从美国摩托罗拉公司的无线通信研发，到如今带领TDengine稳居国产时序数据库第一、国际排名前三，53岁仍坚持编程的陶建辉，用三次创业经历诠释了什么是“坚持做难而正确的事”。
北京望京的一间会议室里，涛思数据创始人陶建辉站在白板前，飞快地画出一幅技术架构图。这位年过半百的“程序员”眼中闪烁着兴奋的光芒，向记者描述着他最新的作品——AI原生的工业数据管理平台TDengine IDMP。
“我们就是要让数据自己说话，不用提问或拉取数据，而是将实时业务洞察主动推送给用户。”陶建辉的话语中带着湖南人特有的爽直和自信。
三万里代码归国路
陶建辉的创业故事，始于一场跨越太平洋的回归。
1994年，陶建辉赴美留学，先后在芝加哥摩托罗拉、3Com等公司从事无线互联网研发工作。十几年的海外职业生涯让他积累了深厚的技术功底，但也在他心中埋下了回国创业的种子。
2008年，陶建辉回到北京创办和信锐智科技有限公司，专注于无线互联网的IP Push和IP消息系统。创业之路并非一帆风顺，他回忆道：“最困难的时候是2010年年初，公司一分钱都没有了，办公室因为拖欠房租都被封了，完全是走投无路”。
凭借对技术前景的坚定信念，陶建辉咬牙坚持了下来。几个月后，和信被手机芯片厂商联发科收购，让他度过了第一次创业危机。
2013年，陶建辉第二次创业，创建了“快乐妈咪”，将可穿戴计算、大数据、移动互联网等技术运用到医疗健康领域。这家公司后来被太平洋网络收购。
两次创业成功退出，并没有让这位连续创业者停下脚步。2017年5月，他创办北京涛思数据科技有限公司，专注于时序空间大数据的处理。这一次，他的目光瞄准了物联网大数据领域。
“我上一家创业公司是做母婴智能硬件，智能硬件产生的数据都是时序数据，因此让我了解到了时序数据这样的场景。”陶建辉告诉记者，在公司被收购后，他调研了众多物联网项目，发现时序数据处理是一个共性的、相对标准的需求。
开源破局，登顶榜首
TDengine的诞生，源于陶建辉对物联网数据特点的深刻洞察。
“物联网数据具有时序性、结构化、极少更新、源自动态监测等特性”陶建辉分析道，传统通用数据库无法高效处理这类数据。
2016年底，陶建辉开始动手验证自己提出的“一个数据采集点一张表”数据模型。测试结果令人振奋——TDengine的写入和查询性能比当时市场上已有的InfluxDB快五倍以上。这一发现促使他正式决定融资组建团队，于2017年6月成立了涛思数据。
创业之初，TDengine是一款闭源产品。直到2019年，团队才决定将其开源。谈及这一关键决策，陶建辉表示：“如果我以前是做开源软件的，可能没有多少纠结，但那为什么下定决心做开源？首先，TDengine确实有优异的性能，我怎么才能快速获得市场？我觉得开源是个很好的方式”。
他进一步补充道：“整个IT产业的两大趋势，不拥抱是绝对不行，一个是开源，另一个是云服务。不拥抱云服务和开源是成不了独角兽，尤其是基础软件”。
开源策略取得了立竿见影的效果。TDengine开源4天后GitHub的Star数突破3000，并且在GitHub全球趋势排行榜持续5天蝉联榜首。截至目前，TDengine已在全球拥有超过25万个安装实例，遍布50多个国家，其中近70%的安装在中国。
2025年9月的最新数据显示，TDengine再次蝉联国产时序数据库类别第一，在综合评分、市场占有率、用户满意度等关键指标上均大幅领先于国内其他时序数据库产品。在代表产品技术成熟度的核心性能评分中，TDengine以超过第二名30%的得分遥遥领先。
2025年7月，在中国信通院发布的《中国数据库产业图谱（2025）》中，TDengine再度位列时序数据库“领航者”首位。该图谱评选维度包括企业级核心系统的应用数量、实际落地成熟度与可复制能力、对行业用户的适配覆盖广度，表明TDengine不仅“好用”，而且已经“被大量企业在关键场景中用了”。
性能十倍，技术领先
TDengine的成功并非偶然，而是基于其卓越的技术性能。
根据全球公认的时序数据库基准测试TSBS结果，TDengine的写入和查询性能超过其他方案10倍以上，存储成本不到1/10，磁盘空间的占用也有明显优势。
