TDengine 用户大会精彩回顾:AI+数据驱动汽车、能源、烟草、电力应用的未来

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: TDengine用户大会在京成功举办,聚焦“时序数据助你决胜AI时代”。涛思数据创始人陶建辉携手中科院院士王怀民等业界领袖,探讨时序数据最新进展及AI技术应用。会上发布了《时序大数据平台-TDengine核心原理与实战》一书,为企业与开发者提供宝贵指南。自2019年开源以来,TDengine已拥有57万用户实例,Star数达23.1k。王怀民赞赏TDengine全面创新,立足全球市场。大会还涉及数据库智能化运维、能源行业数字化转型等议题,并设有三大专场,深入讨论海量数据应用、智能制造新能源及新型电力系统,展示了TDengine在各领域的应用潜力与技术革新。

近年来,随着物联网、车联网、工业互联网等前沿技术的迅猛发展,全球数据量呈指数级增长。作为大数据的一个重要组成部分,时序数据因其在实时监控、预测分析和智能决策中的独特优势,正逐步成为数字化转型的关键要素。尤其在 AI 时代,时序数据的价值愈发凸显,各行业对时序数据技术的需求也日益迫切。
7.26用户大会.jpg

7.26用户大会二.jpg

在此背景下,7 月 26 日,涛思数据倾力打造的年度盛事——TDengine 用户大会在北京·昆泰嘉瑞文化中心成功举办。围绕着“时序数据助你决胜 AI 时代”的会议主题,涛思数据(TDengine)创始人 & CEO 陶建辉携手中国科学院院士 & CCF 开源发展委员会主任王怀民、中国信息通信研究院云计算与大数据研究所所长何宝宏、中国石油长庆油田数智事业部经理丑世龙、阿尔法公社创始合伙人 & CEO 许四清等数十位重磅嘉宾,为与会者带来关于时序数据的最新发展、AI 技术的前沿应用以及如何通过数据驱动企业转型等维度的精彩分享。

此外,本次大会还设置了新书发布环节,由涛思数据技术团队撰写的《时序大数据平台-TDengine 核心原理与实战》一书重磅亮相,为更多有时序数据处理需求的开发者和企业提供宝贵的参考资料和实践指导。

从争鸣到共赢:时序数据定义 AI 新时代
自 2019 年 7 月宣布核心代码开源以来,TDengine 在 2020 年 8 月进一步宣布了集群开源。经过五年的开源发展,凭借开放开源的力量,TDengine 用户实例已超过 57 万,GitHub 上的 Star 数达到 23.1k,发展了数百家企业用户。

中国科学院院士 & CCF 开源发展委员会主任王怀民在分享“中国开源的现状与机会——涛思开源带来的思考”时,从五个角度阐述了涛思开源的特点和启示。他指出,TDengine 不模仿、全面创新,从底层开始编写数据库,找到时序数据这个未来广阔的领域,以硬碰硬的方式开源,直接对标国际排名第一,并立足全球市场,覆盖中国国内和欧美市场。他强调,TDengine 致力于做 AI 数据基础,抓住物联网等优势产业带来的机会。在商业化方面,TDengine 的数据核心技术开源和商业化相辅相成,良好的商业化进程是开源能够持续发展的基础。王怀民期待开源为中国产业带来新的活力,并期待 TDengine 为中国开源带来新亮点。
王怀民.jpg

如果说开源是立足于未来的发展论,那技术创新就是驱动这一发展的核心引擎。随着大数据和云计算的迅猛发展,数据库技术正在经历前所未有的变革,抓住产业发展的趋势,优化数据库技术,成为企业竞争力的关键。

中国信息通信研究院云计算与大数据研究所所长何宝宏在“数据库技术与产业发展趋势观察”主题演讲中指出,数据库服务能力正逐渐成为企业核心竞争力的关键因素,随着数据规模和类型的不断增加,数据库的智能化运维逐渐成为未来的重要趋势。何宝宏强调,智能化运维通过与人工智能的结合,使得用户可以通过自然语言与计算机系统进行交互,从而简化数据库操作,提升 SQL 查询的效率和准确性,并增强数据的可访问性。此外,人工智能还催生了自治数据库模式,自动化的供应、配置、安全管控、更新、弹性扩展和调优等功能成为数据库的标配。
何宝.jpg

