2026 年世界人工智能大会（WAIC）如火如荼，各大展台都在展示最前沿的 AI 技术。在众多展台中，TDengine 的展台显得格外"特殊"——没有炫酷的机器人，也没有大模型参数的对标，而是直接打出了一行醒目的标语："中小企业，永久免费"。在 WAIC 这个全球 AI 的舞台上，这家从时序数据库起家的中国公司，用一种不太"AI"的方式，引起了最多人的注意。
涛思数据这次宣布 TDengine 的产品重大升级即——从时序数据库演进为 AI 原生的工业数据平台——并同步推出一项力度空前的政策：五千测点以内，全功能永久免费，不限制功能，不限制性能。这意味着，全球数百万中小企业第一次可以零成本用上包含工业本体建模、实时分析、过程分析、AI 洞察、版本控制在内的完整工业数据平台。
一笔"看起来不划算"的账
在工业软件行业，"免费版"并不新鲜。但大多数免费版的通行做法是：核心功能免费，高级功能付费；或者数据量免费，超过阈值收费。用一个"功能裁剪版"吸引用户，再通过功能升级实现商业转化——这是行业默认的增长公式。
TDengine 这次的做法，恰恰反其道而行之。
根据TDengine 官方信息，5000 测点以内的系统享受的免费政策包括：
• 工业本体建模（树型层级结构 + 网络关系模型）
• 多源数据接入（OPC、MQTT、Kafka 等）与数据清洗转换
• 高性能时序数据存储与查询（写入性能提升 10 倍以上，存储成本降至 1/10）
• 流式计算与实时分析（零代码配置 + AI 辅助生成）
• 过程分析（批次对比、趋势叠加、相关分析、回归建模、聚类识别、根因分析等）
• 可视化面板、仪表板与 KPI 报表
• AI 智能问数（自然语言查询与面板生成）
• 无问智推（自动感知场景，主动推送分析任务和指标）
• TDgpt 时序 AI 引擎（异常检测、趋势预测、数据填补）
• 知识库与 Skills 管理（企业私有知识沉淀与 AI 调用）
• 事件管理与告警通知
• 版本控制与电子签名（基于 Git）
• 五级安全策略与权限管理
• 数据备份与审计日志
用涛思数据创始人陶建辉的话说："我不想做一个只能演示、不能真正用的免费版，也不想做一个功能裁剪、最后还是逼用户付费的试用版。既然目标是帮中小企业跨过工业 AI 的门槛，就得把真正有价值的东西全部给出来。"
这种"全功能免费"的力度，在工业软件领域极为罕见。要知道，类似功能的传统工业实时数据库（如 OSIsoft PI System），仅软件授权一项就可能达到数十万甚至上百万元人民币，还不包括实施和运维成本。对于中小企业而言，这笔投入往往是难以承担的。
为什么是现在？工业AI的"中间层困境"
大模型的能力已经毋庸置疑，但在工业场景中的落地进度，却远低于预期。
过去两年，几乎所有工业软件厂商都在产品上加了"AI 问答"功能——在界面上嵌入一个对话框，接入大模型，支持用自然语言查询数据。但实际使用效果普遍不佳。
一位制造业数字化负责人直言不讳："你问它'3号反应釜昨天出口温度有什么异常'，它回答'建议检查温度传感器是否正常工作'。这个建议没有错，但没有用。"
问题出在哪里？核心在于数据层和 AI 层之间存在一道"语义鸿沟"：
• 数据烟囱——PLC、DCS、SCADA、MES、ERP 各管一摊，大模型接进去一个系统，只能看到局部信息
• 标准不统一——同一个物理量，不同设备可能叫温度、Temp 或一串没人看得懂的 tag 编号
• 缺少情景化——工业数据只是时间戳和数值，脱离产线、工艺、班次这些上下文，AI 无法判断一段曲线是正常升温还是故障前兆
这就是 TDengine 所说的"工业 AI 缺的不是大模型，而是数据底座"。大模型能力再强，面对没有语义标注的裸数据，也只能给出泛泛而谈的建议。
TDengine 的解法是在数据存储层和 AI 应用层之间，构建一个工业本体层——相当于给工厂里的每一台设备、每一个测点都建立"数字身份证"：它是谁、属于哪里、和谁有关、正常范围是多少、历史上发生过什么。有了这层语义基础设施，AI 才算真正"读懂"了工业数据。
"大模型很强，但到了工厂，它其实什么都不知道。它不知道 3 号炉属于哪条产线、当前在生产什么、正常范围是多少、上下游设备是什么——这串数字对它来说就是孤立的噪音。"
—— 陶建辉，涛思数据创始人
从"问数"到"智推"：AI 正在改变工业数据分析的交互方式
工业数据分析的传统路径是：业务人员提需求 → IT 人员写 SQL、配报表 → 业务人员看结果。一个简单的需求往往要排队几天，复杂的需求甚至要等几周。
AI 原生架构下，这条路径被大幅压缩。TDengine 提供了两种能力：
智能问数——用户用自然语言描述问题，系统自动创建实时分析任务、生成可视化面板、查找所需数据。工艺工程师说一句"帮我把烘丝机出口水分做成实时趋势图，把蒸汽压力叠在上面"，几十秒就能得到一个监控面板。
