2026年3月9日，国产时序数据库厂商TDengine悄然变更官网slogan——”TDengine，构建AI时代的工业数据基座”。就在数日前，这家成立九年的公司刚刚宣布全球安装实例数突破100万，覆盖60多个国家和地区。在AI Agent席卷全球、软件产业格局剧烈重构的当下，这家曾经以”高性能时序数据库”闻名业内的公司，为何选择此时高调押注”基座”概念？其背后折射的，或许正是中国工业软件在AI时代的一次关键卡位。
现象：AI正在重塑2B软件产业格局
2022年底ChatGPT的发布，被公认为新一轮工业革命的开端。两年多来，大模型能力以月为单位迭代进化，推理能力持续增强，训练和推理成本却快速下降。进入2024年，AI Agent开始从概念走向应用，一个简单的对话框就能完成过去需要耗费大量人力开发的软件功能。
这些特性决定了，工业领域很难像消费互联网那样被AI迅速颠覆。正如TDengine创始人陶建辉在其近期文章中所言：”工业领域是AI时代最难被颠覆的行业之一。”但这并不意味着工业软件可以高枕无忧——恰恰相反，AI时代正在重新定义工业软件的竞争维度。
追问：AI时代，工业软件的核心价值在哪里？
在AI能够即时生成简单功能、自动生成代码的背景下，什么样的软件不会被替代？
解析：为什么说”数据基座”是AI时代的关键基础设施？
理解TDengine的战略选择，需要先理解AI在工业领域落地的真实困境。
当前的大语言模型虽然具备强大的推理和生成能力，但它们处理的是文本数据，面对工业现场产生的海量时序数据时，面临着几个根本性挑战：
这些挑战指向同一个结论：AI进入工业现场，必须建立在强大的数据基座之上。这个基座需要提供三层能力：高性能的数据基础设施（实时采集、海量存储、快速查询）、完整的数据语义层（数据目录、标准化、情景化），以及面向分析和决策的数据洞察能力。
布局：TDengine的”TSDB+IDMP”组合战略
TDengine的答案，是一个”双轮驱动”的产品组合：TSDB（时序数据库）+ IDMP（工业数据管理平台）。
IDMP的定位是工业数据基座的”语义层”，解决三个核心问题：
数据目录——在数千万测点中快速定位所需数据。通过资产模型构建，形成清晰的数据地图，让AI知道”找什么”。
数据标准化——统一不同数据源、不同命名习惯、不同计量单位的工业数据。让AI能够准确理解”220″是电压还是温度，”Dianya”和”Voltage”是否指同一含义。
在AI时代，软件产业的竞争逻辑正在从”功能创新”转向”基础设施能力”。过去，软件厂商比拼的是功能丰富度、界面友好性、实施便捷性；未来，核心竞争力将转向数据基础设施的完备性——能否接入海量异构数据、能否提供统一的数据语义、能否支撑AI Agent的高效运行。
这一趋势在国际市场已有先例。OSIsoft的PI System长期占据工业数据管理领域的标杆地位，其核心能力PI AF（Asset Framework）正是解决了数据目录、标准化和情景化的问题。TDengine的IDMP在能力上对标PI AF，但在架构上更进一步——面向AI Agent时代做了原生设计，提供MCP接口让AI Agent直接访问数据，支持发布/订阅机制实现数据的实时消费。
更值得关注的是，TDengine采取了开源策略。其核心产品TSDB在GitHub上完全开源，目前Star数已超过24.5k，多次登顶GitHub全球趋势排行榜。开源不仅带来了全球开发者的参与和验证，更重要的是，它让TDengine具备了构建生态的基础——开发者可以基于TDengine开发各种AI Agent、工业应用、数字孪生系统，而不必担心被锁定在封闭平台。
2016年底，TDengine 创始人陶建辉因看到物联网、工业互联网的高速发展，判断市场需要一款高性能、具备水平扩展能力的时序数据库，开启了人生的第三次创业。2019年7月，TDengine开源，迅速获得全球开发者关注。九年后的今天，当全球安装实例数突破100万，TDengine选择在这个节点升级战略定位，从”时序数据库”进化为”AI时代的工业数据基座”，显示出其对产业趋势的敏锐判断。
陶建辉在其文章中写道：”当工业AI时代真正到来的时候，世界使用的工业数据基座是谁构建的？我希望那个名字是TDengine。”
这是一个野心勃勃的目标，但也并非遥不可及。在全民AI的时代，真正稀缺的不是功能，而是能够承载数据、流程、上下文和决策的系统。谁先构建起这样的数据基座，谁就能在工业AI的竞赛中占据主动。
