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，我们正式对外发布了 TDengine TSDB & TDengine IDMP 的 2026 年年度路线图。相比“多加几个功能”，这份路线图更想解决的是一件事：在真实、长期、复杂的工业数据场景里，系统如何继续向前演进。
TDengine TSDB｜2026 年路线图
从规划可以看到，TDengine TSDB 在 2026 年的重点，并不只是“更快”，而是让复杂场景变得可控。
一方面，查询能力持续向真实工业分析靠拢：关联查询、子查询、自然周期窗口、累计窗口、窗口函数……这些能力背后，都是越来越复杂的分析逻辑需求。
另一方面，虚拟表与流计算被反复强化，意味着计算正在前移：不再只是“数据进库 → 再算”，而是让系统本身承担更多实时与持续计算的职责。
而在更底层，引擎、缓存、多副本、资源管控的优化，则是在为长期稳定运行打基础。
TDengine IDMP｜2026 年路线图
TDengine IDMP 于 2025 年 7 月正式发布。从一开始，它就不是一个“补充型工具”，而是围绕工业数据长期使用所设计的平台级产品。
在过去半年多的迭代中，IDMP 始终保持着“快迭代、小步快跑”的节奏：依托 TDengine TSDB 的高性能时序数据底座，持续强化工业数据的标准化管理与情景化分析，并在此基础上进一步拓展 AI 原生能力，让数据从“可管理”走向“可决策”。
这些更新更多聚焦在语义一致性、分析可复用性、视图沉淀与 AI 使用门槛等方面，为后续复杂场景与规模化落地打下稳定基础。
2026 年，IDMP 的演进重点开始从“能力补齐”转向“体系化建设”：
- 在延续既有 AI 能力的基础上，引入更完整的事件体系与根因分析能力；
- 强化面板、仪表板与分析之间的组合、继承与钻取关系；
- 同时在平台层面补充可观测性、权限与数据治理能力，使分析与 AI 能力能够长期、稳定地运行在真实工业环境中。
从 2025 到 2026，TDengine IDMP 正在从“能力集合”走向“可长期演进的工业数据平台”。
写在最后
工业数据的下一阶段不是“有没有数据”，而是系统能不能承载更复杂的分析、更长周期的运行，以及更高层次的智能应用。2026 年，TDengine 正在为这一阶段提前铺路。
如果你正在使用 TDengine，或正在评估下一代工业数据平台，这份路线图，或许能帮你更早看清接下来一年的演进方向。同时，我们也欢迎你基于真实场景和实际需求反馈建议，一起把这份 Roadmap 打磨得更加“落地”。
