10 月 22 日至 24 日，2026 QCon 全球软件开发大会上海站举行。涛思数据受邀参会，创始人兼 CEO 陶建辉在主论坛发表题为《打造工业本体，构建 AI 原生的工业数据基础设施》的主题演讲，与来自阿里巴巴、上海交通大学、小影科技等公司的嘉宾同台，围绕 AI 如何真正进入生产系统展开讨论。本届大会由极客邦旗下 InfoQ 中国主办，吸引 1200 余位开发者、架构师与技术管理者到场。
演讲中，陶建辉指出，工业企业并不缺少数据。SCADA、设备系统、时序数据库与业务系统中积累了海量信息，但这些数据长期分散在不同系统，缺少统一的语义表达。一个温度、压力或转速数据，如果缺少设备对象、采集位置、计量单位、时间范围和工况信息，对 AI 而言只是一个孤立数字。"只有把一个数值对应的上下文完整提供出来，这个数据才有意义；否则 AI 只能靠猜。"
因此，工业 AI 首先要解决的不是"让模型更聪明"，而是建立能够被人和 AI 共同理解的数据结构。陶建辉介绍，涛思数据在工业数据基础设施之上构建工业本体层，用于描述设备、属性、事件及其关系，为跨系统查询、故障分析和 Agent 调用提供稳定的语义基础。"以本体构建统一业务语义底座，是工业数据资产化的核心一步，更是 AI 原生时代工业数据基础设施的核心标准。"
他同时强调，AI 并不需要替代所有确定性软件。对于规则明确、结果稳定、需要高频执行的任务，更适合让 AI 生成经过验证的程序，再由系统持续运行，而不是每次都让模型重新推理。"可以用 AI 生成确定性的程序，但没有必要让 AI 每次都重新执行确定性的逻辑。"在这一分工下，AI 更适合处理开放问题、复杂意图和动态决策，传统软件则负责高可靠执行，两者结合才能兼顾灵活性与稳定性。
对于缺少资金、人才、专家和时间的中小企业而言，工业 AI 的价值不只是提供一个新工具，更是帮助它们把分散的数据转化为可理解、可调用、可持续利用的业务资产。这一判断也贯穿于 TDengine 的产品演进------今年 7 月，TDengine 完成重大产品升级，从单一的数据底座延展为 AI 原生的工业数据平台，以工业本体建模为语义基座，配合工业智能体运行时，把 AI 的能力真正带入工业与物联网现场。
会场之外，TDengine 在 B03 展位与参会者面对面交流。会议期间，展位吸引了众多对工业 AI、工业本体与工业数据基础设施感兴趣的开发者、架构师与企业技术负责人驻足，围绕工业本体如何落地、智能体如何在生产系统中可靠运行等话题展开讨论。