陶建輝：研發了八年基礎軟件，57 歲的我在 AI 時代迎來了千億機會

　　近日，濤思數據線上正式發布 TDengine IDMP，一款 AI 原生的物聯網、工業數據管理平臺。這是我在時序數據庫上專注耕耘八年之后，推出的第二款產品。今天一早起來，看到各種留言，以及后臺看到的下載量與注冊用戶數，我異常興奮，覺得自己作為一個程序員，在 AI 時代不僅不會被替代，而是找到了可以再戰八年的巨大機會。開發這款產品是繼我 2019 年將 TDengine 核心代碼開源后的又一重大決定。今天靜下心來，花 2 個小時把我的心路歷程寫下來，分享給眾多的創業者，特別是想在 AI 浪潮里沖浪一把的程序員們。

　　2016 年底，我看到萬物互聯的時代已經到來，各行業需要一個高效的處理海量時序數據的引擎，因此創立濤思數據，并且自己沖到開發第一線，2 個月就寫下了 1.8 萬行 C 代碼，而且大膽的在 2019 年 7 月將 TDengine 核心代碼開源。八年過去，TDengine 的全球安裝量已經超 83 萬套，日安裝量超 700 套，付費客戶超 500 家，遍布全球 60 多個國家和地區，集中在電力、新能源、石油、智能制造、汽車、交通等多個行業，這些數字讓我相當開心。

　　海量數據有了，然后呢?

　　但過去幾年，我走訪了中國以及歐美的很多客戶，了解到大家的數據量是真的大，比如某個新能源集控中心，測點數超過 5000 萬，每天產生的數據量超過 5 TB。TDengine 時序數據庫的高效寫入、高壓縮率的存儲與低延時的查詢很讓客戶滿意，但大家都有一個共同的問題：數據已經采集和存儲，下一步，怎么把數據的價值挖掘出來?我也一直在思考這個問題，希望可以用技術的方式來幫助大家。作為一個程序員，很直接的想法就是讓 TDengine 提供更好的 SQL 查詢，提供更好的流式計算能力。因此，今年 3 月，我們又推出 TDgpt 時序數據分析 AI 智能體，利用 AI 來提供時序數據預測、異常檢測與數據補全、分類的服務。但即便有了這些，用戶依舊還是在問如何挖掘數據的價值。

　　認真分析后，我們發現：最大的問題是業務人員與 IT 工程師、數據分析師之間存在“代溝”。一方面，業務人員需要的是能馬上獲得業務的實時洞察，但系統往往只提供固定的報表、看板，每次業務人員有什么想法，一定要找 IT 工程師或數據分析師先溝通，解釋業務的邏輯和需求。另外，因為大多數 IT 工程師不懂業務本身，雖然知道怎么用數據庫，知道怎么寫 SQL，但要先理解業務、理解需求，才能寫出來代碼，因此往往幾天之后才會有分析結果。一旦分析的結果不實時，大家對數據價值挖掘的興趣就大幅下降。市面上已經有不少 BI 工具，通過拖拉拽可以緩解問題，但業務人員會直接操作 BI 工具的，比例很小，大多數還是嚴重依賴數據分析師或 IT 工程師。此外還有，業務人員的行業知識和經驗積累還不夠，特別是對新的領域，比如新能源，沒有形成系統全面的知識和思考，因此他們也很難提出清晰具體的實時數據分析需求。

TDengine 核心代碼在 GitHub 開源

　　“身上沒有煙味 ……”，無解的局面

　　作為一個時序數據庫廠商，我覺得自己進入了一個無解的局面，因為我比用戶的 IT 工程師更不懂業務。當我與卷煙廠的工程師交流時，他們說“你身上都沒有煙味”;當我去油田交流時，我都不知道油井采集了哪些物理量;當我去污水處理廠交流時，他們提到的一些專有名詞我都完全沒聽說過。此外，我還發現，基于數據庫做應用的廠商多如牛毛，每個行業都有一批應用公司，但沒有一家能做到行業通吃，因為他們遇到了和我們同樣的問題，對行業不了解，不具備行業知識，那自然不會被客戶所接受。

