场站的风电、光伏、储能数据。依托 TDengine TSDB 集群的高性能，集控中心能够支持所有场站超过 80 万测点的数据实时写入；采用多级存储的方式，将久远历史数据存储在廉价介质上，节省了大量存

小T导读：昆仑数智在其承建的“中国石油智慧运营平台 2.0”升级项目中，面临着海量、高频、异构的油田物联网数据接入、存储与实时分析的jizhi挑战。项目需整合全国数十个油气田的实时生产数据，涵盖压力、温度、流量、示功图等上百种工况参数，每日产生超过百亿条数据记录。通过引入 TDengine TSDB 作为核心时序数据处理引擎，智慧运营平台成功构建了一套高效、稳定、可扩展的时序数据底座。借助 tao

在物联网、工业互联网和智能设备快速发展的今天，时序数据库（Time Series Database）已成为处理海量传感器数据的核心基础设施。而对这些系统的性能评估、容量规划和稳定性验证，则离不开高效、灵活的压力测试工具。过去，我们主要使用 taosBenchmark 来做 TDengine 的基础写入性能测试。它在很多场景下已经足够好用，尤其适合快速验证数据库写入能力。不过，随着实际业务越来越复杂

很多做数据分析的人，对 Pandas 都不陌生。从一个 CSV 文件开始，到清洗字段、筛选数据、聚合统计，再到画图、建模，Pandas 几乎是 Python 数据分析工作流里绕不开的一站。它的好处很直接：上手快，API 清晰，处理结构化数据很方便。无论是业务报表、科研数据，还是金融分析、设备监测数据，只要能进入 DataFrame，后面的分析工作就会顺很多。很多时候，分析人员并不是想换一套新工具，

小T导读：在工业 4.0 与智能制造持续推进的背景下，工业现场正以前所未有的速度产生海量时序数据。对于拥有大量 CNC 机床、机器人及各类工业传感器的制造场景来说，如何高效完成数据采集、写入、存储、分析与实时应用，已经成为数字化升级中的关键问题。发那科在推进新一代工厂物联网平台建设过程中，面临高并发写入、历史数据存储成本、实时分析延迟和系统运维复杂等多重挑战。为应对这些问题，其平台引入了 TDen

传统工业应用软件的终结在过去几十年里，工业软件一直是围绕“应用系统”构建的。SCADA、MES、工业实时数据库、报表系统以及各种分析工具，都是以独立应用的形式存在，每个系统都有自己的界面、数据模型和工作流程，用户需要学习这些系统并适应它们的使用方式。这种模式长期以来是有效的，但也带来了明显的局限。应用系统在设计之初就固化了功能、流程和交互方式，一旦业务需求发生变化，就需要对系统进行修改、扩展甚至替

在上一篇文章中，我们讨论了工业数据基础设施的整体演进路径：从工业实时数据库（Time Series Database），到工业数据平台，再到 AI 原生工业数据底座。这一演进不仅是功能的增强，更是底层架构的重构。在这一过程中，一个最核心、却常常被忽视的变化，是数据存储层本身正在发生根本性替代。长期以来，Data Archive 一直是工业实时数据库的核心组件，它承担了最基础的职责：接收来自现场的时

一个简单却易被忽视的问题工业生产中每一个设备的被监控参数——温度、压力、流量、转速、浓度——都有一个"应该在什么范围内"的业务定义，这个范围就是限值（Limits）。这听起来再简单不过了，但恰恰是这个看似简单的概念，在实际工业环境中造成了大量隐性问题。限值要回答的问题很直接：这个参数的正常值应该是多少？什么时候需要关注？什么时候必须行动？在传统工业数据系统中，这些答案散落在不同