二零一零年十月二十日，加拿大滑铁卢大学部分学子设计出一种叫 Kik 的互通消息软件，该软件借助个人手机联络信息，无需费用即可发送简讯，迅速流行开来。

张小龙在广州独自生活时，通过个人邮箱浏览信息，首次了解到 Kik 这款创新应用。某晚，他向马化腾发送邮件，提议由广州团队开发同类产品，马化腾立即表示赞同。

小米方面，洪锋叫住要去参加会议的雷军，向他展示 Kik 的操作方法。雷军认为小米必须马上行动，并且在腾讯之前推出了米聊。但最终结局众所周知，米聊失败了，大量即时通讯软件从互联网上消失，人们开始普遍使用微信，并且记住了“微信之父”张小龙这个名字。

这是雷军的失落，因为他既错失了张小龙（雷军曾有机会购买张小龙及其团队），又输给了张小龙。

现年 57 岁的涛思数据创始人兼 CEO 陶建辉，至今仍对编程充满热情，他深感惋惜，这也是他内心的一个缺憾：他的首个创业项目，曾怀揣着更为宏大的愿景，目标是彻底改变短信和彩信行业，他坚信自己的技术能超越 QQ、MSN。然而，最终这个机会被张小龙抓住了，这件事成了他毕生最大的遗憾。

2007年，陶建辉当时在美国摩托罗拉手机部门任职软件工程师，因为通信行业背景，他注意到发短信需要收费的情况，便开始琢磨，怎样才能实现消息免费且实时发送到手机，同时还要保证手机电量不损耗，流量消耗极低。圣诞期间，妻子带着孩子去外地旅行，他独自一人在家专心致志地编写程序，不到十天就完成了整个演示版本，真是有趣的是，当今主流操作系统的始祖 Unix，也是 Ken 在配偶休假且孩子去外祖母家时构思并实现的

妻子观看完展示后认为比较可靠，2008年新年伊始，陶建辉就立刻离开了摩托罗拉，返回北京创办了和信公司。2009年intellij idea 14，和信向外界正式推出其产品，包含了联系人管理和功能扩展工具。他声称自己是全球最早认识到需要开发通讯录同步功能的人。即时通讯软件是个人电脑向移动网络转型过程中的代表性产品，它突出的特点在于用户名识别（熟人互动），同时支持隐身模式，这一功能帮助从社交平台发展而来的微信，成功摆脱了“已有社交软件，为何还需微信”的质疑。

2009年春节期间，陶建辉与老友CSDN创始人蒋涛的拜年祝福都是借助“和信”平台发出的，这个应用不仅具备同类软件的基本作用，还拥有更多实用特性，用户能在网页端查看联系人列表和通话历史，通过网页发送短信时，接收方看到的仍是发送者本人的手机号码。“Apple的才是完全符合我使用习惯的通讯方式。对方安装了那个软件，就全程使用网络渠道；对方没有安装，就通过普通短信发送。蒋涛对此功能十分欣赏。我们都需要批量发送新年祝福短信，结果他碰到了一个难题，正月初一给我打电话说：“老陶，我的手机通信被限制了！”原因是群发短信数量过多。

陶建辉采用的技术十分简便，先由网页端传输至服务器，再由服务器向手机推送信息，使手机充当“短信猫”的角色，然后发送短信，短信的传输途径并非通过运营商的短信网关，而是经由网络。一个中文字符占用两个字节，1KB 容量包含1024个字节，相当于超过五百个中文字符，因此成本非常低廉。

另外，和信的“定制手机资讯”服务与现今的微信公众号模式相似，兼容 （现 X）、（现 Meta）。同时设有“内容获取”功能，能够从网页上选取任意文字、图片或音频，直接发送至个人或友人的手机设备。那个时期，例如大众点评（2003年成立）中的地址信息，通常需要通过在线查询，查询完毕后邀请他人聚餐并使用短信联络。陶建辉同他们商议协作，提及“抓客”便直接指向手机，大众点评的团队十分激动，认为这个手段非常出色。

