2025时序数据库技术创新大会:IoTDB与AI深度融合,共绘工业物联新图景

IoTDB大会:DB+AI开启工业智能新篇章,2.0及Timer 3.0重磅发布。

原文标题:时序数据库技术创新大会:以 IoTDB 为核心,洞见「DB + AI」的工业物联未来

原文作者:数据派THU

冷月清谈:

2025年时序数据库技术创新大会在北京成功举办,本次大会以“下一站:DB + AI”为主题,汇聚了产学研各界专家,共同探讨时序数据库Apache IoTDB如何与AI技术融合,驱动工业物联网领域智能化升级。清华大学软件学院王建民教授指出,AI时代软件开发迈向3.0,IoTDB已进化为工业端边云“数智协同”体系架构。大会现场发布了Apache IoTDB 2.0版本,旨在通过专业时序数据库、数据联邦查询与智能分析组件,构建新一代工业级数据智能底座。同时,清华大学龙明盛副教授推出了时序大模型Timer 3.0(日晷),该模型遵循时序预测第一性原理,首创自回归与生成式超融合架构,并在万亿级时序预训练数据集上展现出卓越推理能力。

怜星夜思:

1、文章里提到“DB + AI”是未来的新范式,大家觉得除了工业物联网,这种深度融合在生活中还有哪些应用场景?它会带来哪些我们意想不到的改变?
2、Apache IoTDB在国产大飞机的试飞和储能电站管理中都取得了显著效果。大家觉得,IoTDB这种时序数据库的独特优势,还能在哪些看似“不相关”但数据量巨大的领域发挥作用?
3、时序大模型Timer 3.0(日晷)的发布,特别是它“开箱即用”和“万亿级时序预训练数据集”这两个特点,有没有让大家对数据安全和隐私产生一些疑虑?在工业智能化推进的过程中,我们应该如何平衡便利性与安全性?

原文内容

2025 时序数据库技术创新大会成功举办,IoTDB 全新架构赋能工业智能化演进,开启「DB + AI」新篇章!


2025 年 7 月 5 日,清华大学软件学院、天谋科技(北京)有限公司主办的 2025 时序数据库技术创新大会在北京成功举办。


以「下一站:DB + AI」为主题,超 30 位大咖嘉宾,包含中国工程院院士和来自清华大学、中国人民大学、北京科技大学、中国石油大学等学术界权威专家,携手中国商飞、国家电投新源智储、华润电力 10 余家企业代表,围绕时序数据库 Apache IoTDB* 的自研技术成果与应用落地实例,探讨工业物联网领域如何借助 AI 技术与数据库融合驱动智能化升级。


大会吸引了数百名企业用户代表和开发者到场交流,现场座无虚席。另有数十万名工业互联网、数据库基础软件从业者线上参会,各方反响热烈。



01 产学研共探时序数据库与 AI 融合新范式




大会主论坛上,中国工程院孙家广院士、中国信息通信研究院余晓晖院长致辞。


清华大学软件学院院长王建民教授在《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,AI 软件栈也发生了变化。随着 AI 技术的快速发展,工业产品正加速向智能联网产品升级,这一变革正在重塑数据从采集、存储到分析应用的全链路技术体系。新一代 IoTDB 不仅是一款数据库管理系统,而是一种工业端边云“数智协同”体系架构,为工业智能化跃进提供坚实的技术支撑。



Apache IoTDB PMC Chair 黄向东全面回顾了时序数据库 Apache IoTDB 2023-2025 年度在技术创新、国际化影响、开源生态、行业赋能四方面取得的重要突破。目前,IoTDB 二进制软件安装包累计下载量超 65 万,用户规模超千余家,刷新了数据库权威基准测试榜单 TPCx-IoT、benchANT 世界纪录。“积跬步、至千里”,持续引领时序数据库技术创新与产业落地。



Apache IoTDB PMC 成员、天谋科技 CTO 乔嘉林博士正式发布 IoTDB 2.0 版本。2.0 版本直面 AI 时代数据管理新需求,以专业时序数据库、数据联邦查询组件、智能分析组件为核心,创新打造了新一代工业级数据智能底座,可满足工业监控、设备运维、复杂数据治理、定制场景预测、异常预测等多类产业需求。



