我們常說“要讓數(shù)據(jù)用起來”，但要真正把 AI 能力用在時(shí)序數(shù)據(jù)上，并不容易：建模型、接數(shù)據(jù)、調(diào)參數(shù)、寫代碼……能不能再簡單一些？答案是：可以，你只需要一個(gè) TDgpt。

3 月 26 日，TDengine 迎來了 AI 能力上的重要升級(jí)。我們通過線上直播正式發(fā)布了新一代時(shí)序數(shù)據(jù)分析 AI 智能體——TDgpt，并同步在 GitHub 開源其核心代碼。這一創(chuàng)新功能作為 TDengine 3.3.6.0 的重要組成部分，標(biāo)志著時(shí)序數(shù)據(jù)庫在原生集成 AI 能力方面邁出了關(guān)鍵一步。

開源地址：https://github.com/taosdata/TDengine

發(fā)布會(huì)上，濤思數(shù)據(jù)創(chuàng)始人& CEO 陶建輝表示：“TDgpt 的目標(biāo)，是讓每一位用戶都能像寫 SQL 一樣簡單地使用 AI，讓 AI 真正成為數(shù)據(jù)庫的一部分。我們選擇開源，希望和開發(fā)者一起，把這項(xiàng)能力推向整個(gè)行業(yè)?！?/p>

三大“零門檻”，讓 AI 不再高不可攀

TDgpt 是內(nèi)嵌于 TDengine 中的時(shí)序數(shù)據(jù)分析 AI 智能體，具備時(shí)序數(shù)據(jù)預(yù)測(cè)、異常檢測(cè)、數(shù)據(jù)補(bǔ)全、分類等多項(xiàng)智能分析能力。它不僅能無縫對(duì)接主流時(shí)序模型、大語言模型、機(jī)器學(xué)習(xí)與傳統(tǒng)統(tǒng)計(jì)算法，還支持算法動(dòng)態(tài)切換，實(shí)現(xiàn)了 AI 能力與數(shù)據(jù)庫查詢語句的深度融合——用戶無需編程經(jīng)驗(yàn)、無需理解底層算法，僅需一條 SQL 語句即可調(diào)用復(fù)雜的 AI 能力。且通過開放的 SDK，開發(fā)者能將自研 AI 算法或模型輕松集成到 TDgpt，真正實(shí)現(xiàn)“零門檻、零初期投入、零時(shí)間差”的智能分析體驗(yàn)。

TDgpt 的優(yōu)勢(shì)可以概括為以下三點(diǎn)：

零學(xué)習(xí)門檻，僅需一行 SQL

我們?cè)?TDgpt 中引入了兩個(gè)關(guān)鍵 SQL 函數(shù)：forecast() 和 anomaly_window()，可實(shí)現(xiàn)時(shí)序數(shù)據(jù)的預(yù)測(cè)與異常檢測(cè)。用戶只需在 SQL 語句中調(diào)用這兩個(gè)函數(shù)，并通過參數(shù)指定所需算法或大模型，即可完成模型的動(dòng)態(tài)切換，無需修改應(yīng)用程序邏輯。整個(gè)過程無需編程經(jīng)驗(yàn)，也不需要了解底層算法、大語言模型或時(shí)序模型的實(shí)現(xiàn)，真正實(shí)現(xiàn)了零門檻使用，讓 AI 能力觸手可及。

零初期投入，10 分鐘部署上線

在部署層面，TDgpt 提供即裝即用的執(zhí)行代碼，用戶可在本地部署，也可通過注冊(cè) TDengine 云服務(wù)快速體驗(yàn)。同時(shí)，TDgpt 提供內(nèi)置的通用模型，并支持與合作伙伴算法方案的無縫對(duì)接，使用戶可以根據(jù)自身業(yè)務(wù)場(chǎng)景靈活選擇最適配的模型方案，僅需 10 分鐘即可完成預(yù)測(cè)與檢測(cè)模型的部署上線。

