研發(fā)了八年基礎(chǔ)軟件，57 歲的我在 AI 時(shí)代迎來了千億機(jī)會(huì)

2016 年底，我看到萬(wàn)物互聯(lián)的時(shí)代已經(jīng)到來，各行業(yè)需要一個(gè)高效的處理海量時(shí)序數(shù)據(jù)的引擎，因此創(chuàng)立濤思數(shù)據(jù)，并且自己沖到開發(fā)第一線，2 個(gè)月就寫下了 1.8 萬(wàn)行 C 代碼，而且大膽的在 2019 年 7 月將 TDengine 核心代碼開源。八年過去，TDengine 的全球安裝量已經(jīng)超 83 萬(wàn)套，日安裝量超 700 套，付費(fèi)客戶超 500 家，遍布全球 60 多個(gè)國(guó)家和地區(qū)，集中在電力、新能源、石油、智能制造、汽車、交通等多個(gè)行業(yè)，這些數(shù)字讓我相當(dāng)開心。

海量數(shù)據(jù)有了，然后呢？

但過去幾年，我走訪了中國(guó)以及歐美的很多客戶，了解到大家的數(shù)據(jù)量是真的大，比如某個(gè)新能源集控中心，測(cè)點(diǎn)數(shù)超過 5000 萬(wàn)，每天產(chǎn)生的數(shù)據(jù)量超過 5 TB。TDengine 時(shí)序數(shù)據(jù)庫(kù)的高效寫入、高壓縮率的存儲(chǔ)與低延時(shí)的查詢很讓客戶滿意，但大家都有一個(gè)共同的問題：數(shù)據(jù)已經(jīng)采集和存儲(chǔ)，下一步，怎么把數(shù)據(jù)的價(jià)值挖掘出來？我也一直在思考這個(gè)問題，希望可以用技術(shù)的方式來幫助大家。作為一個(gè)程序員，很直接的想法就是讓 TDengine 提供更好的 SQL 查詢，提供更好的流式計(jì)算能力。因此，今年 3 月，我們又推出 TDgpt 時(shí)序數(shù)據(jù)分析 AI 智能體，利用 AI 來提供時(shí)序數(shù)據(jù)預(yù)測(cè)、異常檢測(cè)與數(shù)據(jù)補(bǔ)全、分類的服務(wù)。但即便有了這些，用戶依舊還是在問如何挖掘數(shù)據(jù)的價(jià)值。

認(rèn)真分析后，我們發(fā)現(xiàn)：最大的問題是業(yè)務(wù)人員與 IT 工程師、數(shù)據(jù)分析師之間存在“代溝”。一方面，業(yè)務(wù)人員需要的是能馬上獲得業(yè)務(wù)的實(shí)時(shí)洞察，但系統(tǒng)往往只提供固定的報(bào)表、看板，每次業(yè)務(wù)人員有什么想法，一定要找 IT 工程師或數(shù)據(jù)分析師先溝通，解釋業(yè)務(wù)的邏輯和需求。另外，因?yàn)榇蠖鄶?shù) IT 工程師不懂業(yè)務(wù)本身，雖然知道怎么用數(shù)據(jù)庫(kù)，知道怎么寫 SQL，但要先理解業(yè)務(wù)、理解需求，才能寫出來代碼，因此往往幾天之后才會(huì)有分析結(jié)果。一旦分析的結(jié)果不實(shí)時(shí)，大家對(duì)數(shù)據(jù)價(jià)值挖掘的興趣就大幅下降。市面上已經(jīng)有不少 BI 工具，通過拖拉拽可以緩解問題，但業(yè)務(wù)人員會(huì)直接操作 BI 工具的，比例很小，大多數(shù)還是嚴(yán)重依賴數(shù)據(jù)分析師或 IT 工程師。此外還有，業(yè)務(wù)人員的行業(yè)知識(shí)和經(jīng)驗(yàn)積累還不夠，特別是對(duì)新的領(lǐng)域，比如新能源，沒有形成系統(tǒng)全面的知識(shí)和思考，因此他們也很難提出清晰具體的實(shí)時(shí)數(shù)據(jù)分析需求。