检验数据库技术的创新性需要从实践出发。在能源行业,智能化和数字化转型已成为必然趋势。智能油气田的建设不仅提升了生产效率,还为能源产业的可持续发展提供了新的路径,而有效的数据处理是成功的关键。

在本次大会中,中国石油长庆油田高级企业专家丑世龙分享了题为“长庆智能油气田建设实践与认识”的演讲。他介绍了长庆油气田在智能化建设中的实际经验,强调了数据处理在提升生产效率和实现可持续发展中的关键作用。丑世龙指出,通过智能油气田的建设,长庆油田不仅实现了生产运营的优化,还为能源行业提供了一个成功的数字化转型范例。他强调,未来智能化和数字化转型将成为能源行业发展的必由之路,创新的数据库技术在这一过程中起到了至关重要的作用。

3.jpg

AI 时代的到来,给各行各业带来了巨大的变革和发展机遇。时序数据作为 AI 决策的重要基础,正在发挥不可替代的作用。涛思数据(TDengine)创始人&CEO 陶建辉在演讲中,以“TDengine 助你决胜 AI 时代”为主题,强调了 AI 浪潮对电力、新能源、智能制造、石油和汽车等行业的深远影响。在这种背景下,TDengine 提供零代码的数据写入,采用标准 SQL 进行查询、预测和流计算,并且 60 秒即可开箱体验,显著降低了企业对高端技术人才的需求。

4.png

在本次演讲中,陶建辉还介绍了过去半年中研发团队夜以继日的努力成果——TDengine AI 大语言模型插件,TDGPT。借助这一插件,TDengine 不仅能够通过 AI 对时序数据进行分析和处理,如数据清洗和缺失数据填充,还能帮助优化工业流程,提升效率。通过 TDengine 特有的 SQL 命令扩展,复杂的数据处理变得极为简单。陶建辉自豪地表示,TDengine 是全球第一款与大语言模型集成的时序数据库(Time Series Database),这一创新无需任何历史数据的训练,便于迅速部署和使用。

在智能制造领域,天使投资正在发挥越来越重要的作用。投资者的眼光和资源能够有效推动技术创新与产业升级。阿尔法公社创始合伙人 & CEO 许四清在演讲中以“新一代人工智能催生产业革命”为主题进行了相关分享。他通过数据分析展示了天使投资的现状,强调了人工智能领域的巨大潜力和机遇。许四清指出,人工智能不仅在技术层面引领创新,还将推动各个行业的深刻变革,带来前所未有的发展机会。他呼吁投资者抓住这一机遇,积极参与人工智能产业的布局,共同迎接新一轮的产业革命。
许四清.jpg

大会主论坛的最后阶段,CSDN 创始人&董事长、中国开源软件推进联盟副主席蒋涛,明势资本董事总经理徐之浩,中国石化石油勘探开发研究院信息高级专家律红洲,数治云(北京)创始人 & CEO 程华军以及协合运维副总经理朱永峰几位嘉宾围绕“AI 时代下的数字化转型”展开了圆桌讨论。本次讨论的一个共性思想是:在 AI 时代,数字化转型不仅是企业提升效率和竞争力的关键,更是实现可持续发展的重要途径。嘉宾们一致认为,企业应积极拥抱 AI 技术,及时升级数据架构以适应 AI 时代下的业务发展需求,通过创新和合作,推动行业的全面数字化进程,从而在全球市场中占据领先地位。
许1.jpg

值得一提的是,在主论坛上我们还为一众合作伙伴进行了颁奖,其中“TDengine 新晋合作伙伴奖”的获奖企业包括上海罗盘信息科技有限公司、北京诚志众达科技有限公司、上海爱可生信息技术股份有限公司、数治云(北京)科技有限责任公司、北京中安瑞力科技有限公司,“TDengine 最佳合作伙伴奖”的获奖企业包括亚马逊云科技、精诚瑞宝计算机系统有限公司。未来 TDengine 将继续与这些合作伙伴紧密合作,共同推动时序数据技术的应用和发展,携手实现更高的行业标准和创新成果。
许2.jpg

