当前位置: 首页 > news >正文

唯一完测!涛思数据 TDengine IDMP 全项完成中国信通院基于 AI 大模型的时序数据管理平台测试

近日,在中国信通院组织开展的 2026 上半年批次“可信数据库”测试中,涛思数据 TDengine IDMP 成为截至目前唯一一家全项完成“基于 AI 大模型的时序数据管理平台”基础能力检验的产品。

经中国信通院测试验证,TDengine IDMP符合《基于AI大模型的时序数据管理平台技术要求》标准的全部能力要求,覆盖 AI 时序数据应用、时序数据建模与组织、情景化与标准化、实时分析、事件管理、安全与扩展性等关键能力方向。这也标志着 TDengine IDMP 在AI 大模型与时序数据深度融合的工业数据平台领域,已达到国内技术先进水平。

《基于 AI 大模型的时序数据管理平台技术要求》标准简介

为规范基于AI大模型的时序数据管理平台技术和能力,指导提升AI大模型在时序数据领域的管理、建设应用,促进相关技术创新发展,完善行业协同生态,中国信通院依托CCSA TC601开展《基于AI大模型的时序数据管理平台技术要求》标准编制工作,围绕AI时序数据应用、时序模型管理、时序数据建模和组织、时序数据情景化、时序数据标准化、时序数据预处理、时序数据可视化、时序数据实时分析、事件管理、时序数据服务、平台管理、兼容性和扩展性、安全性等维度进行规范,为相关产品的应用落地提供了可供参考的技术规范。

TDengine IDMP:AI 原生工业数据管理平台的四大核心优势

作为时序数据库领域的长期实践者,涛思数据的 TDengine TSDB 已在工业、物联网等场景中广泛应用,覆盖智能制造、能源、电网、石油石化、汽车、矿山、新能源、制药、IT 基础设施等众多行业。

随着 AI 技术与工业互联网、物联网的深度融合,企业对数据平台的要求正在从“能存、能查”,升级为“能理解、能推理、能主动给出决策线索”。

在这一背景下,涛思数据于 2025 年 7 月正式发布TDengine IDMP(AI原生的工业数据管理平台),与 TDengine TSDB 协同演进,从底层架构重构工业数据平台能力,打通数据采集、汇聚、存储、分析、实时计算、可视化、事件管理与智能洞察的全链路,帮助企业以极高的性能、极低的成本和极简的体验,全面释放数据价值。

TDengine IDMP 具备以下四大核心优势:

  • 无问智推,数据自己说话:无需主动提问,基于采集的数据,TDengine IDMP 能够利用 LLM,自动感知应用场景,自动生成场景特有的的指标、可视化面板、报表和实时数据分析。无需业务知识的多年积累,无需主动查询,核心洞察主动推送。
  • 智能问数,实时分析零等待:除 AI 主动推送的面板、分析之外,用户还可以用自然语言主动提问与数据相关的任何问题。无需数据分析师、IT 工程师的帮助,AI 基于采集的数据实时给予答案,即可形成行动方案。从提问到决策,分钟级闭环。
  • 工业数据全栈解决方案:与 TDengine 时序数据库一起,为工业数据管理提供从数据采集、清洗、情景化、标准化,到存储、查询、实时分析、预测、异常检测,再到可视化、事件管理等全栈的解决方案。架构极简,运维轻量化。
  • 开放的企业级应用:支持单点登录、基于角色的权限控制、数据模型版本管理,提供数据备份、异地容灾与实时分发能力,支持虚机与容器化部署,兼容 Windows 与 Linux,可与 MES、ERP、AI 等企业应用系统无缝集成。

唯一完测,赋能百业,智驱未来

作为截至目前唯一一家全项通过中国信通院基于 AI 大模型的时序数据管理平台基础能力检验的产品,TDengine IDMP 在推出不足半年内,已在能源、化工、智能制造、交通、食品等多个行业实现落地应用,客户覆盖海内外市场。

此次全项完测,不仅是对 TDengine IDMP 技术体系完整性与成熟度的权威验证,也体现了涛思数据在 AI 与时序数据融合方向上的长期投入与工程实践能力,标志着 TDengine IDMP 在这一领域的成熟度已达到国内领先水平。

面向未来,涛思数据将持续提升平台的开放性、实时性与智能化水平,推动 AI 真正参与工业数据消费与决策过程,为企业数字化与智能化转型提供更加可靠、可持续的技术底座。

关于 TDengine

TDengine 专为物联网IoT平台、工业大数据平台设计。其中,TDengine TSDB 是一款高性能、分布式的时序数据库(Time Series Database),同时它还带有内建的缓存、流式计算、数据订阅等系统功能;TDengine IDMP 是一款AI原生工业数据管理平台,它通过树状层次结构建立数据目录,对数据进行标准化、情景化,并通过 AI 提供实时分析、可视化、事件管理与报警等功能。

http://www.jsqmd.com/news/334485/

相关文章:

  • 开题报告基于Java-web的博客网站
  • 【图像压缩】基于matlab传统方法和深度学习方法静止图像压缩编码【含Matlab源码 15041期】复现含文献
  • 【导弹】基于matlab计算战场中发射的烟幕干扰弹对来袭导弹干扰时间【含Matlab源码 15038期】
  • BigemapPro专题制图 | 三步完成城市土地利用类型图
  • Altium许可证管理决策支持报告体系
  • C++中的适配器模式实战
  • 电商防关联浏览器有哪些?有什么好用的电商浏览器推荐? - Roxy指纹浏览器
  • 分布式 ID 生成:雪花算法原理、实现与 MyBatis-Plus 实战
  • 2026广州GEO服务商甄选指南:算法精准度与转化效能测评
  • WPF子窗口因为大小变动和区域限制导致闪烁的解决方案
  • pyspark添加一列时间戳数据并改名
  • SSM毕设项目:基于ssm的智能密室逃脱信息管理系统的设计与实现(源码+文档,讲解、调试运行,定制等)
  • 大数据领域存算分离:优化数据查询性能
  • 张量(Tensor)深度解析:从标量到高维数组的完整指南
  • MDN全面接入Deno兼容性数据:现代Web开发的“一张图”方案
  • 《双模型零GC框架:业务逻辑层设计与实践手册》
  • HBase与DataX:异构数据源同步工具
  • 分布式系统容错设计
  • 《性能衰减智能捕捉:采样式回归测试设计指南》
  • P1802 5 倍经验日
  • 【AI大模型舆情分析】微博舆情分析可视化系统(pytorch2+基于BERT大模型训练微调+flask+pandas+echarts) 实战(下)
  • [大模型实战 02] 图形化的大模型交互: Open WebUI部署指南
  • 【PINN回归预测】基于遗传优化算法GA改进物理信息神经网络(PINN)的多变量回归预测模型附Matlab代码
  • Kerberos认证
  • 让“入职背调”成为您人才决策的坚实基石
  • 01. 深度学习概述
  • 2025-2026 GEO优化公司哪家强?权威榜单+实战测评,选对不踩坑! - 品牌测评鉴赏家
  • 老年人能力评估系统开发Day9
  • 2026年最新高压旋转雾桩厂家五大推荐:技术为王,服务为本 - 深度智识库
  • AI搜索优化新趋势:企业如何应对流量格局变革? - 品牌测评鉴赏家