近日，第十三届 CCF 大数据学术会议在天津成功举行，吸引了近 700 位来自学术界、产业界的专家学者齐聚一堂，聚焦“数据要素筑基、数智融合创新”，共同探讨数字经济时代的技术变革与产业机遇。
在这场国内大数据领域的年度盛会上，涛思数据高级副总裁、解决方案中心总经理陈肃受邀作专题演讲，带来了题为《如何打造 AI 驱动的物联网工业大数据平台》的深度分享。
工业大数据的困局：存得下，却用不快
陈肃开篇直指痛点：当下工业企业的数据采集早已不是问题，挑战在于“用得起来”。多源异构、语义缺失、质量参差不齐，让数据难以直接进入 AI 算法，更难自动产出业务洞察。很多企业投入大量资源搭建数据平台，最终却只能停留在“能存”的阶段，仍需依赖工程师手写 SQL 才能得到决策所需的信息。
AI-Ready：让 AI 真正读懂工业数据
针对这些问题，陈肃提出 TDengine 打造“AI-Ready”的工业数据平台思路——不是简单在平台里“嵌几条 AI 算法”，而是要从数据建模、存储、治理到分析能力全面重构，让数据天然适配 AI，让 AI 能够直接“理解”业务上下文，从而实现“数据找人”的智能范式。
他强调，TDengine 不仅仅是一个时序数据库（TSDB），还包括 IDMP（工业数据管理平台），形成一个完整的 AI-Ready 平台：
- TSDB 提供高效的海量时序数据存储和计算能力；
- IDMP 作为智能数据运营层，为数据补齐语义、建立目录和上下文，并提供开箱即用的 AI 分析能力。
支撑 AI-Ready 的五大创新
在演讲中，陈肃结合 PPT 详细解析了 TDengine 如何实现 AI-Ready 的技术路径。“一个采集点一张表”的策略结合列式存储，既保证高并发写入，又提升压缩率和查询性能，让存储成本大幅下降。“超级表”则用统一模板管理同类采集点数据，解决多维聚合和跨表关联的痛点，让“一个设备一张表”成为现实，查询也更简单。
在数据建模层，虚拟表技术把多个子表动态合并为一张表，实时反映原始数据变化，还能按需扩展列，避免复杂的 JOIN 和嵌套查询。流式计算引擎把分析目标直接转化为流计算任务，支持时间窗口、事件窗口、状态窗口等多种触发方式，让实时分析真正落地。
最后，陈肃重点讲解了“无问智推”的能力。借助 LLM 和 AI Agent，平台能够自动生成可视化面板、报表和实时分析任务，并主动推送给业务人员。用户甚至可以对推荐结果进行“喜欢”或“不喜欢”的反馈，让系统持续优化推荐效果，从而实现真正的“数据找人”。
典型落地成果
陈肃还分享了 TDengine 在水务、新能源、钢铁等行业的应用实践：
- 水务：精准曝气控制降低能耗 15–25%，出水 COD/NH₄ 达标率提升至 99%。
- 新能源：发电量预测准确率超过 90%，精准定位异常点减少维护成本 20%。
- 钢铁：实现毫秒级设备监控和分钟级质量追溯，缩短问题定位时间。
如需了解实际应用案例，进入：https://www.taosdata.com/tdengine-user-cases
他指出，AI-Ready 平台的核心价值，不仅是让企业更快发现问题，更是让数据主动驱动业务优化，推动工业数据从“人找数据”到“数据找人”的转变。
结语
CCF 大数据学术会议是学术与产业交流的重要平台。通过此次分享，涛思数据展示了 TDengine 在工业大数据和 AI 融合领域的技术探索和落地成果，也向研究者和企业传递了一个清晰信号：下一代工业数据平台必须天然适配 AI，才能支撑新质生产力的持续跃迁。