陶建辉向记者列举了TDengine的六大优势：超强性能、一站式解决方案、成本大幅降低、统一的历史数据和实时数据处理、标准SQL支持、与第三方工具无缝集成。
2025年8月，TDengine顺利通过中国信通院组织的《时序数据库基础能力》全项能力验证。该检验依据YD/T 3772-2020《大数据时序数据库技术要求与测试方法》执行，是目前国内对时序数据库能力评测的最权威通信行业标准，覆盖基础功能、兼容能力、管理能力、高可用特性、扩展性与安全性六大能力域，共计33项能力项。TDengine V3全部通过测试，涵盖所有26个必选项与7个可选项，充分验证了其作为时序数据库在架构设计、功能完备性、工程可维护性、安全与高可用等关键维度的综合能力。
与其他国产时序数据库相比，TDengine在超大规模时序场景下性能卓越且集群开源、生态开放。其构建的全新存储引擎，在写入、查询、压缩等核心能力上全面领先。以某地震中心为例，总数据吞吐量约5000亿行/天，存储压缩率可达到1%-5% 之间。
行业深耕，多点开花
TDengine的卓越性能在多个行业得到了真实验证。
1. 石油石化：重构“油气数据底座”
在油气行业，TDengine已成为中石油、中石化、中海油等大型油气企业数字化转型的重要支撑。
在中石化PCS系统中，TDengine作为核心时序数据库，与传统关系型数据库协同工作，实现了从分公司到总部的数据汇聚与湖仓一体化架构。系统通过中心节点集中管理实时数据，再同步至总部数据湖，确保高频采集数据的一致性和可用性。
在中石油油田的大数据系统改造中，TDengine作为核心数据底座，梳理了油气水井、流量计、阀组、泵、罐、压缩机等28类监控对象并建表管理。系统上线后，数据存储性能较Oracle提升5倍，压缩率提升80%，整体压缩比控制在2%～5%；数据处理效率提升超2倍，开发周期缩短60%，服务访问效率提升约30%。
在中海油的生产物联网建设中，TDengine借助云平台与边缘数采网关整合，采用虚拟表技术，实现海陆协同架构和设备精准映射，将海洋平台设备数据纳入统一时序管理体系。
2. 新能源制造：支撑百万级设备实时数据治理
全球领先的消费锂电池制造商宁德新能源（ATL）的智能制造车间拥有超1万台生产设备、100万+数据采集点位，每分钟产生超1000万条时序数据。
在深入评估了时序数据库InfluxDB与TDengine后，宁德新能源最终选择TDengine构建新一代数据平台。该方案实现数据写入速度提升3倍、存储成本降低70%，并将集群规模从原方案的50台服务器大幅精简至10台，有效支撑毫秒级异常检测与设备健康度分析。
宁德新能源相关人士表示：“TDengine帮助我们解决了海量时序数据处理的燃眉之急。其高性能与低资源占用的优势，让我们在保障业务连续性的同时，实现了数据驱动的智能制造升级。”
3. 烟草制造：助力智能化升级
中国科学院成都信息技术股份有限公司基于TDengine打造的卷包智慧工艺平台，在多家卷烟厂实现规模化落地。该平台通过实时数据驱动，有效解决质量剔除、设备异常和停机损耗等生产痛点。
针对卷烟厂每秒近4万条数据的高频采集、毫秒级实时查询及复杂分析需求，平台采用TDengine构建核心时序数据引擎。通过设计单设备单子表的超级表模型，结合标签体系标识数据来源，实现每秒数万级数据稳定写入。
4. 更多行业应用案例
蘑菇物联基于TDengine构建公辅能源云智控节能管理平台，每天处理超100GB的IoT数据，服务1600多家工业企业，帮助企业实现按需供能、节能降碳。
在智慧出行场景，中移物联网以TDengine支撑车联网海量轨迹数据存储与分析。其TDengine 3.0集群稳定支撑2000亿行数据，每天写入约两亿行轨迹点，单设备单日轨迹查询响应小于0.1秒，存储空间仅为MySQL方案的1/7。
上海电气集团数字科技有限公司也与涛思数据完成了产品兼容性验证，将TDengine应用于其“星云智汇”工业互联网企业级平台。
AI原生，重新定义数据消费范式