TDengine核心代碼在GitHub開源

作為一個(gè)時(shí)序數(shù)據(jù)庫(kù)廠商，我覺得自己進(jìn)入了一個(gè)無解的局面，因?yàn)槲冶扔脩舻?IT 工程師更不懂業(yè)務(wù)。當(dāng)我與卷煙廠的工程師交流時(shí)，他們說“你身上都沒有煙味”；當(dāng)我去油田交流時(shí)，我都不知道油井采集了哪些物理量；當(dāng)我去污水處理廠交流時(shí)，他們提到的一些專有名詞我都完全沒聽說過。此外，我還發(fā)現(xiàn)，基于數(shù)據(jù)庫(kù)做應(yīng)用的廠商多如牛毛，每個(gè)行業(yè)都有一批應(yīng)用公司，但沒有一家能做到行業(yè)通吃，因?yàn)樗麄冇龅搅撕臀覀兺瑯拥膯栴}，對(duì)行業(yè)不了解，不具備行業(yè)知識(shí)，那自然不會(huì)被客戶所接受。

我一直在把 TDengine 時(shí)序數(shù)據(jù)庫(kù)作為人生最后一個(gè)產(chǎn)品在做，在這個(gè)細(xì)分賽道堅(jiān)持了 8 年，希望這個(gè)產(chǎn)品給自己超過 40 年的程序員生涯畫上一個(gè)完美的句號(hào)。但基于其產(chǎn)品的特性，行業(yè)知識(shí)的壁壘，除非做行業(yè)以及客戶的定制化開發(fā)，否則我很難將 TDengine 產(chǎn)品做厚，進(jìn)軍到應(yīng)用領(lǐng)域。我經(jīng)常給團(tuán)隊(duì)鼓氣，希望濤思數(shù)據(jù)能做到 100 億 RMB 的市值，但其實(shí)背后，是我理性的思考，拼命努力做到極致的話，公司市值也就一百億，至多兩百億 RMB。

但這一切，由于 AI 大語(yǔ)言模型，發(fā)生了改變，而且讓我這個(gè) 57 歲程序員倒騰的歷史又濃墨重彩的加上了一筆。

一開始，我也想開發(fā)Chat BI

2024 年 8 月，我在美國(guó)硅谷與做 Chat BI (對(duì)話式商業(yè)智能) 的公司交流，發(fā)現(xiàn)我們完全可以做，至少可以提供自然語(yǔ)言的接口讓用戶不用寫 SQL 來查詢數(shù)據(jù)。但仔細(xì)思考，發(fā)現(xiàn) Text to SQL 不是一件容易的事。人類語(yǔ)言靈活、模糊、上下文依賴，而數(shù)據(jù)庫(kù) SQL 語(yǔ)言嚴(yán)謹(jǐn)、精確、結(jié)構(gòu)化，兩者之間存在巨大鴻溝。怎么將自然語(yǔ)言中的詞語(yǔ)映射到數(shù)據(jù)庫(kù)表名、列名，怎么確認(rèn)多個(gè)表之間的關(guān)系，怎么將不同行業(yè)的業(yè)務(wù)語(yǔ)義匹配到計(jì)算函數(shù)，而且 SQL 的復(fù)雜性，比如嵌套查詢、聚合函數(shù)、條件表達(dá)式等，讓 Text to SQL 生成的準(zhǔn)確性大打折扣。此時(shí)，我心里想的還是怎么找到頂尖的 AI 人才來解決這些問題。

所幸，我一直關(guān)注研究 Aveva 的產(chǎn)品 PI System，它是一款工業(yè)數(shù)據(jù)管理的軟件，內(nèi)核也是時(shí)序數(shù)據(jù)庫(kù)，但帶有數(shù)據(jù)采集、可視化、分析、事件管理等功能。不像 TDengine TSDB 更多被集成商所使用，PI 可以交付給最終用戶直接使用，在發(fā)電、電網(wǎng)、石油、化工、制造等行業(yè)有相當(dāng)大的用戶群。帶著 Text to SQL 的問題，我再看 PI System 的時(shí)候，豁然開朗。