在过去的半年时间里,TDengine 组建了一个跨部门的特别团队,致力于完成 TDengine 的第一本书——《时序大数据平台-TDengine 核心原理与实战》。在大家的共同努力下,该书现已正式出版,并借着本次大会在公众面前正式亮相。希望这本书能够为有时序数据处理需求的开发者和企业提供宝贵的参考资料和实践指导,帮助他们更好地理解和应用 TDengine,推动时序数据技术的普及和发展。
许3.jpg

三大专场碰撞智慧火花,共探数据驱动未来
在当前科技迅猛发展的时代,各行各业都面临着数据爆炸性增长和智能化转型的挑战与机遇。为了更好地探讨和应对这些变化,TDengine 用户大会特别设置了三个分论坛,从行业角度深入探讨海量数据应用、智能制造新能源和新型电力系统的前沿技术与发展趋势。

海量数据应用专场
在海量数据应用专场,我们邀请到神州数码首席数据科学家 & 高科数聚创始人兼董事长程杰、中冶京诚数字科技(北京)有限公司公司专家王云波、欣旺达动力科技股份有限公司智能制造部长熊伟、山东胜软科技股份有限公司首席专家伊冲、云鼎科技股份有限公司工业技术专家邵国鹏。聚焦汽车、钢铁、能源等行业,他们分享了海量数据在智能制造、数据中心建设、生产数据管理等方面的创新应用和实践经验,为我们展示如何通过数据驱动行业高质量发展。7.29图片三.jpg

神州数码首席数据科学家 & 高科数聚创始人、董事长程杰在演讲中提到,汽车智能制造与营销正迎来 AI 大模型和大数据的全面革新。大数据分析驱动的生产优化,使得智能制造流程更加高效、精准。在营销方面,基于大数据分析的客户画像和行为预测,企业可以实现个性化的营销策略,提高客户满意度和品牌忠诚度。TDengine 以其高性能、低成本、高压缩率、简洁的系统架构和强大的弹性伸缩能力,为车联网数据存储提供了强有力的支持,进一步推动了汽车行业在智能化和数据驱动领域的进步。

立足钢铁行业车间级数据中心的探索与实践,中冶京诚数字科技(北京)有限公司专家王云波总结道,在建设智能工厂或智能车间时,必须从企业自身的需求出发,因为没有一套通用的解决方案适用于所有企业。在智能工厂的建设过程中,需要有效利用自身的数据和知识,选择合适的数据库平台为数据找到好的归宿。合适的技术才是最好的技术,不必追求所有技术都自主开发,而是要将市场上合适的技术集成应用。王云波表示,TDengine 学习成本低、运行稳定可靠、安装和维护简便,并且在多数据点、高采集频率和高压缩比方面极具优势,这些特点使 TDengine 成为智能工厂建设中的理想选择。

山东胜软科技股份有限公司首席专家伊冲针对“TDengine 在油气行业海量生产数据应用”进行了深度分享,他表示,目前国内外主流的时序数据库包括 InfluxDB、TDengine 和 TimescaleDB,它们都具备高吞吐的存储能力和高压缩比等特性,综合考虑国产化要求及与 EPDC 技术的统一性,胜软科技最终选择了 TDengine 作为实时数据存储方案。通过 3 台服务器的部署,顺利完成了 TDengine 集群环境的搭建,能够支持每分钟 520 万点的实时数据存储需求。

智造新能源专场
在制造新能源专场,上海烟草机械有限责任公司中臣数控首席技术官张华、上海威士顿股份有限公司创新研究院院长张伟、北京航天拓扑高科技有限责任公司智慧工厂事业部项目总监鲁延灵、新奥数能科技有限公司(泛能网)物联和数据技术负责人袁文科,从新能源制造技术创新、数字能源管理、智能化生产流程、前沿研究成果及物联网数据技术等方面为与会者带来了深刻的洞见和实践经验分享。
7.29图片一.jpg

