多位技术大咖同台交流，结合一线实战经验，从技术创新、产品落地、商业变现等维度，拆解 AI 时代工业数智化爆款逻辑，预判行业发展风向，解锁技术+商业双重增长密码。等真实工业落地案例，我们将直观展现时序 AI 如何破解工业数据治理难题，为工业数字化、智能化升级筑牢技术根基，解锁工业数据价值新可能。技术专家齐聚，主题演讲深度拆解，全是可落地的实战干货，直击 Data+AI 场景核心痛点，助力企业抢占数智

中，业务团队采用 “仿真程序生成数据→写入 Kafka 消息队列→Flink 集群消费消息队列→Flink 将数据写入 IoTDB 集群” 的架构，96 个节点的 IoTDB 集群写入吞吐仅为 15 GB/秒。业务侧基于该结论验证，将 Flink 写入 IoTDB 的链路断开后，Flink 空跑的整体吞吐仅为 20 GB/秒，确认瓶颈点在 Flink 客户端侧。借助 IoTDB 精细化的 CPU

朱雀三号首飞成功入轨，为国家航天运力体系增添了一款性能先进、潜力巨大的新型主力火箭，补强了我国大运力、低成本、高频次进入空间的运载能力，精准响应了国家卫星互联网星座工程建设大规模组网的迫切需求。本次首飞任务不仅检验了朱雀三号总体方案、动力系统、飞控系统、结构与航电系统的正确性和可靠性，也获取了真实飞行状态下的大量关键工程参数。，带回了真实飞行条件下的重要工程参数，为后续型号优化设计、提升整体可靠性

MyBatis-Plus Generator 是 MyBatis-Plus 框架内置的代码生成工具，基于数据库表结构自动生成标准化的实体类、Mapper 接口、Service 层及 Controller 层代码，集成 MyBatis-Plus 的通用 CRUD 方法（如 BaseMapper 内置增删改查）和条件构造器（QueryWrapper），支持 Lombok、Swagger 等扩展注解，的

中国工程院院士孙家广教授，中国人民大学理工处处长、教育部数据工程与知识工程重点实验室主任杜小勇教授，北京科技大学自动化学院副院长彭开香教授，华润电力技术研究院副院长郭为民，中国石油大学软件学院副院长吴春雷教授，围绕“AI 时代，从产业一线需求看数据库技术演进”展开了圆桌讨论。在《AI 时代，从"采数"到"用数"的跨越》主题报告中指出，AI 时代，软件开发从 1.0、2.0 迈入了 3.0 时代，A

其集成了自主研制的多项载荷及应用系统，将星间网络、星地网络和传统的地面网络三网合一，为应用层提供无感的卫星网络服务。发动机研发中心某位工程师评价：“过去需要 3 名工程师坐在一起一下午完成的分析，现在午餐时间就能自动生成报告，还能直接对比半年前的数据，这是我们。将数据实时下传至地面站。，天算星座是北京邮电大学发起并主导建设的开放开源卫星研究平台，旨在使全球学术界能够使用实际卫星进行太空实验，推动卫

作为长安汽车车联网平台核心，IoTDB 高效应对高并发读写、海量数据长期存储、低延迟查询、端云协同部署等数据管理难点。本文源于：长安智能化研究院1.业务场景介绍公司简介长安汽车，全称“重庆长安汽车股份有限公司”，是中国领先的汽车制造商之一，以广泛的产品线和创新技术而闻名。长安汽车不仅提供多种乘用车和商用车，还在智能网联汽车技术方面处于行业前沿，特别是在车联网平台的开发上。车联网平台是长安汽车智能.

针对工业场景数据管理，时序数据库与实时数据库重点不同，但存在融合可能。从信息化到数字化，数据正从被存储的对象成为价值的创造者，工业数据更是驱动传统企业迈向智能制造的重要抓手。相较于其他领域，工业领域由于需要及时监控生产过程，减少生产中断带来的损失，所以对于数据的实时性要求更高。在此背景下，实时数据库以及以 IoTDB 为代表的时序数据库，由于在保障海量工业数据的实时写入、存储、查询等方面发挥着重要

面向工业物联网时代，以 IoTDB 为代表的时序数据库加速发展。时序数据的主要产生来源之一是设备与传感器，具有监测点多、采样频率高、存储数据量大等多类不同于其他数据类型的特性，从而导致数据库在实现高通量写入、存储成本、实时查询等多个维度存在管理难点。针对这些特性与难点，专门针对时序数据管理构建的时序数据库也在逐步成熟。以 IoTDB 为代表的国产时序数据库面向工业物联网时代，时序数据的主要应用场景

一文读懂时序数据库 IoTDB。