我們必須建立數(shù)據(jù)目錄，對(duì)于物聯(lián)網(wǎng)、工業(yè)場(chǎng)景而言，最有效的數(shù)據(jù)目錄就是樹狀層次結(jié)構(gòu)，不僅讓大家找數(shù)據(jù)資產(chǎn)時(shí)方便，而且符合企業(yè)管理的習(xí)慣；我們必須做數(shù)據(jù)的標(biāo)準(zhǔn)化，因?yàn)橄到y(tǒng)會(huì)對(duì)接眾多的數(shù)據(jù)源，每個(gè)數(shù)據(jù)源的采集量的名稱、計(jì)量單位都不一致，不先標(biāo)準(zhǔn)化，只會(huì)讓 Text to SQL難上加難；我們必須做數(shù)據(jù)的情景化，數(shù)據(jù)沒有足夠的描述信息，業(yè)務(wù)上下文和語(yǔ)義，AI 無從幫你。因此我決定參考 PI，把數(shù)據(jù)目錄、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)情景化做好，并提供工具讓數(shù)據(jù)建模的過程變得簡(jiǎn)單高效，把 TDengine 改造為一個(gè) AI-Ready 的數(shù)據(jù)平臺(tái)。十月國(guó)慶節(jié)一結(jié)束，新的 IDMP ( Industrial Data Management Platform，工業(yè)數(shù)據(jù)管理平臺(tái)) 研發(fā)小組正式組建，亞強(qiáng)帶著丁博、秦沖好幾個(gè)同學(xué)開干了。

IDMP 研發(fā)小組決定用 Java 開發(fā)，采用 Quarkus 框架。我是 C 程序員，因此逼迫自己也安裝了整個(gè) Java 開發(fā)環(huán)境，開始寫 Java 程序。作為一家以技術(shù)、以產(chǎn)品立身的公司，我深知，產(chǎn)品必須親自抓。但那個(gè)時(shí)候，我還是沒有最大程度的投入，因?yàn)槲矣X得 Chat BI 提效了不少，但離問題的完美解決還有差距，因此只是邊做邊思考，想到更多的是利用 IDMP 的開發(fā)倒逼 TDengine TSDB 的開發(fā)，比如虛擬表，流式計(jì)算重構(gòu)等，目的是讓 TDengine 時(shí)序數(shù)據(jù)庫(kù)更扎實(shí)，功能更強(qiáng)大，更有市場(chǎng)競(jìng)爭(zhēng)力。

春節(jié)期間，DeepSeek 極其火爆，讓我認(rèn)真思考，作為一家時(shí)序數(shù)據(jù)庫(kù)公司，我們?cè)?AI 的浪潮里，到底能做什么？一天與搭檔 Steven 討論產(chǎn)品 IDMP 是否內(nèi)嵌 Grafana 做可視化時(shí)，我們腦洞大開。我們不應(yīng)該只支持自然語(yǔ)言去創(chuàng)建面板，而是應(yīng)該借助 AI 大語(yǔ)言模型的能力將可視化面板主動(dòng)推送給用戶，像抖音一樣。對(duì)于我們處理的物聯(lián)網(wǎng)、工業(yè)場(chǎng)景，每個(gè)行業(yè)都有自己關(guān)心的指標(biāo)、面板、報(bào)表與實(shí)時(shí)分析，AI 完全可以基于采集數(shù)據(jù)的上下文，智能感知出來是什么業(yè)務(wù)場(chǎng)景。感知場(chǎng)景后，AI 這個(gè)超級(jí)大腦自然知道應(yīng)該創(chuàng)建哪些典型面板與報(bào)表了。我立即用 DeepSeek 做了一些測(cè)試，發(fā)現(xiàn)完全可行。我在把自己熟悉的 IT 運(yùn)維場(chǎng)景，采集的物理量等寫好一個(gè)提示詞發(fā)給 DeepSeek 后，它給了我遠(yuǎn)超我自己經(jīng)驗(yàn)的答案。

