ITPub博客

小T导读：红河烟叶复烤有限公司于 2024 年 9 月完成了易地技术改造并投产了数字化新厂区。 新厂区建成了全国shou家应用加长型智能烤片机的复烤生产线，年加工能力提升至 60 万担烟叶。公司通过部署原料收储与复烤生产协同运营系统（IMOM），实现了从原料收储到生产的全流程智能化管理。烟叶复烤加工过程中通过引入 TDengine TSDB 时序数据库，实现了海量数据的实时低成本存储，是数字化转型

在工业数字化不断深入的过程中，越来越多企业开始接触到“工业数据管理平台”这一概念，也开始评估包括 TDengine IDMP 在内的新一代平台方案。当数据规模增长到一定阶段，问题不再是“有没有数据”，而是：数据能不能被找得到？能不能被理解？能不能被反复使用，而不是一次性分析？能不能支撑更复杂的分析，甚至 AI 参与决策？这正是“工业数据管理平台”开始被反复讨论的背景。但在实际交流中我们发现，很多讨

在很多工业场景中，Excel 仍然是被使用频率最高的数据分析工具之一。报表、核对、趋势分析、阶段性总结，很多工作最终都会在 Excel 里完成。真正影响效率的，往往不是 Excel 能不能算，而是数据能不能被稳定、重复地拿到。当分析对象来自长期运行的设备和系统时，这个问题会被进一步放大。数据量持续增长、时间跨度不断拉长，如果每次分析都依赖导出、复制或人工整理，不仅过程繁琐，也很难保证结果的一致性。

在工业数字化进入深水区之后，越来越多企业开始意识到一个问题：真正限制系统上限的，往往不是应用功能，而是底层对时序数据的处理能力。设备、工艺、能耗、安全、环保——这些最核心的数据形态，几乎全部以高频、连续、长期积累的方式存在。它们不是“报表型数据”，而是贯穿生产全过程的运行数据。一旦规模上来，传统数据库方案很容易在性能、成本或稳定性上同时失效。正是在这样的背景下，麦斯时代与涛思数据达成了 TDeng

如果说前几年，工业企业谈数据，更多是在解决“能不能采、能不能存”；那这两年，越来越多客户开始问的是另一类问题：数据规模上来之后，系统还能不能稳？复杂分析越来越多，查询是不是一定会慢？业务想用数据，但每次都要找技术同事，能不能更“自动”一点？AI 说了这么多年，真正想落到工业场景里的，到底应该怎么做？这些问题，其实正是 TDengine 在规划 2026 年产品路线时反复讨论的出发点。最近，我们正式

在实际生产环境中，时序数据库面临的挑战早已不只是“能不能存数据”，而是如何在复杂查询、高并发计算、多源接入和安全合规要求不断提高的情况下，依然保持稳定、高效和可控。近日，TDengine TSDB 发布新版本 3.4.0.0，围绕查询性能、流计算能力、安全体系与数据接入生态进行了系统性增强。本次更新在虚拟表查询、状态窗口计算、流计算性能等核心场景下带来了显著优化，同时补齐了多项安全能力，并进一步扩

近日，在中国信通院组织开展的 2026 上半年批次“可信数据库”测试中，涛思数据 TDengine IDMP 成为截至目前唯一一家全项完成“基于 AI 大模型的时序数据管理平台”基础能力检验的产品。经中国信通院测试验证，TDengine IDMP 符合《基于 AI 大模型的时序数据管理平台技术要求》标准的全部能力要求，覆盖 AI 时序数据应用、时序数据建模与组织、情景化与标准化、实时分析、事件管理

回看中国大数据产业走过的第一个十年，真正经得起时间检验的，并不只是概念创新或阶段性风口，而是那些在基础技术与产业实践中长期投入、持续演进的选择。随着产业逐步进入深水区，一些曾经并不喧哗、却始终指向长期价值的技术路线，开始被重新审视与确认。近日，在上海举行的 2025 第八届金猿大数据产业发展论坛上，TDengine 创始人 & CEO 陶建辉入选「2025 中国大数据产业年度趋势人物 ·

小T导读：在福州水务统一物联网接入平台项目中，基于 TDengine TSDB，我们实现了水厂、管网等多源水务数据的统一存储与管理，并同时满足了水表平台、产销差系统等多业务系统对数据的高效检索与共享需求。TDengine TSDB “一个采集点一张表” 的建模方式完美契合物联网平台对设备级数据的统一管理需求，其卓越的读写性能与数据压缩能力，有效应对了百万设备数据管理的技术挑战。此外，其还支持标准

12 月 18 日，2025 数据资产管理大会在北京盛大召开，大会现场重磅揭晓了数据智能 “星河（Galaxy）”  案例评选结果。涛思数据携手广西桂冠电力股份有限公司、中能拾贝科技有限公司、南方电网储能股份有限公司信息通信分公司联合申报的三项案例，从超 930 份申报项目中脱颖而出，成功入选 “星河（Galaxy）” 案例榜单。对涛思数据来说，这不是“多拿了三张证书”这么简单。更重要的

