8 月 21 日，2026 AICon 全球人工智能开发与应用大会深圳站开幕，近千名开发者、技术专家与产业实践者到场。涛思数据创始人兼 CEO 陶建辉发表 Keynote 主题演讲《从模型竞赛到数据基建：工业 AI 的落地拐点》，指出工业 AI 落地的瓶颈不在算法，而在数据基础设施。演讲多次赢得现场掌声，会议期间 TDengine 展位人流不断，成为大会关注焦点之一。
大模型为什么进不了工厂
陶建辉在演讲中直言，工业企业谈 AI"雷声大、雨点小"，大模型真正进工厂的很少。他分析了三大核心痛点：数据烟囱，工厂里 DCS、SCADA、ERP 等系统彼此孤立；标准不统一，同一事物不同名称、计量单位混乱，AI 最怕"同物不同名、同名不同物"；情景化缺失，数据缺乏上下文与阈值，AI 读不懂。他坦言，自己公司从今年 1 月起已无人手写代码，但大模型在真实生产场景仍难有用武之地——问题不在模型，而在数据底座没有准备好。
完整技术栈：不止一个 MCP 接口
对此，他提出工业 AI 需要完整的技术栈，而非一个 MCP 接口：底层时序数据库负责数据接入、流计算与实时预警；工业本体层通过数据目录、数据标准化和情景化让 AI 读懂工业数据；原子应用将画图、算 KPI 等确定性任务固化为工具；智能体运行时管理模型、Skills 与多轮任务，把所有页面变成按钮，工人无需输入一句话。他总结企业竞争力四要素：持续打磨的工业本体数据底座、沉淀 know-how 的 Skills、统一知识库、系统无缝对接。
隐性知识变可复用资产
陶建辉认为，AI 最大的价值是把隐性知识变成可复用资产。他将企业隐性知识归纳为数据、文档、规则、模型、流程五种形态，固化为 Skills 和知识库。现场他演示了 TDengine 的特色能力："无问自推"主动推送用户该关心的问题，事件根因分析可把老师傅几小时的工作压缩到几分钟；他还提出"柔性界面"——用户可通过飞书、微信甚至命令行交互，页面由 AI 即时生成。
"让最缺资源的中小企业用得起完整工业 AI，才是数据基建的真正价值。"
演讲最后，陶建辉宣布，带工业本体与智能体的完整软件对全球中小企业永久免费、永久免费升级，不裁剪功能与性能。其商业逻辑是：免费带来更多用户，真实场景暴露真实问题，跨行业反馈持续打磨，最终将 TDengine 做成行业标准，挑战传统工业软件巨头的垄断。
会议期间，TDengine 展位吸引众多参会者驻足交流
互联网声音
这场演讲在会后的舆论场持续发酵。InfoQ 在大会收官报道中完整收录了演讲内容，将其列为大会核心输出之一。陶建辉在微博表示，这次分享让更多人知道"TDengine 已经不再只是时序数据库，而是一个带有工业本体、工业智能体的产品"。
7 月产品升级与免费计划
此番表态并非首次。今年 7 月 22 日，涛思数据已在世界人工智能大会（WAIC）期间宣布 TDengine 完成重大升级，从高性能时序数据库（Timeseries Database）演进为 AI 原生的工业数据平台，内置工业本体层、13 个开箱即用的 AI 助手与库内时序 AI 引擎，并同步推出中小企业免费计划——5000 测点以内，所有功能永久免费，不缩减功能、不限制性能。从 WAIC 到 AICon，涛思数据在一个多月里连续向产业界传递同一个判断：AI 竞争的重心，正从模型能力转向数据基建。
当大模型的能力边界不断外扩，谁能把工业数据真正组织好、治理好，谁就能拿到 AI 时代的入场券。工业 AI 的落地拐点，或许正始于此。