這一下讓我興奮到了極點(diǎn)，真正的機(jī)會(huì)來了。

因?yàn)槿绻覀兡茏詣?dòng)推薦可視化面板、自動(dòng)創(chuàng)建實(shí)時(shí)分析任務(wù)給用戶，那就意味著用戶過去要花相當(dāng)長(zhǎng)的時(shí)間學(xué)習(xí) SQL，學(xué)習(xí)做報(bào)表、面板，更要花時(shí)間學(xué)習(xí)行業(yè)知識(shí)，積累行業(yè)的運(yùn)營(yíng)經(jīng)驗(yàn)，現(xiàn)在一概不需要或幾乎不需要了。業(yè)務(wù)洞察不再?gòu)?qiáng)依賴于 IT 工程師，不再?gòu)?qiáng)依賴于數(shù)據(jù)分析師，甚至不再?gòu)?qiáng)依賴于業(yè)務(wù)專家，人人都可以隨時(shí)獲得。AI 已經(jīng)能生成精彩的文章、圖片、視頻，甚至 PPT，如果能生成生產(chǎn)運(yùn)營(yíng)過程中所需要的可視化面板、報(bào)表，創(chuàng)建實(shí)時(shí)分析報(bào)警任務(wù)，那就等于將 AI 技術(shù)真正落地到了國(guó)計(jì)民生的主戰(zhàn)場(chǎng)：工業(yè)場(chǎng)景。無論電力、新能源、石油、石化、智能制造、礦山，還是污水處理，都將迎來跨越式的數(shù)智化轉(zhuǎn)型。特別是對(duì)于中國(guó)乃至全球的數(shù)百萬(wàn)家中小企業(yè)而言，相當(dāng)于瞬間擁有了以前大公司才會(huì)有的數(shù)據(jù)分析工具和人才，能基于生產(chǎn)和運(yùn)營(yíng)數(shù)據(jù)實(shí)時(shí)做出最佳的商業(yè)洞察和決策。

這個(gè)市場(chǎng)遠(yuǎn)超我們已在的時(shí)序數(shù)據(jù)庫(kù)市場(chǎng)，如果成功，至少可以做到 1000 億 RMB 的規(guī)模。從我三次創(chuàng)業(yè)的經(jīng)驗(yàn)來看，這個(gè)蛋糕實(shí)在是太大，太誘惑，對(duì)我們團(tuán)隊(duì)而言也可謂是萬(wàn)事俱備。資金、團(tuán)隊(duì)都不是問題，所要的只是我作為創(chuàng)始人與 CEO 的決心。

AI驅(qū)動(dòng)的工業(yè)數(shù)據(jù)管理平臺(tái)整體架構(gòu)圖

一路狂奔

因此，我立即回到北京，將公司幾乎所有的研發(fā)資源傾斜過來，全力投入到 IDMP 的研發(fā)中，而且在公司所有的會(huì)上強(qiáng)調(diào)“all in AI”。我自己身先士卒，每周七天，平均每天工作 14 個(gè)小時(shí)，除了無法推脫的客戶交流，將自己的時(shí)間全部安排給了新的產(chǎn)品研發(fā)，全部投入到了產(chǎn)品定義、產(chǎn)品設(shè)計(jì)以及 AI Agent 模塊上。

很快，我們就定出來 AI 驅(qū)動(dòng)的物聯(lián)網(wǎng)、工業(yè)數(shù)據(jù)平臺(tái)的設(shè)計(jì)，大家就熱火朝天的干起來。

我是一個(gè)注重細(xì)節(jié)的人，每個(gè)小小圖標(biāo)，每個(gè)頁(yè)面的跳轉(zhuǎn)，每段小小的提示語(yǔ)，無論中文還是英文，字體字號(hào)行距，都會(huì)細(xì)細(xì)琢磨，而且還要做開發(fā)進(jìn)度、技術(shù)實(shí)現(xiàn)難度與細(xì)致度的平衡。雖然有 AI 幫助，但它無法代替原創(chuàng)性的思考和設(shè)計(jì)。相對(duì)于那些老掉牙還在 Windows 上跑的 PI System 以及眾多的工業(yè)實(shí)時(shí)數(shù)據(jù)庫(kù)軟件，以及大堆粗制濫造的工業(yè)互聯(lián)網(wǎng)平臺(tái)軟件，我們不僅用 AI 技術(shù)解決了業(yè)務(wù)洞察難以實(shí)時(shí)獲取的難題，用戶體驗(yàn)也得到飛躍提升——用戶不必再翻查厚重的手冊(cè)，這令我無比自豪。

