对话天谋科技CTO乔嘉林：做时序数据库里“武无第二”的那一个

撰文 | 雁秋

近期，一场大会重新定义了AI时代下时序数据的概念。

在由中国通信学会开源技术委员会主办、天谋科技承办的2026时序数据技术创新大会上，一位叫“Tico”的人形机器人活动着关节，摆出各种姿势造型，做了一场炫酷的开场。

但如果只把它看作一场技术秀，就错过了更深层的信号。

当“Tico”在台上表演时，现场人群的目光却聚焦在大屏上——屏幕实时显示的是关节扭矩、电机温度、姿态倾角等运行信息，以及基于TimechoAI的时序预测结果。

这也恰如其分地诠释了大会的核心主题——DB×AI。当一台机器人的关节动力学数据能实时写入数据库、同步被AI模型预测、并即时反馈到大屏上时，实际上宣告着时序数据库的“存”与“算”正在被重新定义。

大会主论坛上，天谋科技CTO、Apache IoTDB项目管理委员会委员乔嘉林博士作出关于《多模态时序数智化软件栈》的分享，他认为，行业正从单纯的数据存储迈向数据智能。变革背后的底层逻辑是什么，技术边界又在哪里，行业离真正爆发有多远，天谋科技在其中扮演着怎样的角色？带着这些问题，DoNews和乔嘉林博士进行了一场交谈。

（以下内容基于活动采访整理）

01、时序数据库的定义变了

根据Stratistics MRC的统计，2026年全球时序数据库市场规模预计达到18亿美元，到2034年将增长至74亿美元，复合年增长率达19.5%。QYResearch预测，2026至2032年间，中国一站式时序数据库解决方案市场的年复合增长率将达到28.3%，显著高于全球平均水平。

当全球数十亿物联网设备、工业传感器、金融交易系统每分每秒都在产生带时间戳的数据流时，时序数据库毫无疑问成为了基础设施。

然而，在现实落地场景中，对于数据库的要求还没有从过去那种“存得下、查得快”的单一标准实现进化。乔嘉林用了一个航空领域的真实案例来说明行业目前的困境。

假设去看一架飞机的飞行姿态分析，想判定某个重点工况是否异常。在数据库工程师眼里，这似乎就是个“按时间列做连接”的SQL操作，但在真实的机库里，气压、高度、电流这些数值在数据库里，驾驶舱的录音文件在文件系统里，机翼摄像头拍的高清图片在对象存储里，机务手写的维修工单在PDF里。

“做分析时，需要把所有数据从各个系统里面提出来，汇到一个地方去管理，这大大增加了时标对齐的复杂度。”乔嘉林直言，这正是2026年时序数据库行业最显著的趋势变化之一——工业场景不再局限于单一的时间序列，设备标签、空间坐标、文本日志与图像数据将交织在一起，要求数据库具备处理多模态时序数据的能力。

数据形态正在从结构化表格向多模态连续流演进，行业也需要一套更科学的系统。面对这一需求，乔嘉林的团队想了几个办法。

起初团队想复用现有能力，用数据库通用的BLOB大字段（二进制类型）把图片塞进去。后来发现几KB的小图片还行，一旦到了几兆、几十兆甚至上百兆，写入直接拒绝。查询更是灾难，要在云图里找一小块网格，得把整张卫星云图从数据库端搬到客户端解析，网络带宽、客户端算力直接被拖垮。

于是，他们设计了一套全新的OBJECT数据类型。

区别在哪？乔嘉林打了个比方：BLOB是黑盒，数据库只管当“搬用工”，OBJECT则是“透视眼”，数据库直接读懂里面的结构，区分出图片和视频，能直接在底层文件里切出需要的那一小块数据，不用全量搬运。“不管是几兆还是几百G，都可以通过这种方式去读和写，而且不影响日常数值类型的读写操作。”

这个看似增加负担的功能扩展，在乔嘉林的产品哲学里却是通行证。他在复盘决策逻辑时向DoNews这样解释：判断一个功能该不该做，除了看需求真不真，也需要看它会不会损害产品已有特性。“如果扩展一个能力对原有功能毫无副作用，那它就是良性的扩展；反之，如果为了新功能把数据库搞复杂到团队都Hold不住，那就是亚健康扩展。”

以前需要拼凑几套系统干的事，现在一套时序数据库就能“兜住”。据了解，TimechoDB V2.0.8版本正式引入了OBJECT数据类型。这套多模态管理能力已在航空、气象、具身智能等多个领域落地。

02、聚焦模型落地

多模态促进了时序数据库在管理层面的突破，至于海量的数据要怎么用，就要看与AI是否能深度融合。乔嘉林在报告中提出了目前的关键：现在比拼的不是基础模型的能力，而是模型如何落地。

现实中有很多落地难点，比如工程师希望数据靠近算力，但线上系统往往是多年前建成的，没有配GPU。或者说，工程师希望用现有数据库完成数据治理和清洗，但线上团队会担心影响业务系统。

虽然坐拥大量数据，但能用的、能自由探索的并不多，这也是数据密集型工业AI的尴尬现实。

基于此，TimechoDB 采用的 AI-Ready 数据库架构体现出明显优势，数据库和数据文件是分离解耦的，数据导出不需要通过查询引擎一条条往外走，而是直接通过底层文件订阅和传输——这种方式对线上业务系统的影响最小。

