当我们谈论“数字化转型”，核电可能不是第一个跳进你脑海的行业。但事实上，在这个生命周期长、系统极其复杂、安全性要求极高的领域，数字化不仅是趋势，更是刚需。
近日，在杭州举办的第十三届中国核电信息技术高峰论坛（NITF 2025）上，这样的讨论被摆上了台面。现场汇聚了来自核电业主单位、设计院、工程公司等 280 余位嘉宾，共同探讨如何用“数智”之力，推动核电行业转型升级。时序数据库 TDengine 也在其中。
本次大会，TDengine 首席架构师肖波受邀出席，并带来《时序数据赋能核电数字化转型，TDengine 引领创新新范式》的主题演讲，分享 TDengine 在高频工业数据处理领域的实践和思考。
核电数字化，难就难在“数据太多了”
核电行业具备技术难度高、生命周期长、安全要求极高等显著特征。从反应堆温度、压力、中子通量，到冷却剂流速、设备震动监测……关键参数的实时监控对数据处理平台提出极高要求。一台核电机组每天可产生数千万至上亿级别的数据点，而且这些数据不仅要“存得下”，还要“算得准、跑得快”。
肖波在演讲中指出，传统数据库方案往往无法在无损压缩、实时查询、数据归档等多个维度同时满足核电行业的需求。而随着第四代核电技术的发展与示范项目推进，未来对数据管理与分析的要求还将进一步提升。
这些数据该交给谁处理？TDengine 用技术回答现实挑战
面对核电数据的高频、长周期与高精度挑战，TDengine 提出了明确的技术解法：
- 高性能写能力：在中核运行研究院与中国信通院联合组织的测试中，TDengine 在三节点三副本场景下实现超 550 万条/秒的写入性能，支持快采点（1ms 采样）与普通点（400ms 采样）的混合处理。
- 强实时分析能力：支持复杂场景下的断面查询与混合读写操作，在保障数据完整性的同时兼顾实时性。
- 高可用架构保障：通过多副本机制、预写日志与集群容错设计，全面通过核电行业关键高可用测试场景，适配多CPU架构与国产化操作系统。
TDengine 不止于数据库，还有智能体
演讲中，肖波还介绍了涛思数据于 2025 年 3 月正式推出的时序数据分析 AI 智能体 —— TDgpt。该组件内置于 TDengine 中，用户只需一条 SQL 语句，即可调用预测、异常检测、补齐、分类等智能分析能力，支持时序模型、大语言模型与自定义算法的无缝集成，为核电行业的智能运维和数据洞察打开了新窗口。
如果你对 TDgpt 背后的设计思路、模型结构和应用方式感兴趣，可以参考我们近日发布的两篇文章《TDgpt 如何让时序数据库原生支持 AI？》《3 个行业实战案例，看 TDgpt 如何用 AI 激活时序数据价值》。这两篇文章详细介绍了 TDgpt 如何在数据库中实现智能分析的“原生集成”，以及它在预测、分类、补齐、异常检测等任务中的潜力与实践路径。目前，TDgpt 已正式开源，欢迎开发者下载试用、提出反馈，与我们一起完善这款面向时序数据的智能体。
结语
通过本次 NITF 2025 的分享，肖波展示了 TDengine 在核电数字化转型浪潮中的技术实力与行业洞察力。我们期待与更多核电行业伙伴携手，在“数智赋能”的道路上，共同构建更安全、高效、智能的能源未来。
了解 TDengine：https://www.taosdata.com/TDengine
体验 TDgpt：https://www.taosdata.com/tdgpt