我自己帶著團(tuán)隊(duì)一路狂奔，唯恐被 Siemens, Schneider, GE, Aveva 這些工業(yè)軟件巨頭搶了先機(jī)。在亞強(qiáng)、勝亮、潘魏、王旭、丁博、元湃、營(yíng)昭等幾十位研發(fā)同學(xué)沒日沒夜的努力下，終于在 7 月 29 號(hào)發(fā)布了 TDengine IDMP 第一個(gè)正式版本 1.0，大家都可以用容器或虛機(jī)免費(fèi)下載體驗(yàn)，而且為降低體驗(yàn)的門檻，我們同步推出相應(yīng)的免費(fèi)云服務(wù)。讓我特別驕傲的是，濤思數(shù)據(jù)是全球第一家推出“無需提問，直接用 AI 自動(dòng)生成可視化面板、生成實(shí)時(shí)分析任務(wù)”的公司。

奔跑了半年，終于可以緩一口氣。

當(dāng)然，這只是 IDMP 的第一個(gè)版本，產(chǎn)品后續(xù)還會(huì)快速迭代。在今年接下來要發(fā)布的版本中，將會(huì)包含我自主設(shè)計(jì)的、極具創(chuàng)新性的數(shù)據(jù)模型版本控制功能，同時(shí)還會(huì)新增一些行業(yè)必需的地圖、組態(tài)等面板功能，以及事件根因分析報(bào)告自動(dòng)生成、事件分析面板、數(shù)據(jù)質(zhì)量報(bào)告等功能，并且會(huì)支持第三方時(shí)序數(shù)據(jù)庫(kù)。

TDengine 的創(chuàng)新突破與工程技術(shù)落地，正在推動(dòng)數(shù)據(jù)消費(fèi)范式的根本性轉(zhuǎn)變（Data Consumption Paradigm Shift）。傳統(tǒng)的數(shù)據(jù)分析模式中，始終是用戶主動(dòng)發(fā)起請(qǐng)求（比如通過 SQL 查詢），再由系統(tǒng)響應(yīng)并返回結(jié)果。而現(xiàn)在，借助 LLM 與 AI Agent 技術(shù)，數(shù)據(jù)能夠?qū)崿F(xiàn) “主動(dòng)開口”—— 業(yè)務(wù)分析的核心洞察會(huì)直接推送給用戶，讓分析模式從 “拉?。≒ull）” 徹底轉(zhuǎn)向 “推送（Push）”。這意味著用戶的數(shù)椐消費(fèi)變成了被動(dòng)接收，數(shù)據(jù)分析由此邁入 “抖音時(shí)代”，門檻被直接降至零。如果說 Chat BI 的 “智能問數(shù)” 是 “有問才答”，那么 TDengine 這種從拉到推的模式，不妨稱之為 “無問智推”。

通過一系列包括數(shù)據(jù)目錄，數(shù)據(jù)標(biāo)準(zhǔn)化和數(shù)據(jù)情景化的基礎(chǔ)性工作，以存儲(chǔ)和計(jì)算為核心的數(shù)據(jù)庫(kù)被改造成為 AI-Ready 的數(shù)據(jù)平臺(tái)。借助 LLM，這個(gè) AI-Ready 的數(shù)據(jù)平臺(tái)成為了一個(gè)自治的數(shù)據(jù)平臺(tái)(Autonomous Data Platform)，一個(gè)自我驅(qū)動(dòng)(Self Driving)的實(shí)時(shí)分析平臺(tái)，數(shù)據(jù)自己就能說話，業(yè)務(wù)洞察不再依賴用戶的行業(yè)知識(shí)積累和工具使用技能。而因?yàn)橛辛苏莆杖祟愃兄R(shí)的 LLM 加持，一個(gè) 2B 工具，就不會(huì)再局限于一個(gè)或幾個(gè)行業(yè)，而是能運(yùn)用到幾乎所有行業(yè)。這樣，在 AI 的驅(qū)動(dòng)下，一個(gè)優(yōu)秀的 2B 軟件或云服務(wù)將擁有更為廣闊的市場(chǎng)，將把傳統(tǒng)碎片化的市場(chǎng)匯聚起來。

