工业AI到底卡在哪里？
是真安全还是怕担责？
数据底座和模型谁更重要？
本期「不止·AI」，TDengine 创始人陶建辉邀请到华东理工大学特聘教授、中国化工集团首席科学家冯恩波，两位深耕工业数据与AI领域多年的老兵，从各自的踩坑经验出发，聊了聊工业时序数据治理和AI落地的真问题。
在这场对话中，冯恩波分享了一个令人深思的观点：工业领域最大的问题不是数据不够，而是存数、取数、用数”三段割裂”——工具链没有无缝衔接，工程师拿数据要花一天以上，大量优化想法直接被放弃了。
他们还聊到：
- 为什么双方都放弃了自研AI框架，转而专注把领域知识变成Skills？
- AI大幅降低了数据分析门槛，这是中国工业弯道超车的窗口期。
- AI落地安全顾虑：不是不能用，而是底层DCS保底线 + 划清能力边界。
- “柔性软件”——AI时代工业软件的新范式：基座封装原子能力，上层千人千面。
- 时序大模型的技术难点：连续时间流 vs 离散token，原理性障碍怎么破？
- 企业AI投入最高优先级：建好数据底座，”万变中求不变”。
如果你关心工业AI的落地路径，本期对话，值得一看。
点击下方视频，观看完整内容。
下期，Jeff 会与哪位朋友，碰撞出什么火花呢？敬请期待。
如果你也希望加入「不止·AI」，与 Jeff 碰撞，与大家聊聊，欢迎微信联系小T（微信号：tdengine）私信我们报名。