　　我一直在把 TDengine 時序數據庫作為人生最后一個產品在做，在這個細分賽道堅持了 8 年，希望這個產品給自己超過 40 年的程序員生涯畫上一個完美的句號。但基于其產品的特性，行業知識的壁壘，除非做行業以及客戶的定制化開發，否則我很難將 TDengine 產品做厚，進軍到應用領域。我經常給團隊鼓氣，希望濤思數據能做到 100 億 RMB 的市值，但其實背后，是我理性的思考，拼命努力做到極致的話，公司市值也就一百億，至多兩百億 RMB。

　　但這一切，由于 AI 大語言模型，發生了改變，而且讓我這個 57 歲程序員倒騰的歷史又濃墨重彩的加上了一筆。

　　一開始，我也想開發Chat BI

　　2024 年 8 月，我在美國硅谷與做 Chat BI (對話式商業智能) 的公司交流，發現我們完全可以做，至少可以提供自然語言的接口讓用戶不用寫 SQL 來查詢數據。但仔細思考，發現 Text to SQL 不是一件容易的事。人類語言靈活、模糊、上下文依賴，而數據庫 SQL 語言嚴謹、精確、結構化，兩者之間存在巨大鴻溝。怎么將自然語言中的詞語映射到數據庫表名、列名，怎么確認多個表之間的關系，怎么將不同行業的業務語義匹配到計算函數，而且 SQL 的復雜性，比如嵌套查詢、聚合函數、條件表達式等，讓 Text to SQL 生成的準確性大打折扣。此時，我心里想的還是怎么找到頂尖的 AI 人才來解決這些問題。

　　所幸，我一直關注研究 Aveva 的產品 PI System，它是一款工業數據管理的軟件，內核也是時序數據庫，但帶有數據采集、可視化、分析、事件管理等功能。不像 TDengine TSDB 更多被集成商所使用，PI 可以交付給最終用戶直接使用，在發電、電網、石油、化工、制造等行業有相當大的用戶群。帶著 Text to SQL 的問題，我再看 PI System 的時候，豁然開朗。

　　我們必須建立數據目錄，對于物聯網、工業場景而言，最有效的數據目錄就是樹狀層次結構，不僅讓大家找數據資產時方便，而且符合企業管理的習慣;我們必須做數據的標準化，因為系統會對接眾多的數據源，每個數據源的采集量的名稱、計量單位都不一致，不先標準化，只會讓 Text to SQL難上加難;我們必須做數據的情景化，數據沒有足夠的描述信息，業務上下文和語義，AI 無從幫你。因此我決定參考 PI，把數據目錄、數據標準化、數據情景化做好，并提供工具讓數據建模的過程變得簡單高效，把 TDengine 改造為一個 AI-Ready 的數據平臺。十月國慶節一結束，新的 IDMP ( Industrial Data Management Platform，工業數據管理平臺) 研發小組正式組建，亞強帶著丁博、秦沖好幾個同學開干了。

　　IDMP 研發小組決定用 Java 開發，采用 Quarkus 框架。我是 C 程序員，因此逼迫自己也安裝了整個 Java 開發環境，開始寫 Java 程序。作為一家以技術、以產品立身的公司，我深知，產品必須親自抓。但那個時候，我還是沒有最大程度的投入，因為我覺得 Chat BI 提效了不少，但離問題的完美解決還有差距，因此只是邊做邊思考，想到更多的是利用 IDMP 的開發倒逼 TDengine TSDB 的開發，比如虛擬表，流式計算重構等，目的是讓 TDengine 時序數據庫更扎實，功能更強大，更有市場競爭力。

　　前所未有的機會

　　春節期間，DeepSeek 極其火爆，讓我認真思考，作為一家時序數據庫公司，我們在 AI 的浪潮里，到底能做什么?一天與搭檔 Steven 討論產品 IDMP 是否內嵌 Grafana 做可視化時，我們腦洞大開。我們不應該只支持自然語言去創建面板，而是應該借助 AI 大語言模型的能力將可視化面板主動推送給用戶，像抖音一樣。對于我們處理的物聯網、工業場景，每個行業都有自己關心的指標、面板、報表與實時分析，AI 完全可以基于采集數據的上下文，智能感知出來是什么業務場景。感知場景后，AI 這個超級大腦自然知道應該創建哪些典型面板與報表了。我立即用 DeepSeek 做了一些測試，發現完全可行。我在把自己熟悉的 IT 運維場景，采集的物理量等寫好一個提示詞發給 DeepSeek 后，它給了我遠超我自己經驗的答案。