TDengine 將更進(jìn)一步，將 AI-Ready 的數(shù)據(jù)通過開放的 API 給第三方應(yīng)用提供。它提供的不再是傳統(tǒng)的數(shù)據(jù)庫(kù)的 SQL 查詢結(jié)果，而是帶有數(shù)據(jù)業(yè)務(wù)語(yǔ)義、帶有數(shù)據(jù)上下文的 AI-Ready 的查詢結(jié)果，賦能給眾多的 AI 應(yīng)用，讓數(shù)據(jù)的擁有者能最大程度的挖掘出數(shù)據(jù)的價(jià)值。

TDengine 的創(chuàng)新與工程實(shí)踐只是開了行業(yè)的先河，我相信今后會(huì)有很多類似“無問智推”系統(tǒng)的出現(xiàn)，并流行起來，數(shù)據(jù)庫(kù)以及數(shù)據(jù)基礎(chǔ)設(shè)施在 AI 時(shí)代將被重構(gòu)，以適應(yīng) AI 應(yīng)用發(fā)展的要求。希望 TDengine 能成為變革后的王者。

有了目標(biāo)，就能一直跑

在創(chuàng)辦濤思數(shù)據(jù) TDengine 的前三年，我將自己視為產(chǎn)品研發(fā)的核心，寫了太多行程序，解決了太多的 BUG，讓自己在 50 歲的時(shí)候居然進(jìn)入了研發(fā)的巔峰期。但過去的幾年，節(jié)奏開始慢了下來。半年前，當(dāng)我意識(shí)到 AI 技術(shù)能給數(shù)據(jù)庫(kù)、數(shù)據(jù)基礎(chǔ)設(shè)施行業(yè)帶來新的重大變革，能解決物聯(lián)網(wǎng)、工業(yè)數(shù)據(jù)處理領(lǐng)域的難題的時(shí)候，我一下又回到了巔峰狀態(tài)，直接沖到產(chǎn)品研發(fā)的第一線，每天都有用不完的力氣。

2016 年以前我從不跑步，但偶然的原因，跑起步來。而且這一跑就不可收拾，還越跑越快，越跑越遠(yuǎn)。第一次跑北京奧森，十公里氣喘吁吁的花了 65 分鐘，現(xiàn)在跑個(gè)半馬，只要一小時(shí) 55 分。過去的 9 年，我累計(jì)跑了至少 2 萬(wàn)公里，北京到紐約一個(gè)來回的距離，我根本沒想到自己還有這樣的潛能。

從我個(gè)人的經(jīng)驗(yàn)來看，做產(chǎn)品研發(fā)與跑步一樣，巔峰不由年齡，而是由夢(mèng)想和決心來決定。沒有目標(biāo)，每一步都是負(fù)擔(dān)，多跑一步都會(huì)覺得累；有了目標(biāo)，每一步都是希望，多跑一步，就多一份喜悅。一旦下決心開發(fā)出一款受人喜愛的產(chǎn)品，年齡不再是問題，你一定會(huì)有足夠的精力去投入。

參加北京國(guó)際長(zhǎng)跑節(jié)半程馬拉松

我堅(jiān)信，通過 AI 技術(shù)的加持，并充分利用中國(guó)巨大的工業(yè)制造市場(chǎng)，再輔以開源、云服務(wù)等手段，我們能將傳統(tǒng)的工業(yè)數(shù)據(jù)管理平臺(tái)徹底顛覆。相對(duì)于 PI System 以及傳統(tǒng)實(shí)時(shí)數(shù)據(jù)庫(kù)而言，TDengine 展現(xiàn)的是代際優(yōu)勢(shì)，一定能將他們逐步淘汰。工業(yè)軟件的世界舞臺(tái)，不再只屬于 Siemens, Schneider, GE 等公司，也會(huì)有 TDengine 的身影，我們不只是追趕者，而是領(lǐng)航人。

我一直覺得自己很幸運(yùn)，湖南農(nóng)村長(zhǎng)大，但在中國(guó)和美國(guó)都受到了很好的教育，并且趕上了互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)的浪潮，在本該游山玩水的年齡，又倒騰上了時(shí)序數(shù)據(jù)庫(kù)，居然能有超 80 萬(wàn)套的安裝量。如今AI浪潮席卷而來，慶幸自己還在牌桌上，而且手里抓的牌還不錯(cuò)，必須打出精彩。

雖然已經(jīng) 57 歲，寫程序超過 40 年，但繼續(xù)奔跑，再來八年又何妨？Leave a dent in the world！