无问智推——更进一步，即使用户不知道该怎么提问，系统也会根据应用场景自动推荐分析任务、可视化面板和复合指标。"智能问数"解决的是有问题但不会写 SQL 的人；"无问智推"解决的是连问题都还没想清楚的人。
此外，系统中任何有数据的页面——无论是可视化面板还是数据列表——都可以一键点击"AI 洞察"，立即获得分析结果和决策依据。不需要导出数据、不需要导入专业分析软件，一点就得结果。
为什么是"免费"而不是"开源"？
熟悉 TDengine 的人都知道，TDengine 核心代码在 GitHub 开源后，凭借高性能和活跃社区获得了快速增长——截至目前 GitHub Star 超过 24.5k ，全球安装实例超过 100 万套，遍布 60 多个国家和地区，付费客户超过 1,000 家。
这一次，陶建辉选择了"免费"而不是"开源"。他的逻辑是：
"开源为了企业生存，必然会切出一个企业版，大量开源用户用不到那些真正必要的功能——权限管理、版本控制、数据备份，这些对企业来说恰恰是刚需。我不想做一个只能演示的免费版。既然目标是帮中小企业跨过工业 AI 的门槛，就得把真正有价值的东西全部给出来。"
—— 陶建辉
换句话说，开源模式的免费通常停留在"核心引擎"层面，越往上走（管理功能、安全功能、分析功能），越需要付费升级。而 TDengine 这次的免费是"全功能免费"——只要测点在 5000 以内，从数据采集到 AI 洞察的完整能力全部开放。
5000 测点，到底意味着什么？
以典型的离散制造业为例，一台设备通常包含 25 至 50 个观测指标。5,000 测点可以覆盖 100 至 200 台设备的完整监控需求，或者一条中等复杂程度的自动化产线的全部数据。对于绝大多数中小企业而言，5,000 测点已经完全覆盖了其真实的数据规模。如果用户的数据规模确实超过了 5,000 测点，可以通过升级商业版以获得更大测点规模的软件授权。
更重要的是，免费不是"试用三个月"或"基础版"，而是永久免费、免费升级、不限制功能、不限制性能。这四个"不"，在工业软件行业几乎是前所未有的。
商业逻辑：先有用户规模，才有行业标准
把最值钱的功能全部免费送出去，商业上怎么成立？
陶建辉的回答很直接："表面上我损失了收入，但我相信换来的更多——海量中小企业用户会源源不断地反馈需求和问题，让产品持续被打磨，成为行业事实标准。"
这套逻辑并非没有先例。TDengine 核心代码开源以来，尽管核心功能免费，涛思数据仍然获得了相当不错的商业增长。开源带来的用户基数和品牌效应，最终转化为了企业级客户的付费意愿。
这一次的"全功能免费"，可以看作是同一条逻辑的延伸——只不过免费的力度更大了，覆盖的用户群体更广泛了。如果数百万中小企业都在用 TDengine 做工业数据底座，那么当它们成长到 5000 测点以上、需要企业级服务的时候，自然会成为付费客户。
更深一层的考量是行业标准卡位。工业软件领域长期被西门子、施耐德、GE、AVEVA、霍尼韦尔等国际巨头把持，新进入者想要打破格局极为困难。AI 浪潮带来了一次技术范式切换的机会——如果 TDengine 能在 AI 原生工业数据底座这个新赛道上，通过免费策略快速占领中小企业市场，形成事实标准，那么向上突破大型企业市场的可能性就会大大增加。
对行业的影响：鲶鱼效应已现
TDengine 这次的"全功能永久免费"政策，对工业软件行业的冲击可能比想象中更大。
对于传统工业实时数据库厂商，TDengine 直接用"免费"打在了它们的核心收入来源上。PI System 等产品动辄数十万的授权费，在"零成本全功能"的对比面前，竞争力将受到严峻考验。尤其是在中小企业市场，价格差距可能是数量级的。
对于工业互联网平台厂商，TDengine 的 AI 原生架构提出了更高的竞争门槛。如果还停留在"平台+AI对话框"的事后加装模式，在功能完整性和用户体验上都会被拉开差距。
对于中小企业，这是一次实实在在的技术平权。过去需要几十万投入才能起步的工业数字化和 AI 应用，现在可以零成本启动。对于资金和人才都有限的中小企业来说，这可能是它们第一次有机会真正用上工业 AI。
当然，免费政策的实际效果还有待观察。中小企业的数字化需求差异很大，产品的易用性、实施成本、生态完善度，都是决定能否真正落地的关键因素。TDengine 能否用免费策略撬动庞大的中小企业市场，还需要时间来验证。
但无论如何，一家中国工业软件公司，敢于用"全功能永久免费"的方式撬动市场，这件事本身就值得关注。TDengine 核心代码完全自主研发、不依赖第三方软件，拥有中、美、欧多项技术发明专利，平台通过 SOC 2、ISO 27001、ISO 27017 国际安全认证，并已全面适配国产信创生态——操作系统支持统信 UOS、银河麒麟、欧拉等，芯片架构适配龙芯、鲲鹏、飞腾、申威等国产 CPU。它至少说明了一点——中国工业软件厂商，已经不满足于在巨头身后追赶，而是开始用自己的方式定义游戏规则。