　　這一下讓我興奮到了極點，真正的機會來了。

　　因為如果我們能自動推薦可視化面板、自動創建實時分析任務給用戶，那就意味著用戶過去要花相當長的時間學習 SQL，學習做報表、面板，更要花時間學習行業知識，積累行業的運營經驗，現在一概不需要或幾乎不需要了。業務洞察不再強依賴于 IT 工程師，不再強依賴于數據分析師，甚至不再強依賴于業務專家，人人都可以隨時獲得。AI 已經能生成精彩的文章、圖片、視頻，甚至 PPT，如果能生成生產運營過程中所需要的可視化面板、報表，創建實時分析報警任務，那就等于將 AI 技術真正落地到了國計民生的主戰場：工業場景。無論電力、新能源、石油、石化、智能制造、礦山，還是污水處理，都將迎來跨越式的數智化轉型。特別是對于中國乃至全球的數百萬家中小企業而言，相當于瞬間擁有了以前大公司才會有的數據分析工具和人才，能基于生產和運營數據實時做出最佳的商業洞察和決策。

　　這個市場遠超我們已在的時序數據庫市場，如果成功，至少可以做到 1000 億 RMB 的規模。從我三次創業的經驗來看，這個蛋糕實在是太大，太誘惑，對我們團隊而言也可謂是萬事俱備。資金、團隊都不是問題，所要的只是我作為創始人與 CEO 的決心。

AI 驅動的工業數據管理平臺整體架構圖

　　一路狂奔

　　因此，我立即回到北京，將公司幾乎所有的研發資源傾斜過來，全力投入到 IDMP 的研發中，而且在公司所有的會上強調“all in AI”。我自己身先士卒，每周七天，平均每天工作 14 個小時，除了無法推脫的客戶交流，將自己的時間全部安排給了新的產品研發，全部投入到了產品定義、產品設計以及 AI Agent 模塊上。

　　很快，我們就定出來 AI 驅動的物聯網、工業數據平臺的設計，大家就熱火朝天的干起來。

　　我是一個注重細節的人，每個小小圖標，每個頁面的跳轉，每段小小的提示語，無論中文還是英文，字體字號行距，都會細細琢磨，而且還要做開發進度、技術實現難度與細致度的平衡。雖然有 AI 幫助，但它無法代替原創性的思考和設計。相對于那些老掉牙還在 Windows 上跑的 PI System 以及眾多的工業實時數據庫軟件，以及大堆粗制濫造的工業互聯網平臺軟件，我們不僅用 AI 技術解決了業務洞察難以實時獲取的難題，用戶體驗也得到飛躍提升——用戶不必再翻查厚重的手冊，這令我無比自豪。

　　我自己帶著團隊一路狂奔，唯恐被 Siemens, Schneider, GE, Aveva 這些工業軟件巨頭搶了先機。在亞強、勝亮、潘魏、王旭、丁博、元湃、營昭等幾十位研發同學沒日沒夜的努力下，終于在 7 月 29 號發布了 TDengine IDMP 第一個正式版本 1.0，大家都可以用容器或虛機免費下載體驗，而且為降低體驗的門檻，我們同步推出相應的免費云服務。讓我特別驕傲的是，濤思數據是全球第一家推出“無需提問，直接用 AI 自動生成可視化面板、生成實時分析任務”的公司。

　　奔跑了半年，終于可以緩一口氣。

　　當然，這只是 IDMP 的第一個版本，產品后續還會快速迭代。在今年接下來要發布的版本中，將會包含我自主設計的、極具創新性的數據模型版本控制功能，同時還會新增一些行業必需的地圖、組態等面板功能，以及事件根因分析報告自動生成、事件分析面板、數據質量報告等功能，并且會支持第三方時序數據庫。

　　無問智推，數據消費范式的改變

　　TDengine 的創新突破與工程技術落地，正在推動數據消費范式的根本性轉變(Data Consumption Paradigm Shift)。傳統的數據分析模式中，始終是用戶主動發起請求(比如通過 SQL 查詢)，再由系統響應并返回結果。而現在，借助 LLM 與 AI Agent 技術，數據能夠實現 “主動開口”—— 業務分析的核心洞察會直接推送給用戶，讓分析模式從 “拉取(Pull)” 徹底轉向 “推送(Push)”。這意味著用戶的數椐消費變成了被動接收，數據分析由此邁入 “抖音時代”，門檻被直接降至零。如果說 Chat BI 的 “智能問數” 是 “有問才答”，那么 TDengine 這種從拉到推的模式，不妨稱之為 “無問智推”。

