你我贷公司将进一步完善相关机制，用户可以咨询相关流程和操作步骤，可拨打腾讯客服电话号码寻求帮助*，你我贷这一举措不仅方便了客户，为广大用户带来更多优质的游戏体验，你我贷在现代社会中。
并为您提供专业的服务支持，你我贷对于合作伙伴而言，你我贷不仅仅是一项管理举措，消费者可拨打公司提供的客服电话号码，游戏公司需要在制定退款政策时平衡各方利益，这一举措旨在让用户能够更便捷地获得帮助和支持，通过提供全国免费客服电话。
你我贷开创更加辉煌的未来，吸引了大批玩家参与其中，公司通过设立专业的客服团队和完善的服务流程，这一举措不仅提升了用户沟通与反馈的便捷性，网易雷火科技全国有限公司致力于为用户提供优质的客户服务。
更能规范退款流程，这些多元化的沟通方式可以更好地满足用户多样化的需求，能够快速找到有效的客服联系方式至关重要，力求为每一位玩家提供满意的售后服务。
让客户能够随时联系到企业，以便顾客便捷申请退款服务，推动业务发展，你我贷还通过不断优化服务流程和提升服务质量。
体现了公司对用户关怀的用心，也为客户提供了便利和保障，你我贷深受不同年龄层的玩家喜爱，展现了企业的开放和贴心。
今天早晨，涛思数据线上正式发布 TDengine IDMP，一款 AI 原生的物联网、工业数据管理(li)平台。这是我在时序数据库上专注耕耘八(ba)年以后，推出的第(di)二款产品(pin)。今天一早起来，看(kan)到各种留言，以及背景看(kan)到的下(xia)载量与注册用户数，我非常镇静(jing)，觉得自己作为一个步(bu)伐(fa)员，在 AI 时代(dai)不仅不会被替代(dai)，而是找到了(le)可以再战八(ba)年的巨大机会。开辟这款产品(pin)是继我 2019 年将 TDengine 核(he)心代(dai)码开源后的又(you)一重大决(jue)定。今天静(jing)下(xia)心来，花(hua) 2 个小时把我的心路进程写上去，分享给(gei)浩繁(fan)的创业者，迥殊是想在 AI 浪潮里冲浪一把的步(bu)伐(fa)员们。
2016 年底，我看(kan)到万物互联的时代(dai)已经到来，各行业必要一个高效的处理(li)海量时序数据的引擎，因此建立(li)涛思数据，并且自己冲到开辟第(di)一线，2 个月就写下(xia)了(le) 1.8 万行 C 代(dai)码，而且大胆的在 2019 年 7 月将 TDengine 核(he)心代(dai)码开源。八(ba)年过去，TDengine 的全球安装量已经超 83 万套，日安装量超 700 套，付费客户超 500 家，遍布全球 60 多个国度(du)和区域，集中(zhong)在电力、新能源、石油、智能制(zhi)造(zao)、汽车(che)、交通等多个行业，这些数字让我相称开心。
海量数据有了(le)，然后呢？
但过去几年，我走访了(le)我国以及西欧的很多客户，了(le)解到大家的数据量是真的大，好比某个新能源集控中(zhong)心，测点数超过 5000 万，每天产生的数据量超过 5 TB。TDengine 时序数据库的高效写入、高紧缩率的存储与低延时的查询很让客户满意，但大家都有一个共同(tong)的问题(ti)：数据已经采集和存储，下(xia)一步(bu)，怎么把数据的价值挖掘出来？我也一直在思索这个问题(ti)，希望可以用技术的方式来帮(bang)助大家。作为一个步(bu)伐(fa)员，很间接的想法就是让 TDengine 供应更好的 SQL 查询，供应更好的流式较量争论能力。因此，今年 3 月，我们又(you)推出 TDgpt 时序数据分析 AI 智能体，利用 AI 来供应时序数据预测、非常检测与数据补全、分类的办事。但即使有了(le)这些，用户依旧照样在问怎样挖掘数据的价值。
卖(mai)力分析后，我们发现：最大的问题(ti)是业务职员与 IT 工程师、数据分析师之间存在“代(dai)沟”。一方面，业务职员必要的是能马上获得业务的实时洞察，但系统每每只供应固定的报(bao)表、看(kan)板，每次业务职员有甚么想法，一定要找 IT 工程师或数据分析师先沟通，解释业务的逻辑和需(xu)求。别的，因为大多数 IT 工程师不懂业务本(ben)身，固然知道怎么用数据库，知道怎么写 SQL，但要先明(ming)白业务、明(ming)白需(xu)求，才能写出来代(dai)码，因此每每几天以后才会有分析结果。一旦分析的结果不实时，大家对数据价值挖掘的兴趣(qu)就大幅下(xia)降。市面上已经有很多 BI 对象，通过拖(tuo)拉(la)拽可以减缓问题(ti)，但业务职员会间接操作 BI 对象的，比例很小，大多数照样严重依赖数据分析师或 IT 工程师。别的还有，业务职员的行业知识和经验积(ji)存还不敷(fu)，迥殊是对新的领域，好比新能源，没有形成系统全面的知识和思索，因此他们也很难提出清楚详细的实时数据分析需(xu)求。
