在你面前擺著一堆機器運行日志、傳感器讀數(shù)、電表數(shù)據，幾十萬、幾百萬條每秒增長的數(shù)據流，你會怎么處理？是加人、加腳本，還是干脆放棄實時分析？

過去，時序數(shù)據是工業(yè)的“副產品”：只是存著、查著。但現(xiàn)在，它成了真正的生產要素。誰能用得更好，誰就能更早發(fā)現(xiàn)問題、預測趨勢、掌握主動。

但有個問題大家不得不面對，那就是時序數(shù)據處理門檻太高了。尤其是 AI 分析，數(shù)據要清洗、要貼標簽、要寫代碼，最后跑個模型還不一定準。很多企業(yè)知道 AI 有價值，但就是用不上。

而這就是我們打造時序數(shù)據分析 AI 智能體 TDgpt 的原因——把這些門檻干掉，只用一條 SQL，就讓 AI 真正服務業(yè)務現(xiàn)場。

TDgpt 到底是什么？

簡單說，TDgpt 是一個集成在 TDengine 里的時序數(shù)據 AI 智能體，讓你可以像寫 SQL 一樣簡單地調用預測、異常檢測等 AI 能力。你可以把它看作是“數(shù)據庫里的 AI 分析引擎”，專為時序數(shù)據打造。

• 它內置多種算法，支持預測、異常檢測、缺失值補齊、數(shù)據分類等常見場景；
• 它能無縫對接各種模型，包括主流時序模型、大語言模型、機器學習與傳統(tǒng)統(tǒng)計算法，還支持算法動態(tài)切換；
• 它不用另搭平臺，只需要一條 SQL 就能直接調用，不用轉數(shù)據、也不用寫 Python；
• 它也支持自研模型，有 SDK 和插件機制，方便你把已有算法直接集成進來；
• 自帶 TDengine 自研時序模型 TDtsfm，對工業(yè)、能源、電力等領域的時序數(shù)據效果顯著。

TDgpt 不只是“用得上”，而是真正在業(yè)務場景中“落得下去”。在實際項目中，它能夠替代大量傳統(tǒng)腳本、固定閾值判斷，甚至部分依賴人工經驗的分析流程，成為企業(yè)數(shù)據團隊可靠且高效的智能助手。接下來，我們就從三個常見的場景出發(fā)——用電預測、發(fā)電預測和運維預測，帶你看看 TDgpt 如何應用在真實業(yè)務中。

風力發(fā)電預測：發(fā)電不穩(wěn)，如何應對罰款與浪費？

新能源的麻煩大家都知道：靠天吃飯，波動大。一陣風來得早一點、晚一點，都可能引起調度失誤，要不就“棄風”，要不就得臨時啟用火電兜底，浪費又貴。

在實際項目中，我們用 TDgpt 接入風電場采集的歷史發(fā)電數(shù)據，調用自研的時序預測模型 TDtsfm_1，預測未來每小時的發(fā)電功率。準確率提升的同時，也讓調度有了提前量，避免不必要的損耗和罰款。

?? 實戰(zhàn)案例回顧：http://www.fjzmyy.cn/tdengine-engineering/28578.html

電力需求預測：不光是預測負荷，更是優(yōu)化經營

電力公司天天都在想：明天誰會多用電？哪個片區(qū)會爆負荷？調電要早計劃，買電要看行情。

我們接入某區(qū)域的用電數(shù)據，使用 TDgpt 對每日負荷進行預測。相比傳統(tǒng)的 HoltWinters 方法，自研模型的表現(xiàn)更穩(wěn)定、誤差更低，能幫助客戶更早做出資源調度、采購策略等關鍵決策。

?? 實戰(zhàn)案例回顧：http://www.fjzmyy.cn/tdengine-engineering/28541.html

運維異常檢測：看得見波動，更要看得懂風險

系統(tǒng) CPU 忽高忽低，是升級后代碼有問題，還是黑客挖礦？磁盤 I/O 飆高，是正常任務在跑，還是哪塊硬盤快掛了？

傳統(tǒng)運維靠人盯 + 固定閾值，誤報、漏報都常見。我們用 TDgpt 接入一組服務器監(jiān)控數(shù)據，只需一句 SQL，背后模型就能基于歷史行為建立動態(tài)基線，自動識別“非正常波動”。

?? 實戰(zhàn)案例回顧：http://www.fjzmyy.cn/tdengine-engineering/28598.html

TDgpt 企業(yè)版，提供更強大的 AI 支持能力

上面這些例子展示了 TDgpt 在實際業(yè)務中的通用能力。但如果你所在的企業(yè)對模型效果有更高要求，或者希望將已有算法整合進來，還有更進一步的選擇——TDgpt 企業(yè)版。

TDgpt 企業(yè)版在標準能力的基礎上，提供了更多定制化選項和專業(yè)服務，幫助你將 AI 深度融入業(yè)務流程：

• 模型選擇器：自動根據用戶的歷史數(shù)據集，對購買的所有模型進行準確性評估，幫助用戶選擇最適合自己場景的模型進行部署和應用。
• TDtsfm_1 自研模型的重訓練及微調：基于海量時序數(shù)據進行了預訓練，在大部分場景下相比于傳統(tǒng)的機器學習和統(tǒng)計預測模型都會有顯著的準確率優(yōu)勢。如果用戶對于模型預測準確度有更高的要求，可以申請購買 TDgpt 企業(yè)版的預訓練服務。使用用戶的場景歷史數(shù)據進行預訓練，在特定場景下的預測效果可能更佳。
• 第三方解決方案：濤思數(shù)據聯(lián)合國內外時序分析/異常檢測專業(yè)廠家、研究機構，為用戶提供專業(yè)的分析解決方案，包括落地過程中的實施服務等。

通過這些增強能力，TDgpt 企業(yè)版可以適配更復雜、更嚴苛的應用場景，幫助企業(yè)真正實現(xiàn) AI 驅動的智能化運營。

結語

從預測發(fā)電到發(fā)現(xiàn)異常，從電力調度到運維管理，TDgpt 正在讓原本高門檻的時序數(shù)據分析變得更簡單、更智能、更可落地。它不僅讓 AI 更貼近業(yè)務現(xiàn)場，也幫助企業(yè)真正把數(shù)據“用起來”。如果你也在面對時序數(shù)據帶來的挑戰(zhàn)，或者希望用 AI 打開新的可能，TDgpt 值得一試。

想要了解更多關于 TDgpt 的信息，請訪問：http://www.fjzmyy.cn/tdgpt