面对AI浪潮，陶建辉和他的团队没有停滞不前。2025年7月，涛思数据正式发布AI原生的工业数据管理平台TDengine IDMP，提出“无问智推”的创新理念。
“我们打造IDMP的初衷，就是希望以AI为核心重新定义工业数据管理的平台形态。”陶建辉解释说，“在这个平台上，不再依赖业务知识或经验的积累，不再依赖IT技能或数据分析知识的多少，数据也不再被动等待查询，而是主动发声、服务决策”。
与传统“人找数据”的分析范式不同，IDMP基于内置大语言模型（LLM）能力，能够自动感知场景、实时生成分析面板，并主动推送业务洞察。这一创新使得决策闭环时间从“几天”压缩到“几分钟”，大幅提升了数据分析效率。
IDMP具备六大核心能力：数据建模、数据情景化、数据标准化、智能可视化、实时分析和事件管理。值得一提的是，该平台还将Git思维引入到数据建模与治理中，支持多人协同建模、版本追溯，使工业数据管理像管理代码一样高效可控。
与PI System等传统平台相比，TDengineIDMP展现显著优势。不仅查询性能强劲，单个集群就能支撑起10亿级测点，配合高效的存储引擎，整体成本仅为通用平台的十分之一。
TDgpt：原生AI集成
除了IDMP平台，TDengine还内置了AI模块——TDgpt。这是一款原生集成在数据库内的时序数据分析AI智能体，用户只需通过SQL即可调用预测、异常检测、补齐、分类等能力。
在智慧油气田的实际应用中，TDgpt已支持设备运行状态异常检测与预警、能耗趋势预测与优化调度、采油注水等产量数据的动态建模与预测性分析。更重要的是，TDgpt支持多种算法模型的动态切换，且可以通过SDK接入用户自研模型，为不同场景提供最大化的灵活性与定制能力。
技术团队在卷烟厂的智慧工艺平台中也正测试集成TDengine的时序数据分析智能体TDgpt组件。该智能体支持插件式算法引擎，可扩展开发时序预测模型，未来计划应用于设备寿命预测、工艺参数优化等场景，进一步提升数据价值挖掘能力。
当前，TDengine已形成由TSDB（时序数据库）与IDMP构成的双引擎架构，从底层存储到上层智能应用，全面提升工业数据的采、存、管、用能力。
出海与未来，基础软件的新路径
作为中国基础软件出海的先行者，陶建辉对TDengine的国际化发展有着清晰规划。
“TDengine的出海还在尝试之中，已经花了一年时间了，有了一些初步效果。”他告诉记者，TDengine英文网站流量大幅上升，北美已经有付费客户，越来越多的美国公司与TDengine建立合作伙伴关系。
在陶建辉看来，数据库乃至所有2B软件出海很不容易，但目前还没有成功的先例。而数据库软件要获得真正成功，必须走出海这条路。
他分析道：“数据库软件是标准化的产品，与文化政治形态关系不大，适合全球推广。而在国内，为软件特别是底层软件买单的理念尚未形成，且整个中国市场不到全球市场的10%，如果放弃90%的市场不做，那很难与海外对手PK，最终一定会失败”。
对于未来，陶建辉充满信心。他透露，TDengine团队一直在筹划进入人工智能领域，因为时序数据分析需要AI。团队已规划用AI及机器学习的方法来做时序数据预测以及异常检测，通过插件方式提供，同时提供一个分布式计算框架，用户可基于此开发并运行自己的算法。
面对35岁是技术从业者一道坎的说法，陶建辉持不同观点：“对于数据库开发而言，35岁是刚刚开始的年龄。要成为系统软件的开发高手，大学毕业后，如果没有十年以上的技术磨炼，是难开发操作系统、数据库这类软件的”。
他补充道：“数据库的研发特适合能坐得住、能且乐意啃硬骨头的人做”。
如今，TDengine 时序数据库已在电力、交通、工业制造、石油石化、新能源、烟草等众多领域得到广泛应用。随着IDMP平台的推出，陶建辉为时序数据库的发展和探索开启了新方向。
“真正的‘可信数据库’，是建立在性能、可靠性与工程实效的共同基础上。”陶建辉说。这位连续创业者用行动证明，基础软件的成功需要长期主义，而AI时代的到来，正为中国基础软件提供了跨越式发展的历史机遇。
✽本文资讯仅供参考，并不构成投资或采购等决策建议(承兑)。