陶建辉一直期望短信、彩信能够免费使用，为此准备了众多计划，然而推行过程异常困顿。当时手机在美国刚上市不久，国内市场仍以功能机为主，智能手机尚处起步阶段，和信系统主要依托诺基亚的塞班平台。最终资源耗尽，由于拖欠房租，办公室甚至被有关部门查封。陶建辉一文不名，又遭遇了腓骨骨折的意外，使他陷入了人生的最低谷，中科大的师长和同窗在他困境中伸出援手，硬是凑了两万块钱给他，最终，2010年他和信通过出售给联发科达成了目标。

回想起来，陶建辉至今仍深感惋惜，他当初提出的极具革新性的构思，最终该领域的成功者却是张小龙，他本人也因此未能获利，当时他始终觉得应当成就一番大事，心中不甘，因为他拥有如此多的奇思妙想，并且工作异常努力，却最终未能获得成功。这个想法源于他 2007 年的构思，产品在 2008 年创业时便开始研发，比 Kik、微信要早出两三年，尽管全球知名度归属于张小龙，但鲜少有人知晓他最早孕育了这一构想。

“我们迎来了公司历史上最好的发展机会，能跑多快就跑多快”

2025年春节，涛思数据引起广泛关注，让陶建辉看到了大展拳脚的时机，他的第三次创业项目已经走过八个年头，他激动不已，形容自己情绪高涨，常常在深夜向共同奋斗多年的合伙人发送信息，交流自己新产生的构思。自年初开始，他每次参加会议时都要提及同样一番话，那就是，公司正面临有史以来极为难得的进步时机，大家应当竭尽全力，争取尽可能大的发展速度。

陶建辉明确表示,所面临的发展机遇和拓展余地远非构建时序数据库所能比拟,他在企业内部多次强调,这标志着从百亿元人民币营收跃升至千亿元人民币营收的跨越。公司过去的主要业绩提升仅限于百亿至两百亿的范围,而今则有望达到千亿至两千亿的市场规模,这无疑是一件令人振奋的重大突破。此外，所有相关事宜均已妥善安排，倘若对这一良机坐视不管，便构成了终生的遗憾。

是什么机遇使得陶建辉感到“比 2017 年进行时更为激动”？

2016 年，AI 击败李世石引发广泛关注，陶建辉由此联想到自动驾驶等行业积累的海量信息，认为必须找到合适手段加以应对，由于自动驾驶领域的数据大多是按时间顺序排列的，这也是其产生的其中一个缘由。

2022年掀起了更为激烈的 AI 发展浪潮，其波及面更广，促使陶建辉认识到个人及各行各业都需充分运用 AI 技术。数据分析行业逐渐活跃，在其产品中适时推出了时序数据 AI 智能体 TDgpt，用户仅需输入一条 SQL 语句，便能调用 AI 的功能。

但这远远不够， 去除了对开发者的标准，对运营者依然存在很大制约，指引技术变成了各界、产业运用人工智能的一大阻碍。而 TDgpt 主要用于进行时间序列分析、异常识别，隐藏在 的背后，并非被终端用户直接加以利用。这次经历并未使我产生根本性的转变，系统依然需要业务人员的参与，这些人员必须懂得如何提出疑问，直到春节期间出现热潮，我才意识到必须抓住人工智能的发展机遇，每天都在思考这个方向。

揭示疑问比处理疑难更有价值，然而，为数不少的普通人却难以发现疑问，这究竟该如何应对？

某日陶建辉萌生一念，或许能够舍弃“问”这一步骤，无需借助 Chat，转而将数据分析的主动权交给使用者，使其体验如同日常浏览抖音一般。

在传统行业领域，例如工业环境，早已确立了规范化的操作规范和成熟的工作准则，人工智能系统完全掌握这些内容，因为其发展历程已逾数十年，众多研究者投入了大量精力进行探索，通常仅有极少数企业会研发出独特的管理体系或创新性评估指标，他迅速通过实例进行核实，比如有位来自煤炭产业的从业者，在阐述煤炭安全议题时，提及了“来压”这一概念。陶建辉对煤矿一无所知，他询问“来压”的含义及其用途，又追问如果用它来压制面板，该怎样构建，结果，对方就把事情的来龙去脉阐述得明明白白（涵盖了压力监测、煤矿安全需要建造何种面板、物理量单位名称等细节），这让陶建辉的认知焕然一新，对 AI 直接向用户传递信息的做法深信不疑。