在当前行业数字化转型中,实现提质、降本、增效、减耗是用户最为关注的核心需求。上海烟草机械有限责任公司中臣数控首席技术官张华指出,烟机设备领域面临着提升产品质量、降低运维成本、精准预测故障、减少消耗损耗等多方面的挑战。公司通过使用 TDengine 存储海量、高频的时序数据,对历史数据进行降采样,显著降低架构复杂度和存储容量,提升了查询性能,有力支持边缘云状态监测、健康评估、故障诊断等应用。未来,公司将构建烟机智能服务统一平台,赋能智慧工厂建设,实现烟机设备互联、数据共享互通,真正实现“数据即价值,烟机即服务”,推动行业智慧工厂的全面建设。

在工业 4.0 发展阶段,中国制造业有望在人工智能技术的赋能下,大幅提升综合竞争力,实现弯道超车。上海威士顿股份有限公司创新研究院院长张伟在演讲中分享了相关经验,他表示,通过挖掘实时数据的潜在价值,智能工厂能够在生产效率、质量控制和资源优化等方面实现显著提升,从而构建出新质的生产力,助力中国制造业在全球竞争中取得领先地位。张伟指出,当前卷烟工厂在数据应用上面临着数据分散存储和管理不善的问题,这严重限制了数据的应用和价值挖掘。为解决这一痛点,他强调了一个强大时序数据平台的重要性,助力实现对工业实时数据的全生命周期管理,包括数据的采集、存储、计算、管理和应用。

在能源管理和碳排放控制方面,泛能网平台面临着数据量大、查询维度多、时效要求高、历史数据跨度大等诸多挑战。新奥数能科技有限公司(泛能网)物联和数据技术负责人袁文科在演讲中指出,传统的 OpenTSDB 解决方案存在部署成本高、查询性能瓶颈明显等问题,难以满足业务需求。为了解决这些问题,泛能网引入了新一代时序数据库 TDengine。自 2023 年 6 月起,TDengine 在泛能网项目中应用,不仅显著降低了部署成本,还提升了查询性能。之后泛能网顺利上线了 TDengine 3.0 版本,完成了平滑迁移,大大改善了数据管理和查询性能,从而有效支撑了泛能网能碳产业智能平台的升级。

新型电力系统专场
在新型电力系统专场,中国核电大数据专委会特聘专家、数治云(北京)CEO 兼创始人程华军,涛思数据(TDengine)首席架构师肖波,中广核电力设计院信息主管设计师高耀毅,金风科技数字化产品事业部技术总监陈飞,以及朗新科技集团股份有限公司业务总监刘建国几位嘉宾带来了丰富的专业见解。他们分别讨论了工业 AIoT 数据治理、时序数据库在电力系统中的应用创新、电力系统仪控的最新发展、基于 AI 的物联监管平台研发以及智能电网解决方案的实际案例。这些多维度的分享展示了新型电力系统在数据驱动和技术革新中的巨大潜力。
7.29图片二.jpg

在推动工业 AIoT 数据治理和企业数字化转型方面,时序数据扮演着至关重要的角色。中国核电大数据专委会特聘专家、数治云(北京)CEO 兼创始人程华军在演讲中指出,工业领域时序数据库替代传统实时数据库是大势所趋。我国的工业互联网体系呈“T”字型架构,对工业企业而言,纵向贯通的工业互联网体系是实现数字化转型的基础和关键。这种体系要求企业内部上下贯通,实现平台化设计、智能化制造和数字化管理。在这一过程中,TDengine 这样的集成化时序数据库发挥了关键作用,它不仅能够高效管理和分析海量时序数据,还能够支持工业企业实现全方位的数字化升级,为企业的智能化制造和管理提供强有力的数据支撑。

涛思数据(TDengine)首席架构师肖波就“TDengine 助力新型电力系统高质量发展”话题进行深度分享,他强调,传统方法在支持电力时序大数据的数据写入、实时告警、实时分析和数据分发方面存在诸多痛点,例如,利用 Hadoop 的分布式能力虽然能处理大数据,但数据存储非结构化且资源耗用巨大;Kafka 与 Flink/Spark 等工具组合用于实时告警,架构复杂且重复处理同一份数据。针对这些问题,TDengine 提供了卓越的解决方案,成为新型电力系统时序大数据的基座。它不仅具备低延时、亿级测点写入能力和结构化+预计算的优势,还能通过实时订阅和最新数据查询满足延时敏感业务的需求。

