ITPub博客

小T导读：在煤炭智能化加速推进的背景下，作为行业领军企业的天地奔牛正从传统设备供应商向全生命周期服务商转型，但在海量时序数据面前遭遇存储成本高、查询慢、难实时等瓶颈。为突破技术限制，天地奔牛引入专为物联网高并发场景打造的 TDengine TSDB，构建新一代装备物联网数据平台，实现存储成本降至传统方案的十分之一、查询效率提升数倍到数十倍，并将原本复杂的数据链路简化为一体化架构。本文将从三大维度呈

这么多年来，PI System 里有一个概念一直让我印象非常深刻：Event Frames（事件框架）。对于处理工业运营数据的人来说，这个想法既简单又非常强大。传统上，我们往往只是看连续的时序数据信号。但 Event Frames 的思路是：把连续的数据流转换成离散的运营事件。一个 Event Frame 通常包含：开始时间结束时间持续时间描述该事件的属性（attributes）与其他事件之间的关

“‘人工智能+制造’是一个必答题，不是一个选择题。”今年两会期间，工业和信息化部部长李乐成关于产业升级的这一论断，为制造业的未来指明了方向。然而，企业要答好这道“必答题”，首先需要解决一个根本性的障碍：数据。当人工智能开始进入工业系统，企业最先面对的挑战往往不是模型的先进程度，而是有没有一套能够被有效管理、理解和实时利用的数据体系。没有这个基础，再精妙的算法也只是空中楼阁。如果再把视角放宽一点来看

小T导读：当天文观测进入 PB 级时代，问题不再是“有没有数据”，而是“数据该怎么用”。面对高基数、高频次的时域观测数据，传统的数据处理范式已经逼近极限。国家天文科学数据中心（NADC）围绕新一代科研需求，探索“计算向数据靠拢”的存储与分析架构，并在多时标光变曲线生成、高能光子数据库等关键场景中引入 TDengine 时序数据库，构建支撑海量时序数据就地分析的技术体系。本文将系统介绍这一架构的设计

近日，涛思数据（TDengine）与广州安晟信息技术有限公司（以下简称 “广州安晟”）钻石分销商签约仪式圆满落幕。涛思数据创始人兼 CEO 陶建辉、广州安晟信息技术有限公司董事长李保生共同签署合作协议，见证双方深度战略合作的正式开启，携手以时序技术为核心、全栈服务为支撑，为政企、交通、智能制造等多行业数字化转型注入新动能。不同于传统合作模式，此次涛思数据与广州安晟的携手，是 “硬核技术” 与 “优

长期以来，工业软件中的可视化工具承担着一个非常明确的角色：还原历史。趋势图、仪表盘、报表和大屏，本质上都是围绕同一个目标——帮助用户理解系统已经发生了什么。在传统工业体系中，这种能力已经足够有价值。通过历史趋势判断设备状态，通过报警记录复盘异常，通过运行曲线分析工况变化，构成了过去几十年工业数字化的核心范式。但随着 AI 逐渐进入生产一线，这种以“回顾过去”为中心的模式，正在显露出边界。越来越多企

在工业数字化转型的进程中，数据可视化早已不是 “可选项”，而是工厂运营、设备监控、故障分析、决策落地的刚需入口。一边是以 PI Vision 为代表的老牌工业可视化软件，深耕行业数十年；另一边是 Grafana 等现代可视化工具，凭借灵活开放的体验迅速普及。很多人会简单地把这场对比，归结为 “新与旧”“好用与不好用” 的较量。但真正深入用过、理解工业场景的人都会发现：工业可视化的核心矛盾，从来不是

在全球工业数字化进程持续深化的背景下，企业对数据基础设施的要求正在发生根本性变化。从传统数据采集与存储，到分布式架构、实时分析与 AI 驱动决策，工业数据平台正成为企业长期竞争力的重要支撑。在这一趋势之下，TDengine 海外市场拓展取得阶段性成果。截至目前，TDengine 已正式签署包括 Deloitte（德勤）在内的 12 家海外合作伙伴。这不仅是合作数量的增长，更是 TDengine 在

小T导读：针对智能化综合管控平台在融合大数据、人工智能技术与煤矿开采业务上，面临的子系统融合难、数据孤岛严重、数据利用率低等核心问题，以及传统数据管理方式无法适配智能化需求、数据存储 / 查询 / 分析效率亟待提升的严峻挑战，恒达智控打造了以 TDengine TSDB 时序数据库为核心的数据解决方案。该方案不仅实现查询速度毫秒级响应，将存储成本降低至原来的 20%，极大优化了数据处理流程、高效破

如果说大多数行业大会还停留在“讲趋势、秀 PPT”的阶段，那么 ProveIt! 更像是一场反套路的工业技术现场。2 月 16 日–21 日，TDengine 亮相在美国达拉斯举办的 ProveIt! 2026 活动，并以 Silver Sponsor 身份参与现场展示，与来自全球的工业软件厂商、系统集成商及制造业用户展开面对面交流。ProveIt! 是近年来在北美工业数字化圈逐渐受到关注的实践型

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