从"存数据"到"用数据"：天谋科技时序数据库通过安全可靠测评，时序大模型服务平台开放体验

工业企业的数字化转型，正走到一个关键分水岭。

过去十年，大量企业完成了数据采集和存储的基础建设。工厂里的设备传感器、电网中的负荷记录、航空运维中的飞行参数、交通系统中的轨迹信息——每秒钟都在产生海量的时间序列数据。

但一个普遍的现实问题是：这些数据大多停留在"被采集、被存储、被展示"的阶段。企业真正关心的，不是数据存了多少，而是这些持续积累的历史时序数据，能否转化为预测未来、识别异常、辅助决策的能力。

2026 年 5 月 26 日，中国信息安全测评中心与国家保密科技测评中心联合发布《安全可靠测评结果公告（2026 年第 2 号）》，天谋科技（北京）有限公司的"工业时序数据库管理系统 [简称：TimechoDB] V2.0"列入分布式数据库名单。与此同时，天谋科技基于十亿级时序大模型 Timer-3.5 打造的 TimechoAI 时序大模型服务平台已面向真实场景用户开放体验。

这两个动作看似独立，实则指向同一个方向——让工业系统从"会采集"走向"会分析、会预测、会决策"。

01 安全可靠测评：工业数据库进入核心业务系统的"资质门槛"

要理解 TimechoDB 通过安全可靠测评的意义，需要先了解这项测评本身。

安全可靠测评是中国信息安全测评中心与国家保密科技测评中心联合组织的国家级权威评估，依据《安全可靠测评工作指南 V3.0》，面向 CPU、操作系统、数据库等基础软硬件产品，从核心技术自主性、安全保障能力、供应链可持续性等维度开展全生命周期评估。

测评覆盖产品研发设计、生产制造、供应保障、售后维护的全生命周期，结果自发布之日起有效期三年。自 2023 年启动以来，已成为党政、金融、能源、交通等关键行业进行基础软件采购与选型的重要参考依据。

在截至目前所有通过安全可靠测评的数据库产品中，涵盖集中式与分布式关系型数据库三十余款，包括达梦、人大金仓、OceanBase、TiDB、GaussDB、TDSQL、PolarDB 等主流产品。TimechoDB 是唯一通过安全可靠测评且被认定为"时序数据库"的产品。

这一突破的实际意义在于：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。

过去，部分关键工业场景不得不依赖国外时序产品或通用关系型数据库。关系型数据库处理高频时序数据时，往往面临写入性能瓶颈、存储成本过高、查询效率不足等问题；而国外时序产品则在供应链安全、核心技术可控性方面存在隐患。安全可靠测评结果为政企客户提供了权威参考，填补了国测名单在时序数据基础设施领域的空白。

02 TimechoDB：面向工业场景的企业级时序数据底座

TimechoDB 基于 Apache IoTDB 打造，针对工业生产环境的高频采集、海量存储与实时分析需求，在企业级安全与可靠性方面进行了系统性增强。

在工业现场，时序数据有几个典型特征：数据量大、写入频率高、乱序到达多、查询模式复杂、长期保存成本高。通用数据库往往难以同时兼顾这些要求，而 TimechoDB 从设计之初就针对这些场景进行了原生优化。

高吞吐写入与高压缩存储

工业场景中，成千上万的传感器每秒持续产生数据。TimechoDB 支持海量设备和测点的并发写入，同时针对时序数据特点进行编码优化，实现高效压缩，显著降低长期数据保存的存储成本。

企业级安全增强

内置黑白名单访问控制、强化审计日志功能，支持用户行为快速追溯与可视化配置。支持传输加密、存储加密，密码算法支持国密标准。这些能力帮助企业满足等保与内控合规要求。

高可用架构

提供单机、分布式、双活等多种部署形态。分布式模式下支持多副本管理与秒级扩容，首创面向时序数据的多副本一致性协议，仅需 2 副本即可提供高可用服务，在保障数据安全的同时显著降低存储开销。

全栈国产化适配

已完成与主流国产 CPU（海光、飞腾、鲲鹏、龙芯等）及操作系统（统信、麒麟、欧拉等）的兼容性互认证。数据库内核、存储引擎、分布式架构及关键算法均由国内团队自主研发，不依赖国外商业数据库或闭源中间件。