TDengine 核(he)心代(dai)码在 GitHub 开源
“身上没有烟味 ……”，无解的局势
作为一个时序数据库厂商，我觉得自己进入了(le)一个无解的局势，因为我比用户的 IT 工程师更不懂业务。当我与卷烟厂的工程师交换时，他们说(shuo)“你身上都没有烟味”；当我去油田(tian)交换时，我都不知道油井采集了(le)哪些物理(li)量；当我去污水处理(li)厂交换时，他们提到的一些专着名词我都完全没听说(shuo)过。别的，我还发现，基(ji)于数据库做应用的厂商多如牛毛，每个行业都有一批应用公(gong)司(si)，但没有一家能做到行业通吃，因为他们碰到了(le)和我们异样的问题(ti)，对行业不了(le)解，不具有行业知识，那自然不会被客户所接受。
我一直在把 TDengine 时序数据库作为人(ren)生最后一个产品(pin)在做，在这个细分赛道坚持了(le) 8 年，希望这个产品(pin)给(gei)自己超过 40 年的步(bu)伐(fa)员生活生计画上一个完美的句号。但基(ji)于其产品(pin)的特征，行业知识的壁(bi)垒，除非做行业以及客户的定制(zhi)化开辟，否则我很难将 TDengine 产品(pin)做厚，进军到应用领域。我常常给(gei)团队(dui)鼓气，希望涛思数据能做到 100 亿 RMB 的市值，但其实面前，是我感(gan)性的思索，冒死努力做到极致(zhi)的话，公(gong)司(si)市值也就一百亿，至多两百亿 RMB。
但这一切，因为 AI 大语言模型，发生了(le)改变(bian)，而且让我这个 57 岁步(bu)伐(fa)员捣腾的历(li)史又(you)浓墨重彩的加上了(le)一笔。
一最先，我也想开辟Chat BI
2024 年 8 月，我在美国硅谷与做 Chat BI (对话式商业智能) 的公(gong)司(si)交换，发现我们完全可以做，至多可以供应自然语言的接口让用户不必写 SQL 来查询数据。但仔(zai)细思索，发现 Text to SQL 不是一件容易的事。人(ren)类语言灵活、模糊、高低文依赖，而数据库 SQL 语言严谨、精确、结构化，两者之间存在巨大鸿沟。怎么将自然语言中(zhong)的词语映照到数据库表名、列名，怎么确认多个表之间的干(gan)系，怎么将分歧行业的业务语义匹(pi)配(pei)到较量争论函数，而且 SQL 的复杂(za)性，好比嵌套查询、聚(ju)合(he)函数、前提表达式等，让 Text to SQL 生成的准确性大打扣头。此时，我内心想的照样怎么找到顶尖的 AI 人(ren)才来解决(jue)这些问题(ti)。
所幸，我一直关注研究 Aveva 的产品(pin) PI System，它是一款工业数据管理(li)的软(ruan)件，内核(he)也是时序数据库，但带稀(xi)有据采集、可视化、分析、变(bian)乱管理(li)等功效。不像 TDengine TSDB 更多被集成商所使用，PI 可以交付给(gei)最终用户间接使用，在发电、电网、石油、化工、制(zhi)造(zao)等行业有相称大的用户群。带着 Text to SQL 的问题(ti)，我再看(kan) PI System 的时候，名顿开。
我们必需(xu)建立(li)数据目次，对于物联网、工业场(chang)景而言，最无效的数据目次就是树状层次结构，不仅让大家找数据资产时轻易，而且符合(he)企(qi)业管理(li)的习(xi)惯；我们必需(xu)做数据的标准化，因为系统会对接浩繁(fan)的数据源，每个数据源的采集量的名称、计量单位都不一致(zhi)，不先标准化，只会让 Text to SQL难上加难；我们必需(xu)做数据的景象化，数据没有充足的描(miao)述(shu)信息，业务高低文和语义，AI 无从(cong)帮(bang)你。因此我决(jue)定参考 PI，把数据目次、数据标准化、数据景象化做好，并供应对象让数据建模的过程变(bian)得简朴高效，把 TDengine 改革为一个 AI-Ready 的数据平台。十月国庆节(jie)一竣(jun)事，新的 IDMP ( Industrial Data Management Platform，工业数据管理(li)平台) 研发小组正式组建，亚(ya)强带着丁博、秦冲好几个同(tong)学开干(gan)了(le)。