清华大学软件学院长聘副教授龙明盛正式发布时序大模型 Timer 3.0 版本(日晷),具有开箱即用能力,可在 IoTDB 中直接调用。3.0 版本遵循时序预测第一性原理,首创自回归和生成式超融合技术架构,具有泛分布预训练目标优化、高效时序原生特征学习、多样化预测结果生成等关键技术,并建立了领域首个万亿级时序预训练数据集,展现出卓越的多领域、多任务推理能力,并在多个国际预测基准上取得优异成绩。



中国商飞试飞公司试飞测试专业总师,测试工程部冯灿部长详细解读了以 IoTDB 为底座,覆盖国产大飞机多地试飞场景的端、边、云协同框架。IoTDB 在机载侧成功减少 50% 数据体量、提升超 10 倍数据入云速度,能够处理超 100 项任务同步写库,并支持试飞外场边缘云数据分析,帮助深化新一代试飞数据云化监控模式。



国家电投新源智储能源发展(北京)有限公司储能平台运营事业部王艳经理深入分享了 IoTDB 在 AIOPS-2000 储能大集控智慧运营平台的应用情况。IoTDB 将百兆瓦储能全量全时数据采传存成本降低 90%,云端资源消耗降低 90% 以上,目前已支持接入 39 座电站项目实施,集成管理 5.7 GWh 大型独立储能电站、新能源配储、火储联合调频等示范项目。



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。专家们分别从石油、电力、钢铁行业的数字化转型需求出发,分析了时序数据在关键行业的重要意义 AI 时代的数据管理技术方向,并对国产数据库的发展提出了更高的要求和期待。



02 技术突破、行业实践与学术前沿

    共绘时序新图景




大会下午的核心技术分论坛以“融合、智能、开放、生态”为线索,核心研发团队详细解析了 IoTDB 在树/表融合模型、MCP Server、流计算框架、跨平台 TsFile 存储文件、AINode 微调大模型能力、生态集成、系统调优等方向的技术成果,全面展现了 IoTDB 在“DB+AI”交叉领域的前沿探索。


功能演示区进一步展示了 IoTDB 在 AI 服务、时序模型、表模型的最新功能,开发者们能够沉浸式体验最新的产品功能,现场气氛活跃。


用户案例分论坛呈现了 IoTDB 从中国制造到走出国门的丰富行业实践。中冶赛迪信息技术(重庆)有限公司高级架构师郑强,美林数据技术股份有限公司数据智能中心总经理赵茅,上海电气储能系统软件团队负责人王权,西门子(中国)有限公司数字化工业集团人工智能与边缘计算技术总监王超,北京寄云鼎城科技有限公司研发中心副总经理邓涛,瑞萨电子首席工程师 Stephen Lawrence,VROC.AI 创始人兼 CTO Trevor Bloch 参会,全面分享了 IoTDB 在能源电力、钢铁冶金、油气开采、车联网、高精尖制造等领域的多元实战经验和应用价值。


科研学术分论坛中,北京邮电大学计算机学院王尚广院长,太原理工大学人工智能系主任王莉教授、哈尔滨工业大学计算学部副教授丁小欧,重庆大学计算机学院副教授李瑞远,贵州大学计算机学院校聘副教授段晓旗,上海大学机电工程与自动化学院讲师孙衍宁,东南大学计算机科学与工程学院讲师林丽,聚焦时序压缩、时序质量治理、时空预测、时空动态感知等热点方向,围绕 AI 技术革新下的数据管理前沿技术展开了深度研讨,生动诠释了学术研究与产业实践的深度融合


从学术前沿到产业落地,从技术创新到生态共建,在产业专家、企业用户与开发者的智慧碰撞中,2025 时序数据库技术创新大会圆满落幕!未来,IoTDB 将持续释放时序数据价值,以更强大的实时分析能力、更智能的 AI 融合架构,真正成为驱动工业数字化升级的核心引擎。下一站,时序数据与 AI 的深度融合,必将开启更广阔的未来!


