行业发展从基础可用迈向高性能实用阶段，DolphinDB 凭借存算一体架构、多协议适配与 AI 融合能力，成功落地核电核心场景，实现进口产品替代，同时国产时序数据库仍需在生态、云原生等方面持续完善。

DolphinDB 策略回测 Agent 采用 AI 理解意图 + 工程兜底执行架构，先产出结构化策略说明书，经校验修复后再生成代码，大幅提升策略生成通过率，还沉淀出可复用的企业级 AI 落地工程范式。

DolphinDB 通过统一合约与市场数据模型，标准化定价接口，支持多资产批量估值与混合持仓一键定价，可高效落地历史模拟法 VaR 等硬核风控场景，简化开发并降低系统债务。

周小华博士在演讲中指出，DolphinDB 正围绕 AI 工作流构建完整的使能层——推出面向量化金融场景的 MCP Server 与专业 Skills 工具集，支持 AI Agent 直接调用数据查询、因子计算、实时行情订阅等核心能力，同时结合内置向量存储引擎，支持语义搜索与相似行情识别等 AI 增强分析场景。目前，DolphinDB 已广泛服务于券商、基金、银行、保险等金融机构，以及能源、电力、

◦创建一个共享流数据表。

◦创建一个共享流数据表。

DolphinDB 在同一架构内同时实现了流数据引擎（支持毫秒级 Pub/Sub 推送、复杂事件处理）和时序存储引擎（列式压缩、高效历史查询），可以在同一套系统内处理“当前状态感知”和“长周期趋势分析”两类需求，不需要在应用层维护两条数据管道。这种“数据在哪、计算在哪”的架构，在处理高频时序数据时，能够显著降低数据搬运带来的延迟与工程复杂度。随着工业 AI 的发展，传统时序数据库开始集成向量索引能

从数据源接入（SCADA、电采系统、气象、交易结算等），到流数据接入和 API 网关统一汇聚，再到分布式存储、流计算、复杂事件处理引擎、规则引擎、机器学习模块和 2000+ 内置函数，最终支撑源侧监视、网侧感知、荷侧聚合、交易结算四大场景。此外，一个业务场景往往横跨多个计算引擎，规则一变化就要改代码、重部署、重对账，系统越堆越复杂。整场讲座，从电动车充电的场景切入，讲到千万级测点治理、50kHz振

新型电力系统的建设，不仅是一场能源革命，更是一场数字化与智能化的深刻变革。从数据底座到智能决策，再到云原生调度平台，DolphinDB、杉数科技、东方电子三方合力，正为电力行业构筑起更自主可控、更实时智能、更开放协同的技术底座。未来已来，变革正当时。DolphinDB 将持续深耕电力行业，以更强大的数据底座与更开放的生态，携手更多伙伴共筑电力智能化新未来。原文链接：https://dolphind

在工业 4.0 时代，数据已成为驱动生产力变革的核心要素。面对数据洪流和国产化替代的战略要求，企业在工业时序数据库的技术选型上，必须突破传统思维，转向综合考量“性能、功能与服务”的价值体系。DolphinDB 凭借其原生流批一体的创新架构、工业级的高可用保障以及在极端场景中验证过的卓越性能，不仅解决了海量工业数据的处理难题，更为企业提供了实现业务深度洞察、加速数字化转型的坚实自主可控底座。选择 D