TDengine vs IronFlock：工业数据与 AI 平台对比（2026）

TDengine 是少数几个像 IronFlock 一样把 AI 视为产品组成部分、而非事后附加件的工业平台之一。它起步于一个高性能时序数据库 — 2019 年开源，用 C 语言编写，AGPL-3.0，安装量超过一百万，GitHub 星标超过 25,000 — 此后向上生长为一套完整的数据栈：负责存储的 TDengine TSDB、负责资产建模、仪表盘与事件的 TDengine IDMP（Industrial Data Management Platform），以及由 TDgpt（直接从 SQL 调用的预测与异常检测）和 Industrial Agent Runtime（预置的 AI 助手，加上把平台能力开放给外部智能体的 MCP 接口）构成的 AI 层。2026 年，公司把定位从”高性能时序数据库”改为”AI 时代的工业数据底座”。

IronFlock 从相反的一端切入工业 AI。它不是从数据库出发去够到资产，而是从设备出发 — 一个轻量代理和 Docker 容器化应用，在任意 Linux 或 Windows 硬件上自主运行 — 再向上延伸到中心服务：承载全设备群时序数据的 FleetDB（TimescaleDB）、仪表盘、报警，以及智能体不仅能读取、还能对物理设备采取行动的 AI 服务。

这个差别比任何单项功能都更重要。对”我的工业数据存在哪里、怎么向它提问”这个问题，TDengine 是一个出色的答案。但对”我怎么把软件装到现场的 800 台机器上、怎么更新、怎么远程触达、断网后怎么让它们继续工作”，它不是答案。IronFlock 正是为第二个问题而建，并在其上提供数据与 AI 层。

概览

关键区别

架构

TDengine：三层数据栈

TDengine 把自己的架构描述为三层，这个描述如实反映了它的构造：

• 第一层 — TDengine TSDB：时序数据库。用 C 编写，每个数据采集点一张表，归入超级表，具备基于 RAFT 的集群、存算分离、Kubernetes 部署，Enterprise 版还有分级存储。它同时带有缓存、流式处理和数据订阅，因此团队通常要围绕 TSDB 外挂的东西，很多已经在数据库内部。taosAdapter 提供 REST、InfluxDB 行协议、OpenTSDB、Prometheus 与 Telegraf 兼容。
• 第二层 — TDengine IDMP：工业数据管理平台。IDMP 自身不存储时序数据 — 它位于 TSDB（或其他数据库）之上，增加一棵由工厂、产线、机器与测点组成的树状元素层级，每个节点挂上属性、关系、分析、仪表盘与事件。这是把原始标签变成数字孪生的语义层。
• 第三层 — 面向 AI 的开放接口：TDgpt 运行分析节点（anode），以统计算法、机器学习和时序基础模型（TDtsfm、Time-MoE）为后盾，向 SQL 查询提供预测、异常检测与缺失值填补。Industrial Agent Runtime 则加上十三个预置工业助手、用 Markdown 定义的”技能”、一个语义知识库，以及把 50 多项平台能力作为工具开放给外部 AI 智能体的 MCP 服务器。

数据通过 taosX（Enterprise 版的零代码接入管道）和 taosX-Agent 进入。后者运行在边缘，能讲 OPC UA、OPC DA、MQTT、Kafka、PI System、AVEVA Historian、CSV/Parquet 以及旧有 TSDB 格式。代理可以在传输前过滤与预处理，并在与中心系统的链路中断时以存储转发方式本地缓冲。

关于这套架构中的边缘，最重要的一点是：taosX-Agent 是数据采集器，不是计算平台。它适配协议、过滤、转发。你的控制逻辑、视觉模型、本地 HMI 和自研应用必须安置在别处。

IronFlock：分布式边缘 + 中心服务

IronFlock 是由两个互补层级构成的分布式系统。自主边缘设备在作业现场运行一个轻量代理和 Docker 容器化应用。中心服务 — FleetDB（TimescaleDB）、FleetDB 服务、AI 服务和 Web 界面 — 提供覆盖整个设备群的存储、仪表盘、报警与智能。一个 WAMP 消息代理以实时 pub/sub 和 RPC 把一切连接起来，并强制项目之间的密码学隔离。

