在时序数据预测分析、异常检测、数据补全和数据分类等应用领域，研究人员提出并开发了众多具有不同技术特点、适用于不同场景的时序数据分析算法，已被广泛应用在时序数据预测、异常检测等任务中。这类分析算法通常以高级编程语言（Python 语言或 R 语言）工具包的形式存在，并通过开源的方式广泛分发和使用，这种应用模式极大地便利了软件开发人员在应用系统中调用复杂的分析算法，大大降低了使用高级算法的门槛。与此同

从海量监控数据，到工业、能源、交通等场景中实时更新的各类传感器数据，时序数据正在以指数级速度增长。而面对如此庞杂的数据，如何快速分析、自动发现问题、精准预测未来，成为企业数字化转型过程中的关键挑战。TDengine 的答案是——AI 智能体。2025 年 3 月 26 日（本周三）14:00，TDgpt 智能体发布暨 TDengine 3.3.6 发布会将通过线上直播形式正式举行。在本次会议上，我

在高并发、长周期的时序数据场景中，查询性能、安全性与生态兼容性，始终是系统演进的关键。近日，TSDB（）3.3.8.0 版本正式上线，本次更新带来了 Rollup SMA 多层级预计算、TimeRange-Wise SMA 时间范围预计算、TLS 加密传输、TDgpt 数据补全、MySQL 函数增强、taosX 逻辑备份与 ORC 数据源接入等多项功能升级，全面提升系统的性能、可扩展性与数据安全。

云鼎科技采用TDengine TSDB和TDgpt优化煤矿与风电数据管理 云鼎科技在煤矿安全生产管控平台中选用TDengine TSDB，实现对75对矿井、1100余个系统的工业数据采集与分析，构建了云端协同的时序数据体系。

TDengine IDMP近期在多个版本迭代中实现了AI能力、过程分析、可视化等关键升级，推动平台从工业数据管理向智能决策平台演进。核心更新包括：1）开放AI接口，支持Agent调用数据并生成业务报告；2）增强过程分析能力，新增标记线、散点图、相似度分析等功能，支持模型全生命周期管理；3）优化事件管理，通过子事件机制跟踪异常演变过程；4）提升面板可视化效果与配置灵活性；5）强化批量导入和系统管理能

应用会变化，界面会变化，人与系统的交互方式也会不断变化。这些变化是技术发展的必然结果，也是系统不断进化的表现。真正不会改变的，是数据底座的重要性。它是唯一持续存在、不断积累价值，并支撑所有上层能力的核心资产。在 AI 时代，仅仅拥有数据底座是不够的。它必须从一开始就为 AI Agent 设计，才能支撑今天的应用，以及未来不断出现的各种新能力。

中国软件行业协会发布《"人工智能+工业软件"融合应用成熟度评价规范》（T/SIA 064—2026），填补行业空白。该标准由27家单位共同起草，历时一年完成研制，明确了评价体系与分级架构，涵盖数据管理、智能分析等核心指标。北京涛思数据作为主要参与单位，依托其TDengine时序数据库和IDMP工业数据管理平台的技术积累，为标准提供重要支撑。标准实施将推动工业智能化升级，促进产业链协同发展，助力企业

安徽智质在水泥工厂智能化升级中，针对天车无人化调度系统的高频数据挑战，引入TDengine TSDB时序数据库，优化了海量数据处理能力。系统通过激光雷达和PLC实时采集万级通讯点数据，采用“超级表-子表”模型实现高效存储与查询，在单核虚拟化环境下（1核CPU/4GB内存）稳定运行。方案将故障定位时间缩短至5分钟内，支持90天数据长效存储，显著提升了天车轨迹回溯与故障排查效率，为水泥行业工业无人化提

在工业 4.0 与智能制造持续推进的背景下，工业现场正以前所未有的速度产生海量时序数据。对于拥有大量 CNC 机床、机器人及各类工业传感器的制造场景来说，如何高效完成数据采集、写入、存储、分析与实时应用，已经成为数字化升级中的关键问题。发那科在推进新一代工厂物联网平台建设过程中，面临高并发写入、历史数据存储成本、实时分析延迟和系统运维复杂等多重挑战。为应对这些问题，其平台引入了 TDengine

部署运维简单：单机版可在 5 分钟内完成安装，可以采用容器化部署。集群部署通过厂家支持配合部署，运维成本相比 OpenTSDB 降低 70%。高可用与可扩展性：原生支持分布式集群，故障自动切换，且线性扩展能力支持未来数据量增长。压缩比与成本效益：列式存储架构实现 10:1 压缩比，年存储需求从 PB 级降至百 TB 级，节省硬件成本 40%以上。功能全面性：支持标准 SQL 语法、无缝对接现有 B