过去很长一段时间，工业领域存在显著的信息隔阂，不过其积累的信息虽然数量庞大，却普遍缺乏内在价值，因此迫切需要找到一种能够快速提炼出有用知识的技术手段。如今，年轻人对投身该领域意兴阑珊，数据收集活动由来已久，国内工业制造的自动化程度已十分可观，大量采用SCADA（数据采集与监控系统）、DCS （分布式控制系统）以及PLC（可编程控制器），却依然难以实施数据解析。我国境内，仅生产单位就超过六十万个，这些单位中，虽然存在诸如宁德时代、三一重工之类的超级企业，它们配有专属的信息技术队伍和商业智能系统，但绝大多数，或许高达九成以上，甚至缺乏数据研究专家。

经过多年努力，他们的成果已经广泛应用于钢铁、石油、石化、智能制造等多个领域，产品通常被整合在其他设备中，终端用户并不了解其具体来源。陶建辉是一名程序员，也是时序数据库领域的专家，他对 IT、互联网等新兴行业非常熟悉，然而对于钢铁、石油这类传统行业却几乎不了解，陶建辉多次拿在水务、烟草等不同行业遇到的实际问题来自嘲，例如，他和距离公司很近的北控水务接触时，发现水务行业的术语他完全听不懂，不知道如何为他们开发软件，一开口沟通，对方就表示他设计的菜单名称根本不符合他们的需求。

当前情形已有所转变，专业领域的知识障碍已被打破，人工智能已通晓各行各业；所有人工智能的应用均转化成单一的对话平台，使得开发应用更为便捷，在这种背景下，核心的基础软件企业能够直接面向应用层面，直接触达终端客户。人工智能促使我们这些从事底层软件的企业得以向上拓展，应用层面的门槛主要在于特定领域的认知，而这个门槛恰好被大型模型攻克了，因此我认为这个发展前景极为广阔。

而 之前的“超级表”“虚拟表”的革新带来了显著帮助：它们攻克了 Text-to-SQL 的难题，如今 Text-to-SQL 已无大碍，关键在于当前表结构极为精简，表结构之所以简单，是因为超级表以及虚拟表能够整合众多表格，使单个设备仅需一张表，大幅降低关联操作，让 AI 能够轻松应对，问题便立刻变得容易，否则将异常困难。

春风已来，诸事已妥当。我非常渴望领先，感到十分急切，一心想着尽快推出产品。而且我认为这个领域确实非常广阔，你看到了机遇，抓不住就会失去。我觉得这个机遇正好是我能够把握住的。能够把握住的是什么？第一，我们账户里的资金还很充裕，拥有团队、人才和财力。第二，并非所有拥有资金和人才就能成功，因为项目开发需要机遇。我们先前已经完成了时序数据库的建设，而且我大约在去年 9 月和 10 月期间intellij idea 14，就已经着手进行数据目录、数据标准化以及数据场景化的设计工作。

陶建辉感到既焦急又激动，他开始了每天工作十四个小时、每周七天的工作模式，团队三十多名成员则按照每周六天的时间安排，全身心投入工作。

全新的工业数据管理平台 IDMP（ Data ）面世，其核心能力是“无问智推”，无需人工提问，直接让数据揭示自身价值，系统依托收集到的信息，自动识别潜在用途，继而针对特定用途，动态构建专属的衡量标准、图形展示界面、分析文档，并实时呈现数据洞察。

对感兴趣的朋友们来说，可以点击“阅读原文”免费获取并试用IDMP无问智推，据了解，陶总为了降低体验的门槛，还特别推出了配套的免费云服务。

从 Pull（拉）到 Push（推）

“没有人比我更懂数据目录、数据标准化、数据情景化”