• 边缘设备：任何能运行 Linux 或 Windows 的硬件 — 树莓派、工业 PC、NVIDIA Jetson、Windows IPC、网关。在 Windows 上，代理作为原生服务运行，具备自动重启与自我更新。
• 应用：任意编程语言的 Docker 容器，部署到边缘设备或虚拟设备上。虚拟设备是云端计算节点，与物理硬件并列加入你的项目，运行 Grafana、Node-RED、Jupyter 这类面向整个设备群的服务。
• 数据：边缘应用经消息代理把遥测发布到 FleetDB，FleetDB 按项目自动开通 TimescaleDB 表，可用普通 SQL 查询。
• AI：AI 服务编排多智能体对话，读取设备群数据、生成图表与仪表盘，并调用物理设备上的函数。应用可以随包附带自己的智能体定义，形式为 YAML 模板。
• 部署：云端 SaaS 或本地部署 — 整个平台可运行在你自己的基础设施中。

完整拆解见架构。

实际意味着什么

功能比较

数据与连接

AI 与分析

两个平台都在工业数据之上提供 AI，也都能用自然语言作答。差别在于答案之后发生什么：TDengine 汇报结果，IronFlock 还能据此行动。

可视化与仪表盘

设备与设备群管理

两个产品的重叠到此为止：设备管理不在 TDengine 的范围内，因此在 TDengine 部署中，这张表里的每一项都得另找来源。

远程访问与安全

应用开发

报警与通知

定价比较

TDengine：5,000 标签以内免费，超出后按标签授权

自 2026 年 7 月起，TDengine 的免费层级覆盖整个平台 — TSDB 加 IDMP、全部 20 个数据连接器、资产建模、仪表盘、分析与 AI 功能 — 可用于生产环境，最多 5,000 个标签，不限制写入与查询，也没有试用期限。一个标签是一路持续监测的信号（资产或设备加测点名称），与采样频率无关；TDengine 把 5,000 标签估算为大约 100–200 台机器，或一条中等复杂度的产线。许可可无限期免费续期，但激活与续期需要临时联网。有两点值得注意：技术支持是付费选项，不含在该层级内；第三方对随附 TSDB 的查询访问需要单独的商业许可。

超过 5,000 个标签后，授权按标签档位进行，自托管，可选年度或永久许可，高可用配置需加价，永久许可的持续支持亦需额外付费。TDengine Cloud 作为托管服务单独定价。AGPL-3.0 的 TSDB-OSS 确实免费且可自托管，但没有 IDMP、没有 taosX 连接器、没有加密，也没有用户权限控制。

这个模型清晰可预期，而且明确不惩罚高采样频率 — 很适合在固定信号集合上保留长周期历史。但它会随着你仪表化的广度增长：每台新机器上的每个新测点都是又一个标签，无论是否有人查看。

IronFlock：免费云版 + 本地部署订阅制

IronFlock 的云版本免费 — 设备管理、仪表盘、数据存储、OTA 更新、报警、远程访问与应用部署都不收费。计费跟随资源用量：存储、远程访问会话、虚拟设备与 AI 用量。没有标签计数、没有点位许可、没有按设备收费，也没有强制的支持合同。详情见价格页面。

额外能力可以通过购买市场中的应用来补充 — 协议连接器、分析工具，或由 IronFlock 及第三方开发者打造的行业解决方案。对于本地部署（物理隔离或私有基础设施），IronFlock 提供订阅制许可。