　　通過一系列包括數據目錄，數據標準化和數據情景化的基礎性工作，以存儲和計算為核心的數據庫被改造成為 AI-Ready 的數據平臺。借助 LLM，這個 AI-Ready 的數據平臺成為了一個自治的數據平臺(Autonomous Data Platform)，一個自我驅動(Self Driving)的實時分析平臺，數據自己就能說話，業務洞察不再依賴用戶的行業知識積累和工具使用技能。而因為有了掌握人類所有知識的 LLM 加持，一個 2B 工具，就不會再局限于一個或幾個行業，而是能運用到幾乎所有行業。這樣，在 AI 的驅動下，一個優秀的 2B 軟件或云服務將擁有更為廣闊的市場，將把傳統碎片化的市場匯聚起來。

　　TDengine 將更進一步，將 AI-Ready 的數據通過開放的 API 給第三方應用提供。它提供的不再是傳統的數據庫的 SQL 查詢結果，而是帶有數據業務語義、帶有數據上下文的 AI-Ready 的查詢結果，賦能給眾多的 AI 應用，讓數據的擁有者能最大程度的挖掘出數據的價值。

　　TDengine 的創新與工程實踐只是開了行業的先河，我相信今后會有很多類似“無問智推”系統的出現，并流行起來，數據庫以及數據基礎設施在 AI 時代將被重構，以適應 AI 應用發展的要求。希望 TDengine 能成為變革后的王者。

　　有了目標，就能一直跑

　　在創辦濤思數據 TDengine 的前三年，我將自己視為產品研發的核心，寫了太多行程序，解決了太多的 BUG，讓自己在 50 歲的時候居然進入了研發的巔峰期。但過去的幾年，節奏開始慢了下來。半年前，當我意識到 AI 技術能給數據庫、數據基礎設施行業帶來新的重大變革，能解決物聯網、工業數據處理領域的難題的時候，我一下又回到了巔峰狀態，直接沖到產品研發的第一線，每天都有用不完的力氣。

　　2016 年以前我從不跑步，但偶然的原因，跑起步來。而且這一跑就不可收拾，還越跑越快，越跑越遠。第一次跑北京奧森，十公里氣喘吁吁的花了 65 分鐘，現在跑個半馬，只要一小時 55 分。過去的 9 年，我累計跑了至少 2 萬公里，北京到紐約一個來回的距離，我根本沒想到自己還有這樣的潛能。

　　從我個人的經驗來看，做產品研發與跑步一樣，巔峰不由年齡，而是由夢想和決心來決定。沒有目標，每一步都是負擔，多跑一步都會覺得累;有了目標，每一步都是希望，多跑一步，就多一份喜悅。一旦下決心開發出一款受人喜愛的產品，年齡不再是問題，你一定會有足夠的精力去投入。

參加北京國際長跑節半程馬拉松

　　我堅信，通過 AI 技術的加持，并充分利用中國巨大的工業制造市場，再輔以開源、云服務等手段，我們能將傳統的工業數據管理平臺徹底顛覆。相對于 PI System 以及傳統實時數據庫而言，TDengine 展現的是代際優勢，一定能將他們逐步淘汰。工業軟件的世界舞臺，不再只屬于 Siemens, Schneider, GE 等公司，也會有 TDengine 的身影，我們不只是追趕者，而是領航人。

　　我一直覺得自己很幸運，湖南農村長大，但在中國和美國都受到了很好的教育，并且趕上了互聯網、移動互聯網的浪潮，在本該游山玩水的年齡，又倒騰上了時序數據庫，居然能有超 80 萬套的安裝量。如今AI浪潮席卷而來，慶幸自己還在牌桌上，而且手里抓的牌還不錯，必須打出精彩。

　　雖然已經 57 歲，寫程序超過 40 年，但繼續奔跑，再來八年又何妨?Leave a dent in the world!

　　陶建輝，北京濤思數據科技有限公司(TAOS Data)創始人，公司專注時序空間大數據的存儲、查詢、分析和計算，不依賴任何開源或第三方軟件，開發了擁有自主知識產權、100% 自主可控的 AI 驅動的物聯網工業大數據平臺 TDengine。