怎么个“无问智推”法？

陶建辉在个人著述中这样阐述：“假如说‘智能问数’属于‘等待提问才回应’的类型，那么 IDMP 这种从吸引到主动推送的机制，不妨视为‘无需提问即智能推送’。利用大型语言模型和智能代理技术，数据可以做到自动反馈——关键的业务分析见解会直接发送给使用者，使分析方式从“需要主动获取”转变为“自动呈现”。这导致用户的数据获取变成了无需操作，数据分析因此进入全新阶段，参与条件变得极为简单。

这背后关键作用在于陶建辉所提倡的“数据平台需要转型为能适配人工智能的平台”，原先以存储和计算为主的数据库经过改造，转变为能适配人工智能的平台，而要成为能适配人工智能的平台，必须满足三个条件：建立数据目录，实现数据标准化，以及进行数据场景化应用。他反复斟酌良久，自己动手绘制了运用人工智能的工业数据管理系统蓝图。

让机器彻底弄明白错综复杂的关联性非常困难。工厂层面的数据拥有明确的层级体系，例如从厂区到车间，再到产线，最后到具体设备和监测点。然而，在现实中的数据架构里，这种层级秩序常常被破坏，设备采集的数据、故障信号、关键绩效指标等资料被零散地分布在多个表格里，没有集中的管控。IDMP 以层级关系为基本框架，对物质实体和逻辑单元进行整合性构建与归类管理。单个单元不仅体现关联脉络，还能附加特性参数、运算规则及响应机制，允许从体系布局、器材种类等不同维度构建信息体系，达成同一信息在不同尺度上的整合展示与全方位审视。这表明：使用者不再去寻找一张表格、一组信息，而是去维护一个包含背景的完整单元。

在标准化方面，国内没有任何软件能够处理物理单位的转换，例如，数据库中一列存储的是米每秒，另一列存储的是公里每小时，如果要计算两列车的平均速度，就必须先将单位进行换算，否则无法进行计算。此外，倘若将任何公式，诸如功率等于电流乘以电压，错误地表述为功率等于电流加上电压，系统将立刻给出错误反馈，指出电流与电压属于截然不同的物理范畴。据我们所知，全国范围内唯有本产品具备此种功能。

这显示了工业系统接入的初始信息存在差异，它们源自多样的通信协议和不同的数据采集平台，并且名称、度量衡、精确度均不一致。IDMP 通过采用“元素范例”与“属性标准”体系，借助规范化的字段说明、度量单位框架、转换方法、数值范围界定等规范，确保每个数据指标都拥有清晰的定义。依靠这套规范化的流程，系统能够自动进行信息对齐和度量衡换算，为人工智能奠定清晰的含义根基，有助于达成更可信的数据研究以及智能判断。

仅有构造和规范是不够的。工业数据常常只有“量化值”，却缺少“情境信息”。一个指数是否反常，不仅取决于它的量化值，还要看它当前的情形、牵涉哪些事务、前后环节是否也产生了变动。

IDMP 能够在目录和属性层级上附加详尽的语义内容，例如说明、标记、设备规格、部署地点、工作情形、是否可参与运算等，确保每个数据单元具备清晰的业务定义和关联背景。平台借此生成“数据情景网络”，促使数据从原始数值转化为蕴含业务环境的实体，为人工智能供给更充实的语义依据，增强异常探测与智能分析的精确度。

这件事并非陶建辉首创，他本人表示“数据清单、信息规范化、应用场景化这三项核心内容，基本上没有新意，完全是参照 PI 实施的”。不过，他非常自信地认为自己是专家，“我钻研 PI 已经过去三年多，理解程度超过公司内部人员。为了深入了解它，我还花费两万美元购买了一个试用版本。我对这个系统进行了深入的调查，没有这些前期工作，很难开发出最终成果。

陶建辉经常穿梭于中国和美国的他，可以清晰地察觉到两边不同之处，在中国，数据目录、数据标准化、数据情景化这些概念，几乎没人能立刻说上来，但在欧美，所有人都会跟我聊到这个话题。

如有侵权请联系删除！