同时，天谋科技还提供了端侧直接落成TsFile的能力——C语言、C++版本的TsFile可以直接把端侧的海量数据落成文件上传。在模型训练层面，TsFile已被Hugging Face接纳，上面已有近一千个以TsFile格式发布的数据集，用TsFile训练的速度提升能达到二到十七倍。

光有工具还不够，乔嘉林在大会现场首次系统性地提出了时序模型的“三层分级”概念，把时序模型分成三个级别：

第一档，基础的时序大模型，学习时序数据的通用概念；

第二档，融入领域大量数据后的领域时序大模型；

第三档，针对具体场景（如压缩机异常诊断、管道压力预测）的场景模型。

这三个层次对应的是不同深度的语境注入（Context），“随着Context的不断融入到我们模型内部，植入得越精准，模型解决实际问题的能力就越强。”乔嘉林说。

他还特别强调了一个容易被误解的点：“我们的软件并不会替代专家，他们彼此是互补的关系。”领域专家提供专业知识，软件公司去看需要哪些工具来解决问题。“如果最开始对领域问题定义不清楚，跟专家聊得不够深，有可能程序员费劲写代码去解的问题根本就不是真问题。”

这也解释了为什么目前工业大模型的落地比消费级大模型慢得多，它不能仅靠“喂”一些公开语料就能搞定，每一台装备的数据都带着独一份的地理位置、运行环境、操作习惯，这也给软件层面提供了养成环境。

03、坚守“安全”，和“武无第二”的野心

2026年，时序数据库首次被纳入国家安全可靠测评目录，天谋科技的TimechoDB成为首批通过测评的时序数据库产品。此外，TimechoDB 还通过了国家首版次软件测评，是目前唯一通过该测评的数据库软件；时序数据库同期入选国家重点研发计划高新技术成果产业化试点。

这些认可的意义在于，在设备监测、能源管理、智能制造、航空航天等对数据安全与连续性要求极高的工业场景中，国产时序数据库首次具备了进入核心业务系统的国家级资质门槛。

在乔嘉林看来，获得国家级资质，最关键的是看遇到难啃的Bug，团队能不能在几小时内从根上解掉，而不是等上游开源社区更新。

他描述了十几年前实验室里的故事。当年王建民老师带着他们做IoTDB，为了加深大家对自研文件结构的理解，采用了一套“笨办法”——把TsFile用文本打开，用肉眼盯着字节看，解读每一个字节代表的含义。

过程极其枯燥，但恰恰攒下了今天数据库自主可控的底气。

当然，安全不能走极端。TimechoDB在安全方面有六大维度增强，包括身份鉴别、访问控制、安全审计等，在被问到“战略核心是不是放在安全上”时，乔嘉林没有下定论，但他认为，如果所有事都为了安全第一，后面的发展就会被限制。

比如，在控制场景，加密严丝合缝，数据不能随便出；在监视场景，数据可以同步出去做分析；在AI探索场景，文件可以更开放地供给模型训练。不同环节不同策略，既不一刀切，也不留后门。

“要去平衡安全和发展这两个点。”这是乔嘉林的回答。

最近几年，天谋科技交出了一份令人瞩目的成绩单：开源数据库累计下载量超过1350万次，全球累计管理数据总量超过100个PB，企业版激活套数超过5000套，TsFile累计下载量超过3000万次。

在TPCx-IoT榜单上，天谋科技与海光C86系列CPU的组合以2465万IoTps的超高事务处理速率夺冠，创下世界纪录。今年3月，相关成果在日内瓦国际发明展获得评审团特别嘉奖金奖。5月，又入选联合国六十大创新案例。

从技术指标看，天谋科技似乎已经取得了领先成绩。但这位技术出身的CTO没有掉入“世界第一”的陷阱，当被问及自身真实的定位时，他很清醒：“文无第一，武无第二。作为一个开源基础软件的厂商，我们更偏武，在这个行业里就应该力争第一。”但他也承认，影响力是个综合概念，不只是跑分，还包括生态、传播和用户体验。

结语

2026时序数据技术创新大会现场，天谋科技正式发布了多模态时序数智化软件栈——以Apache TsFile为统一时序数据文件底座，由TimechoDB、TimechoAI与TimechoAgent共同构成。与此同时，“DB×AI产业生态合作计划”正式启动，海光信息、和利时、航天软件、中冶赛迪等十余家产业伙伴共同参与。

乔嘉林认为现在已经处于行业爆发的前夕，支撑这一判断的，是时序数据库赛道的整体增长态势。

据行业监测数据，全球时序数据库市场规模正以年均超过30%的速度增长，应用场景已从设备监控扩展至电力调度、金融风控及智慧城市等关键领域。QYResearch数据显示，2025年全球开源时序数据库市场规模约23.70亿美元。据行业预测，至2026年，全球工业及物联网场景产生的时序数据量将突破40泽字节（ZB），年均增长率预计超过60%。

“根要扎得深，树要长得高。”这是乔嘉林分享的天谋科技的产品哲学。时序数据库接下来的竞争核心，是要看谁能算得更准、融合得更深。“要继续通过数据库和TsFile把大量时序数据汇总管理起来，再通过模型把这些数据分析出来，为企业真正地创造价值”。乔嘉林说。