零時(shí)間差，輕松集成新算法

TDgpt 同時(shí)也面向算法開發(fā)者提供了開放 SDK，可將自研或開源 AI 模型一鍵集成到 TDgpt 中，無需更改業(yè)務(wù)代碼或數(shù)據(jù)管道，實(shí)現(xiàn)零時(shí)間差接入。無論是引入新模型，還是更新已有算法，都能實(shí)現(xiàn)“熱插拔”式接入，降低集成成本，提升部署效率。算法或模型開發(fā)者可專注于算法本身，無需關(guān)注數(shù)據(jù)工程等集成工作，讓研發(fā)更高效、部署更便捷。

TDgpt 支持哪些時(shí)序模型？

與通用 LLM 不同，工業(yè)領(lǐng)域的時(shí)序數(shù)據(jù)對(duì)算法提出了更高要求——不僅要求高準(zhǔn)確率，還需要資源開銷可控。為了打造更好的應(yīng)用體驗(yàn)，TDgpt 當(dāng)前已支持多種主流時(shí)序模型，包括：

• Salesforce 的 Uni2TS
• Amazon 的 Chronos
• Google 的 TimesFM
• 小紅書的 Time-MoE
• 濤思數(shù)據(jù)自研 TDengine 時(shí)序基礎(chǔ)模型 TDtsfm

其中，TDtsfm?是 TDengine 基于 Transformer 構(gòu)建，結(jié)合我們多年在時(shí)序領(lǐng)域的工程實(shí)踐，專為時(shí)序數(shù)據(jù)設(shè)計(jì)的輕量基礎(chǔ)模型，能夠有效提升預(yù)測(cè)和異常檢測(cè)的效果，在后續(xù)的產(chǎn)品演進(jìn)中也將持續(xù)優(yōu)化。

三大演示場(chǎng)景，立即上手體驗(yàn)

在發(fā)布會(huì)上，我們還展示了 TDgpt 在三個(gè)典型場(chǎng)景中的應(yīng)用：用電預(yù)測(cè)、發(fā)電預(yù)測(cè)、運(yùn)維預(yù)測(cè)。任何人都可以免費(fèi)下載這些場(chǎng)景的代碼，快速上手體驗(yàn) TDgpt 的能力，并根據(jù)自身業(yè)務(wù)需求靈活調(diào)整配置參數(shù)，輕松完成測(cè)試與驗(yàn)證。

訪問?www.fjzmyy.cn/tdgpt?了解更多

目前，TDgpt 的能力仍在持續(xù)迭代中。今年 7 月，我們將上線數(shù)據(jù)補(bǔ)全與分類功能，并持續(xù)集成更多優(yōu)秀的開源模型。同時(shí)，自研模型 TDtsfm 也在持續(xù)打磨中，目標(biāo)是打造更具泛化能力的時(shí)序分析框架，大家敬請(qǐng)期待。

致敬每一位參與其中的你

TDgpt 的發(fā)布離不開每一位團(tuán)隊(duì)成員的努力，感謝研發(fā)、產(chǎn)品、測(cè)試、運(yùn)營、商務(wù)等多個(gè)團(tuán)隊(duì)在過去幾個(gè)月的密切配合與持續(xù)打磨！現(xiàn)在 TDgpt 核心代碼已開源，歡迎感興趣的小伙伴進(jìn)入?https://github.com/taosdata/TDengine?親自體驗(yàn) TDgpt 的強(qiáng)大能力。也歡迎大家給 GitHub 項(xiàng)目點(diǎn)個(gè) ?，向社區(qū)展示我們的實(shí)力！AI?不是未來，而是此刻。TDengine 的目標(biāo)，從來不只是存數(shù)據(jù)，而是讓數(shù)據(jù)真正被“用起來”。而 TDgpt，正是我們通往這個(gè)目標(biāo)的重要一步。

如果你錯(cuò)過了本次直播，歡迎進(jìn)入 TDengine 視頻號(hào)，點(diǎn)擊“直播回放”選擇本次直播進(jìn)行觀看。