*Apache IoTDB 及 Apache IoTDB 项目标志是 Apache 软件基金会(The Apache Software Foundation)的注册商标。



关于我们

数据派THU作为数据科学类公众号,背靠清华大学大数据研究中心,分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识,努力建设数据人才聚集平台、打造中国大数据最强集团军。




新浪微博:@数据派THU

微信视频号:数据派THU

今日头条:数据派THU


引用问题3:时序大模型Timer 3.0(日晷)的发布,特别是它“开箱即用”和“万亿级时序预训练数据集”这两个特点,有没有让大家对数据安全和隐私产生一些疑虑?在工业智能化推进的过程中,我们应该如何平衡便利性与安全性?

嗯,确实会有这方面的担忧。尤其是在工业场景,很多数据可能涉及到企业核心竞争力甚至国家安全。比如,我生产线的效率数据,或者某种精密设备的运行参数,如果被模型学习后,并以某种形式被“开箱即用”地传播,虽然可能不是原始数据本身,但其蕴含的规律和知识可能会被间接获取。平衡点在于,软件提供商在发布这种工具时,应该有非常清晰的数据使用协议和安全保障机制,比如:数据是否会回传?回传的数据是否脱敏?用户是否有选择不上传数据的权利?同时,企业用户自身也需要提高警惕,仔细评估工具的安全性,而不是盲目追求“开箱即用”的便利。安全永远是第一位的,尤其在工业数据这种高敏感领域。

引用问题1:文章里提到“DB + AI”是未来的新范式,大家觉得除了工业物联网,这种深度融合在生活中还有哪些应用场景?它会带来哪些我们意想不到的改变?

从学术角度看,DB+AI的融合在智慧城市、医疗健康、金融风控等领域有巨大潜力。例如,在智慧城市中,时序数据库可以存储交通流量、能源消耗等实时数据,结合AI进行预测和优化,实现交通信号灯的智能调控、电力负荷的预测管理等。医疗健康领域则能通过集成病患生理指标(时序数据)与AI模型,实现疾病的早期预警、个性化治疗方案推荐,甚至远程诊断辅助,大大提升医疗效率和精准度。意想不到的改变可能在于,它将加速我们从“数据驱动”向“智能决策”的跨越,很多现在需要人工分析的复杂问题,未来都能被系统自动识别和解决。

引用问题2:Apache IoTDB在国产大飞机的试飞和储能电站管理中都取得了显著效果。大家觉得,IoTDB这种时序数据库的独特优势,还能在哪些看似“不相关”但数据量巨大的领域发挥作用?

哈哈哈,看到大飞机和储能电站,我突然想到了游戏世界!你想啊,现在很多大型多人在线游戏(MMORPG)里,玩家的操作数据、服务器的运行状态、NPC的行为日志……这些都是海量且带有时间戳的数据!如果用IoTDB来管理这些数据,是不是就能实时分析玩家的行为模式,提前预警外挂,优化服务器性能,甚至可以用来研究玩家心理,为游戏平衡性调整提供数据支持?感觉能打造一个“智能游戏大脑”呢!毕竟游戏公司也是“数据富矿”啊!

引用问题3:时序大模型Timer 3.0(日晷)的发布,特别是它“开箱即用”和“万亿级时序预训练数据集”这两个特点,有没有让大家对数据安全和隐私产生一些疑虑?在工业智能化推进的过程中,我们应该如何平衡便利性与安全性?

开箱即用、万亿级数据集?听起来是牛,但我的直觉告诉我,数据安全这根弦必须绷紧了!万一哪天我的工厂数据被模型“学习”走了,然后被竞争对手分析出来,那不就全完了吗?想想都头皮发麻!我觉得这就像我们给家门装了一把超智能的锁,是很方便,一刷脸就开,但如果被人黑了,那可就麻烦大了!所以,我觉得就像门锁再高级,我们晚上睡觉也得反锁;科技再便利,我们对数据安全和隐私的认识也得随时更新,该加密加密,该隔离隔离,不能因为方便就啥都不管了呀!