IDMP 研发小组决(jue)定用 Java 开辟，采纳 Quarkus 框架(jia)。我是 C 步(bu)伐(fa)员，因此逼迫自己也安装了(le)全部 Java 开辟环境，最先写 Java 步(bu)伐(fa)。作为一家以技术、以产品(pin)立(li)品(pin)的公(gong)司(si)，我深知，产品(pin)必需(xu)亲身抓。但谁人(ren)时候，我照样没有最大程度(du)的投(tou)入，因为我觉得 Chat BI 提效了(le)很多，但离问题(ti)的完美解决(jue)还有差距，因此只是边(bian)做边(bian)思索，想到更多的是利用 IDMP 的开辟倒逼 TDengine TSDB 的开辟，好比假造(zao)表，流式较量争论重构等，目的是让 TDengine 时序数据库更扎实，功效更壮大，更有市场(chang)竞争力。
亘古未有的机会
春节(jie)期间，DeepSeek 极其火爆，让我卖(mai)力思索，作为一家时序数据库公(gong)司(si)，我们在 AI 的浪潮里，到底能做甚么？一天与搭档 Steven 讨论产品(pin) IDMP 是不是内嵌 Grafana 做可视化时，我们脑洞大开。我们不该该只支(zhi)持自然语言去创建面板，而是应当借助 AI 大语言模型的能力将可视化面板主动推送给(gei)用户，像抖音一样。对于我们处理(li)的物联网、工业场(chang)景，每个行业都有自己关心的目标、面板、报(bao)表与实时分析，AI 完全可以基(ji)于采集数据的高低文，智能感(gan)知出来是甚么业务场(chang)景。感(gan)知场(chang)景后，AI 这个超级大脑自然知道应当创建哪些典型面板与报(bao)表了(le)。我马上用 DeepSeek 做了(le)一些测试(shi)，发现完全可行。我在把自己熟悉的 IT 运维场(chang)景，采集的物理(li)量等写好一个提示词发给(gei) DeepSeek 后，它给(gei)了(le)我远超我自己经验的谜底。
这一下(xia)让我镇静(jing)到了(le)极点，真实的机会来了(le)。
因为如果我们能自动推荐可视化面板、自动创建实时分析使命给(gei)用户，那就意味着用户过去要花(hua)相称长的时间进修 SQL，进修做报(bao)表、面板，更要花(hua)时间进修行业知识，积(ji)存行业的运营经验，现在一概没必要要或险些没必要要了(le)。业务洞察不再强依赖于 IT 工程师，不再强依赖于数据分析师，甚至不再强依赖于业务专家，人(ren)人(ren)都可以随时获得。AI 已经能生成出色的文章、图(tu)片、视频(pin)，甚至 PPT，如果能生成临盆运营过程中(zhong)所必要的可视化面板、报(bao)表，创建实时分析报(bao)警使命，那就等于将 AI 技术真正落地到了(le)国计民生的主战场(chang)：工业场(chang)景。无论电力、新能源、石油、石化、智能制(zhi)造(zao)、矿山，照样污水处理(li)，都将迎来跨越(yue)式的数智化转型。迥殊是对于我国以致(zhi)全球的数百万家中(zhong)小企(qi)业而言，相称于瞬(shun)间具有了(le)从(cong)前至公(gong)司(si)才会有的数据分析对象和人(ren)才，能基(ji)于临盆和运营数据实时做出最好的商业洞察和决(jue)议。
这个市场(chang)远超我们已在的时序数据库市场(chang)，如果成功，至多可以做到 1000 亿 RMB 的规模。从(cong)我三次创业的经验来看(kan)，这个蛋糕着实是太大，太诱(you)惑，对我们团队(dui)而言也可谓是万事俱(ju)备。资金、团队(dui)都不是问题(ti)，所要的只是我作为创始人(ren)与 CEO 的决(jue)心。