03 存下来之后：为什么工业场景需要专门的时序大模型

数据采集和存储的问题解决之后，工业客户真正关心的问题是：这些数据能告诉我什么？

明天的负荷会是多少？这台设备什么时候会出故障？这个工艺参数该怎么调？

过去两年，大模型成为各行业关注的焦点。但在工业与物联网场景里，一个很现实的问题是：通用大语言模型擅长的是文本理解与生成，并不天然适合处理复杂的时间序列数据。

设备传感器数据、负荷曲线、轨迹信息、工艺参数——这些数据的价值不在于"描述了什么"，而在于随时间变化所体现出的规律、波动、异常和趋势。企业真正关心的，不是对这些数据做一段文字解释，而是能否据此更早发现风险、预测未来变化、辅助业务决策。

就像让一个全科医生做心脏手术——他可能知道原理，但你不会真的把手术刀交给他。

这也意味着，面向时序数据的建模与分析能力，需要专门的设计与优化。

04 Timer：从清华实验室到十亿级时序大模型

天谋科技在时序大模型方向的核心支撑，是源自清华大学软件学院 THUML 团队自主研发的时序大模型 Timer。

Timer 是目前国内外最具影响力的时序大模型之一。从 2023 年发布 1.0 版本至今，已经走过了清晰的四代演进：

• Timer 1.0：首次验证了时序大模型的可行性，通过数据治理和纯解码器架构，实现少样本泛化和多任务适配，在时序领域验证了扩增定律。
• Timer 2.0（Timer-XL）：提出创新的二维注意力机制，同时建模时间维度和变量维度，实现"历史信息越长，预测效果越好"的突破。
• Timer 3.0（Sundial）：采用生成式建模方法，针对同一输入可以生成多个可能的未来序列，在万亿时间点数据上完成预训练，推理速度达到同类模型 Chronos 的 20 倍，Hugging Face 单月下载量超过 500 万次。

• Timer-3.5（Timer-S1）：2026 年 3 月发布，将时序基础模型拓展到十亿参数级别——83 亿总参数，上下文长度达到5K 时间点。在国际通用时序预测基准 GIFT-Eval 上取得整体性能 SOTA，MASE 相较于前代降低 7.6%，CRPS 降低 13.2%，是首个十亿级时序基础模型。

2026 年 4 月，包含 Timer 核心技术在内的"多维时序大数据深度学习理论与方法"成果被授予 2025 年度中国电子学会自然科学奖一等奖。

05 TimechoAI：把时序大模型做成可以直接用的服务平台

TimechoAI 是天谋科技推出的面向时序预测与智能分析的时序大模型服务平台，提供云服务与本地部署等形态。

它不是把通用大语言模型换个皮肤套到时序场景上，而是从底层就为时序而生——针对工业预测、设备异常、能源负荷、生产分析等真实业务场景，进行大规模预训练和深度优化。

低门槛使用

用户可以通过 Web 页面直接完成预测任务，不用先搞懂模型原理，也不用自己搭训练和推理链路。支持多种数据输入方式：手动录入、绘制曲线、上传 CSV 或 TsFile 文件。对于已经使用时序数据库的用户，可以直接导出原生 TsFile 格式上传，无缝衔接。

多模型灵活选择

平台默认搭载 Timer-3.5 作为核心推荐模型，同时支持 Timer-3.0、Chronos-2、AutoARIMA、Holt-Winters 等多种模型。对于不确定选哪个的用户，平台提供 Auto 模式，根据数据特征自动推荐最合适的方案。

协变量支持

时序预测中，影响结果的因素往往不止历史数据本身。以电力负荷预测为例，温度、湿度、节假日都会显著影响负荷变化。TimechoAI 支持在预测时添加协变量，让模型综合考虑多种影响因素。