在基于 AI 智能技术的物联监管平台构建中,金风科技的智慧监管中心解决方案发挥了重要作用。据金风科技数字化产品事业部技术总监陈飞介绍,集团智慧监管中心包括一个数字孪生监管中心和两个平台——智能物联平台和云边协同平台。TDengine 在这一解决方案中扮演了关键角色,支持数字孪生中心实现全方位监控,显著提升运营效率,实现了几十人监管数百个场站的实时监控。通过高效的数据架构和毫秒级的查询响应,TDengine 确保了风电设备的快速异常发现和响应,提高了设备的利用率。此外,TDengine 的高性能数据吞吐能力和灵活部署能力,稳定支持千万级测点通道的写入和查询,满足了电力企业在自主可控和信息安全方面的严格要求。

结语
此次 TDengine 用户大会圆满落幕,专家们的深刻见解和创新实践为与会者带来了极大的启发。通过对前沿技术的深入探讨和实际应用案例的分享,我们不仅看到了时序数据库在各行业中的广泛应用潜力,更感受到数据驱动和技术革新所带来的无限可能。

作为一款核心为时序数据库的高性能、分布式物联网、工业大数据平台,TDengine 在各行业中的成功应用,充分展示了它强大的数据处理能力和卓越的技术优势。未来,TDengine 将继续秉持创新精神,不断突破自我,为各行业的数字化转型和智能化发展提供更坚实的基础和更多的可能性。

让我们携手共进,在数据的海洋中开拓新的疆域,共同迎接智能时代的到来。待来年再相聚,共同见证更多精彩与进步!

相关实践学习
钉钉群中如何接收IoT温控器数据告警通知
本实验主要介绍如何将温控器设备以MQTT协议接入IoT物联网平台,通过云产品流转到函数计算FC,调用钉钉群机器人API,实时推送温湿度消息到钉钉群。
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
目录
相关文章
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
6天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
31 10
|
6天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。
|
5天前
|
存储 人工智能 固态存储
如何应对生成式AI和大模型应用带来的存储挑战
如何应对生成式AI和大模型应用带来的存储挑战
|
7天前
|
传感器 人工智能 算法
AI在农业中的应用:精准农业的发展
随着科技的发展,人工智能(AI)在农业领域的应用日益广泛,尤其在精准农业方面取得了显著成效。精准农业通过GPS、GIS、遥感技术和自动化技术,实现对农业生产过程的精确监测和控制,提高产量和品质,降低成本和环境影响。AI在作物生长监测、气候预测、智能农机、农产品品质检测和智能灌溉等方面发挥重要作用,推动农业向智能化、高效化和可持续化方向发展。尽管面临技术集成、数据共享等挑战,但未来前景广阔。
|
6天前
|
人工智能 安全 搜索推荐
AI与能源管理:智能电网的未来
本文探讨了AI与智能电网的融合及其对能源管理的深远影响。智能电网利用先进的信息、通信和AI技术,实现电力的自主、智能化、高效管理。AI在精准预测电力需求、实时监测与故障诊断、智能能源调度、个性化能源服务和优化可再生能源利用等方面发挥关键作用,推动能源管理的高效、智能和可持续发展。
|
8天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用及其未来趋势
【10月更文挑战第34天】随着人工智能技术的飞速发展,其在医疗领域的应用也日益广泛。本文将探讨AI技术在医疗诊断中的具体应用案例,分析其对提升诊断效率和准确性的积极影响,并预测未来AI在医疗诊断中的发展趋势。通过实际代码示例,我们将深入了解AI如何帮助医生进行更精准的诊断。
|
7天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗影像诊断中的应用
探索AI在医疗影像诊断中的应用
|
运维 Devops 人工智能
AI赋能DevOps:数据驱动的全栈工程师实践
DevOps是什么? 对于传统的软件研发而言,开发,测试,运维,运营,有不同的岗位进行分工协作,以保证质量和专业度,同一件事情,依赖不同岗位的排期、沟通、协调,效率难免会有打折。而对于互联网业务来说,快速的迭代,对人力的需求非常强烈,不大可能有足够的人力支撑这么多岗位。
10289 0
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
27 1