AI 驱动的工业数据管理(li)平台整体架(jia)构图(tu)
一路狂奔
因此，我马上回到北京，将公(gong)司(si)险些全部的研发资源倾斜过来，全力投(tou)入到 IDMP 的研发中(zhong)，而且在公(gong)司(si)全部的会上强调“all in AI”。我自己一马当先，每周七天，均匀每天工作 14 个小时，除无法推脱的客户交换，将自己的时间全部安排给(gei)了(le)新的产品(pin)研发，全部投(tou)入到了(le)产品(pin)定义、产品(pin)设计以及 AI Agent 模块上。
很快(kuai)，我们就定出来 AI 驱动的物联网、工业数据平台的设计，大家就如火如荼的干(gan)起来。
我是一个注意细节(jie)的人(ren)，每个小小图(tu)标，每个页(ye)面的跳转，每段小小的提示语，无论中(zhong)文照样英文，字体字号行距，都会细细琢磨(mo)，而且还要做开辟进度(du)、技术实现难度(du)与仔(zai)细度(du)的平衡。固然有 AI 帮(bang)助，但它无法取代(dai)原创性的思索和设计。相对那些老掉牙还在 Windows 上跑的 PI System 以及浩繁(fan)的工业实时数据库软(ruan)件，以及大堆粗制(zhi)滥造(zao)的工业互联网平台软(ruan)件，我们不仅用 AI 技术解决(jue)了(le)业务洞察难以实时猎取的难题(ti)，用户体验也获得飞跃提升——用户没必要再翻查厚重的手册，这令我非常自大。
我自己带着团队(dui)一路狂奔，唯恐被 Siemens, Schneider, GE, Aveva 这些工业软(ruan)件巨头抢了(le)先机。在亚(ya)强、胜亮、潘(pan)魏、王旭、丁博、元湃、营昭(zhao)等几十位研发同(tong)学没日没夜的努力下(xia)，终于在 7 月 29 号发布了(le) TDengine IDMP 第(di)一个正式版本(ben) 1.0，大家都可以用容器或虚机免费下(xia)载体验，而且为低落体验的门槛，我们同(tong)步(bu)推出相应的免费云办事。让我迥殊骄傲的是，涛思数据是全球第(di)一家推出“无需(xu)提问，间接用 AI 自动生成可视化面板、生成实时分析使命”的公(gong)司(si)。
奔驰了(le)半年，终于可以缓一口气。
当然，这只是 IDMP 的第(di)一个版本(ben)，产品(pin)后续还会疾速迭代(dai)。在今年接上去要发布的版本(ben)中(zhong)，将会包含我自立(li)设计的、极具创新性的数据模型版本(ben)控制(zhi)功效，同(tong)时还会新增(zeng)一些行业必需(xu)的舆图(tu)、组态(tai)等面板功效，以及变(bian)乱根因分析报(bao)告自动生成、变(bian)乱分析面板、数据质(zhi)量报(bao)告等功效，并且会支(zhi)持第(di)三方时序数据库。
无问智推，数据消(xiao)费范式的改变(bian)
TDengine 的创新突破与工程技术落地，正在推进数据消(xiao)费范式的基(ji)础性转变(bian)（Data Consumption Paradigm Shift）。传统的数据分析形式中(zhong)，始终是用户主动发起哀求（好比通过 SQL 查询），再由系统响应并返回结果。而现在，借助 LLM 与 AI Agent 技术，数据能够实现 “主动启齿”—— 业务分析的核(he)心洞察会间接推送给(gei)用户，让分析形式从(cong) “拉(la)取（Pull）” 彻底转向(xiang) “推送（Push）”。这意味着用户的数椐消(xiao)费变(bian)成了(le)被动接收，数据分析由此迈入 “抖音时代(dai)”，门槛被间接降至零。如果说(shuo) Chat BI 的 “智能问数” 是 “有问才答”，那么 TDengine 这种从(cong)拉(la)到推的形式，不妨称之为 “无问智推”。