小T导读：山西省智慧交通实验室在桥梁健康监测中面临数据孤岛、预警滞后、分析依赖技术人员等管理瓶颈。以 TDengine IDMP 为核心构建统一数据底座后，实现了多源监测数据的集中治理、分钟级主动预警和面向业务的一线自助分析，促使桥梁监测从“被动养护”转向“主动干预”。系统上线后显著提升响应效率、降低运维成本，并具备跨桥梁/隧道/边坡的复制与推广能力，为智慧交通提供可落地的规模化实践路径。本文将

小T导读：中海油泰州石化原有 AspenTech InfoPlus.21 实时数据库系统建设至今已有十余年，随着企业的逐步发展，原有采集点数已达上限，相关应用取数效率下降，限制了企业新需求的增长，借助该国产化项目汉中诺 ProDB（TDengine TSDB 基础上开发）产品在原点数基础上进行了 4 倍扩容，而且完成了实时数据库及采集接口双冗余配置，其他应用取数性能得到质的提升，极大地鼓舞了企业人

随着开源之夏 2025 进入结项阶段，所有参与项目也迎来了最终检验。官方数据显示，本届开源之夏共有 182 家开源社区、565 个项目任务，吸引了来自 450 所高校的 2290 名学生报名。最终，518 位学生中选，在经历三个月的项目开发和一个月的成果合入后，共有 437 位同学顺利通过导师、社区和组委会的多轮审核，成功结项。值得高兴的是，在今年参与 TDengine 项目的两位同学中，两个项目

小T导读：在智慧港口的建设过程中，面对海量物联网设备产生的时序数据（如设备状态、能耗、作业效率等）的高效接入与实时分析需求，山东港口科技选择采用 TDengine TSDB 时序数据库作为核心数据底座，以应对传统关系型数据库在处理高并发、大规模时序数据时的性能瓶颈，实现设备状态的实时监控、数据压缩存储与智能分析，为智慧港口的数字化转型与智能化运营提供强有力的数据支撑。本次将就此实践进行具体分享。合

小T导读：为推进 “数智运营” 转型，广西桂冠电力携手涛思数据，采用 TDengine 时序数据库构建智能巡点检系统，融合 AI 与智能终端打造“终端—边缘—云端”协同架构，破解水电巡检效率低、安全风险高等难题。TDengine 在其数据湖中承担 OT 数据核心存储角色，通过“一个设备一张表”“超级表”等设计简化架构，凭借内置时序计算与订阅机制显著提升效率。系统投运后，单机机组增效 2–5%，年增

为应对日益增长的物联网数据接入需求，极企科技引入 TDengine TSDB 时序数据库，实现海量设备数据的实时采集、高效存储与智能分析，显著提升了设备监控系统的响应速度与数据处理能力。本文将分享这一智慧楼宇解决方案基于 TDengine 的应用经验与实践成果。

小T导读：作为清华大学控股、专注公共安全领域的高科技企业，辰安科技正以“智慧消防系统”引领城市火灾防控的智能化升级。面对项目中成千上万传感设备带来的海量数据挑战，他们选择 TDengine TSDB 作为核心时序数据库，构建高性能、可扩展的智慧消防数据平台。本文将介绍 TDengine TSDB 如何支撑辰安科技在燃气监测、智能消防栓、火灾探测等典型场景中的实时监测与预警应用，助力实现从“感知火情

京能集团在储能安全管理平台中采用 TDengine TSDB 作为底层时序数据库。依托 TDengine 企业版的零代码数据写入平台，来自全国 28 家电化学储能电站的数据能够按照统一编码规则高效接入 TDengine 时序数据库中，实现了稳定、高性能的数据采集与管理。

近日，涛思数据与上海罗盘信息科技有限公司（以下简称 “上海罗盘”）举行钻石分销商签约仪式，标志着双方正式达成深度战略合作，将依托各自在数据领域的核心优势，携手为金融、制造、政企等多行业客户提供 “数据治理 + 时序存储” 全链路解决方案，推动时序数据技术在更多场景中的落地应用。涛思数据创始人兼 CEO 陶建辉、战略渠道与生态合作总监郭浩，上海罗盘董事长马力等双方核心团队成员出席签约仪式，共同见证这

2025 年收官，TDengine 交出连续第四年营收同比翻倍的亮眼答卷。这一年，公司聚焦 “沉淀” 与 “进阶”，以 AI First 为年度战略核心，在时序数据赛道稳步前行，将 AI 技术深度融入产品演进、组织协作与业务增长全链条，切实实现了产品、市场、社区、生态的多维突破。产品双线并行落地 AI 战略，构建工业数据管理完整闭环2025 年，TDengine 产品线形成清晰的"双线并