何时选择 TDengine

以下情况 TDengine 是更好的选择：

• 数据库本身就是重点。 你的负载以 TSDB 的标准衡量都属极端 — 数百万标签、极高采样频率、单集群保留数年 — 为此放弃通用 SQL 方言、换取专用引擎是值得的。
• 你正在从历史库或另一个 TSDB 迁移 — 面向 PI System、AVEVA、InfluxDB 与 OpenTSDB 的零代码连接器，会让这次搬迁比自己动手写便宜得多。
• 你想要开箱即用的时序基础模型。TDgpt 在查询内部运行 TDtsfm 或 Time-MoE，你不必自行挑选、托管或维护模型。
• 你的设备已经联网、也已有人管理 — 现有的 SCADA、PLC 或网关体系能稳定产出数据，缺的只是一个现代化的落地之处和据此推理的方法。
• 你想在大型工厂之上建立语义化的资产层级：元素、属性、关系，以及 AI 智能体可以遍历的数字孪生模型。
• 你想要一个可自托管、可审阅的真正开源内核（AGPL-3.0），并为小型工厂保留无限期停留在免费层级的选项。
• 你想把工业数据通过 MCP 开放给外部 AI 智能体，让推理交由自己的智能体体系完成。

何时选择 IronFlock 作为 TDengine 替代方案

以下情况 IronFlock 是更强的选择：

• 你面对的是一个设备群，而不只是一个数据库。 开通、分组、覆盖系统／代理／应用的 OTA 更新、实时日志与设备健康，是运营现场机器的日常工作 — 而这些都不在 TDengine 的范围内。
• 你需要真正的边缘计算 — 用任意语言编写、运行在机器上的应用，承担控制、视觉、本地缓冲与本地 HMI，而不只是协议适配与转发。
• 你需要无需 VPN 的远程访问 — HTTP、SSH、VNC、TCP 与 UDP 隧道内建于平台，覆盖每台设备，从浏览器即可使用。
• 你想要会行动而不只是提建议的 AI。IronFlock 的智能体以调用者的权限调用设备应用开放的函数 — 也就是说，一次 AI 对话可以改变设定值、重启工艺或触发例程，而不止于告诉你哪里看起来不对。
• 你的站点必须在断网时继续运转 — IronFlock 设备会自主继续运行每个应用、支撑本地画面、采集数据，并在恢复连接后对齐。
• 你是向自己客户交付数字化服务的 OEM，需要按客户的数据隔离与白标门户，而不是一个单租户的工厂数据库。
• 你想开发并变现应用 — 把领域经验打包成容器，在开放市场上出售。
• 你希望在分析之外还有SCADA 级别的可视化 — 完整的 P&ID 符号库、动作组件与表单。
• 按标签计数不适合你的数据。 覆盖众多机器的宽泛仪表化 — 每台数百路信号，其中大多数只在出问题时才会被看一眼 — 当每路信号都是一个授权标签时，成本会迅速攀升。
• 你需要回答业务问题，而不只是标签问题。 FleetDB 就是完整的 PostgreSQL：把产量计数与来自三个不同应用的质量结果和能耗读数关联起来，用一条查询表达 OEE 或良率，再把它保存为一个转换 — 它会自行保持最新，并像任何其他表一样供看板和 AI 使用。
• 你想要一个系统，而不是一套拼装栈。 存储、仪表盘、SCADA 图形、报警、设备管理、远程访问与 AI 来自同一个平台，并由同一套访问模型统管 — 而不是一个下面还得再垫一层设备层的数据层。

迁移路径

在迁移期间，IronFlock 可以与现有的 TDengine 部署并行运行。从机器开始：IronFlock 的采集应用在边缘设备上以 S7、Modbus 或 OPC UA 读取同样的 PLC 并写入 FleetDB，于是新的仪表盘、报警与 AI 对话构建在 IronFlock 上，而旧的 TSDB 继续服务仍然指向它的部分。历史数据则通过一个容器化迁移应用，经 TDengine 的 REST 接口批量搬迁。

此后真正改变格局的是设备层 — 开通、OTA 更新、远程访问与离线运行，落到了那些此前只会上传标签的同一批机器上 — 而标签许可也不再随着你新增的每一个测点继续膨胀。

准备好试用了吗？免费开始——连接一台设备，几分钟内看到您的第一个仪表盘。