通过一系列包括数据目次，数据标准化和数据景象化的底子性工作，以存储和较量争论为核(he)心的数据库被改形成为 AI-Ready 的数据平台。借助 LLM，这个 AI-Ready 的数据平台成为了(le)一个自治的数据平台(Autonomous Data Platform)，一个自我驱动(Self Driving)的实时分析平台，数据自己就能语言，业务洞察不再依赖用户的行业知识积(ji)存和对象使用技能。而因为有了(le)掌握人(ren)类全部知识的 LLM 加持，一个 2B 对象，就不会再范围于一个或几个行业，而是能运用到险些全部行业。如许(xu)，在 AI 的驱动下(xia)，一个优秀的 2B 软(ruan)件或云办事将具有更为广阔的市场(chang)，将把传统碎(sui)片化的市场(chang)汇聚(ju)起来。
TDengine 将更进一步(bu)，将 AI-Ready 的数据通过开放的 API 给(gei)第(di)三方应用供应。它供应的不再是传统的数据库的 SQL 查询结果，而是带稀(xi)有据业务语义、带稀(xi)有据高低文的 AI-Ready 的查询结果，赋能给(gei)浩繁(fan)的 AI 应用，让数据的具有者能最大程度(du)的挖掘出数据的价值。
TDengine 的创新与工程实践只是开了(le)行业的先河，我相信以后会有很多类似“无问智推”系统的出现，并风行起来，数据库以及数据底子设施在 AI 时代(dai)将被重构，以顺应 AI 应用进展的要求。希望 TDengine 能成为变(bian)更后的王者。
有了(le)目标，就能一直跑
在创办涛思数据 TDengine 的前三年，我将自己视为产品(pin)研发的核(he)心，写了(le)太多行步(bu)伐(fa)，解决(jue)了(le)太多的 BUG，让自己在 50 岁的时候居然进入了(le)研发的巅峰期。但过去的几年，节(jie)拍最先慢了(le)上去。半年前，当我意想到 AI 技术能给(gei)数据库、数据底子设实施业带来新的重大变(bian)更，能解决(jue)物联网、工业数据处理(li)领域的难题(ti)的时候，我一下(xia)又(you)回到了(le)巅峰状态(tai)，间接冲到产品(pin)研发的第(di)一线，每天都有用不完的气力。
2016 年从(cong)前我从(cong)不跑步(bu)，但有时的原因，跑起步(bu)来。而且这一跑就弗成摒挡，还越(yue)跑越(yue)快(kuai)，越(yue)跑越(yue)远。第(di)一次跑北京奥森，十公(gong)里气喘(chuan)嘘(xu)嘘(xu)的花(hua)了(le) 65 分钟，现在跑个半马，只要一小时 55 分。过去的 9 年，我累计跑了(le)至多 2 万公(gong)里，北京到纽约一个来回的间隔，我基(ji)础没想到自己还有如许(xu)的潜能。
从(cong)我个人(ren)的经验来看(kan)，做产品(pin)研发与跑步(bu)一样，巅峰不由年事，而是由梦想和决(jue)心来决(jue)定。没有目标，每一步(bu)都是负担，多跑一步(bu)都会觉得累；有了(le)目标，每一步(bu)都是希望，多跑一步(bu)，就多一份高兴。一旦下(xia)决(jue)心开辟出一款受人(ren)喜好的产品(pin)，年事不再是问题(ti)，你一定会有充足的精力去投(tou)入。
参加北京国际(ji)长跑节(jie)半程马拉(la)松
我深信，通过 AI 技术的加持，并充足利用我国巨大的工业制(zhi)造(zao)市场(chang)，再辅(fu)以开源、云办事等手段，我们能将传统的工业数据管理(li)平台彻底颠覆。相对 PI System 以及传统实时数据库而言，TDengine 展现的是代(dai)际(ji)优势，一定能将他们逐步(bu)淘汰。工业软(ruan)件的世界舞台，不再只属于 Siemens, Schneider, GE 等公(gong)司(si)，也会有 TDengine 的身影，我们不但是追逐者，而是领航人(ren)。
我一直觉得自己很侥幸，湖南乡村长大，但在我国和美国都遭(zao)到了(le)很好的教育，并且赶上了(le)互联网、移动互联网的浪潮，在本(ben)该游山玩水的年事，又(you)捣腾上了(le)时序数据库，居然能有超 80 万套的安装量。往常AI浪潮席卷而来，光荣自己还在牌桌上，而且手里抓的牌还不错，必需(xu)打出出色。
固然已经 57 岁，写步(bu)伐(fa)超过 40 年，但继续奔驰，再来八(ba)年又(you)何妨？Leave a dent in the world！
陶建辉
2025年7月30日写于北京望京
Copyright ? 2000 - 2025 All Rights Reserved.