网页体验 + API/SDK 双模式

业务人员可以通过网页界面直接操作，不需要写代码；开发者可以通过 RESTful API 和 Python SDK 将预测能力嵌入自有业务系统。

06 一个真实案例：航司如何用时序大模型做故障预警

某大型航空公司在探索一件事：能否针对飞机引气系统中的关键部件 PRSOV（压力调节和关断活门），建立更早期、更可靠的故障预警能力。

在航空运维场景中，一次关键部件异常带来的影响，往往不只是一次维修本身。它背后可能连带着临时停场、航班延误、维修资源调度压力上升。行业长期依赖定检、规则和经验判断，但要把预警做得更早、更准，并不容易。

项目团队早期尝试过直接围绕故障样本做监督学习，让小模型去学习"故障长什么样"。但很快遇到困难：真实故障本来就少，样本稀缺；飞机在不同飞行阶段的工况差异又很大，单纯依赖故障标签很难得到可靠结果。

随着项目推进，团队调整了思路：与其一开始就盯着"故障是什么样"，不如先回答"正常状态应该是什么样"。

具体来说，项目在推理阶段会筛选满足特定条件的数据窗口作为样本，例如特定活门状态、发动机转速变化以及压力趋势关系等；随后由模型预测引气总管压力在正常情况下应呈现的状态。当预测值与实际值之间的偏差持续超过阈值时，系统便将其识别为潜在异常征兆。

在一次重要运行保障期间，系统成功提前识别出某机型相关异常趋势，为后续处置争取了时间窗口，也避免了更大的运行与维修损失。

这次实践验证的，不只是一个单点模型，而是一条更适合复杂工业场景的落地路径：先用业务理解定义问题边界，再用时序模型完成建模与识别。

07 从数据底座到智能决策：天谋的完整链路

TimechoDB 与 TimechoAI 的组合，构成了天谋科技面向工业智能的完整数据链路。

第一层：数据基础——TimechoDB 负责高吞吐写入、高压缩存储、低延迟查询，构建可靠的工业时序数据底座，并通过安全可靠测评获得国家级资质认可。

第二层：智能分析——TimechoAI 搭载 Timer-3.5 等时序大模型，提供预测、异常检测、故障诊断等分析能力，让企业用真实数据快速验证业务价值。

第三层：行业应用——覆盖设备运维与预测性维护、能源负荷预测与储能优化、工业生产预测与工艺优化、IoT 监控与异常识别等场景。

目前，天谋科技相关产品与技术已在国家电网、国家气象局、中航成飞、中核集团、中国中车、长安汽车、金风科技等超过 1000 家企业广泛应用，并被集成应用于华为、阿里巴巴、海尔、东方国信、用友等企业构建的多个国家级和企业级工业互联网平台。

08 开放体验

对企业来说，判断一个新技术是否值得投入，不一定要从完整项目开始。先用真实数据跑一次预测，往往是更低成本的验证方式。

目前，TimechoAI 已面向真实场景用户开放体验。用户可直接访问 https://ai.timecho.com/ 注册并开始使用，无需邀请码。具备明确场景和真实数据基础的用户，可通过平台快速验证预测效果，并获得天谋科技的技术支持。

• 体验入口：https://ai.timecho.com/
• 开发文档：https://ai.timecho.com/docs/
• 官网：https://www.timecho.com/

关于天谋科技

天谋科技（Timecho）成立于 2021 年 10 月，是行业领先的工业时序数据基础设施及相关服务提供商，已获超亿元人民币天使轮融资。公司由 Apache IoTDB 核心团队创立，长期聚焦大数据底层技术软件研发，围绕企业在物联网与工业场景中面临的海量时序数据接入、存储、管理、分析与智能应用需求，提供专业时序数据库产品及面向预测、诊断和智能分析的时序大模型服务。

核心产品包括：

• TimechoDB——面向工业与物联网场景的企业级时序数据库。基于 Apache IoTDB 打造，获第 51 届日内瓦国际发明展评审团特别嘉许金奖，通过安全可靠测评、国家级首版次软件评测、中国信通院"可信数据库"多项专项评测。
• TimechoAI——面向时序预测与智能分析的时序大模型服务平台（含云服务与本地部署形态）。基于 Timer 时序大模型打造，在 GIFT-Eval 等权威基准中取得领先预测精度，获 2025 年度中国电子学会自然科学奖一等奖。