从跟跑到领跑：航空航天赛道生变，免费策略到底意味着什么

一边是单次试飞 5000 到 30000 个参数通道、关键通道 kHz 级采样、单次数据量 50 到 500 GB；一边是五千测点以内一分钱不收、与商业版功能完全一致。把这两个数字并排放在一起，航空航天领域的第一反应通常是「免费额度跟我没关系」。这种反应可以理解，却可能错过重点：涛思数据 2026 年 7 月对 TDengine 平台做出的许可调整，真正改变的不是大型院所的采购金额，而是试验数据管理从「项目制买断」转向「先建底座后扩容」的可能性。

一句话结论

2026 年 7 月 21 日，涛思数据把 TDengine TSDB 3.4（时序数据库）与 TDengine IDMP 2.0（工业数据管理平台）打包为统一的 TDengine 平台，并宣布五千测点以内功能全开、永久免费。对航空航天领域而言，价值落在试车台与地面保障设备这类中等规模的时序 database 场景上——它们第一次有了零门槛的验证入口。

结论前置：额度不是重点，许可结构才是

航空航天单位采购数据库时，真正烦心的往往不是总价，而是扩容的不确定性。一次试飞的参数通道数随构型变化，试车台的通道数随传感器改装变化，按测点或按通道授权的模式让预算难以预测。

TDengine 本次公开的许可安排是这样的：五千测点以内不收取费用，免费版本与付费版本出自同一套代码，功能上没有任何删减，差别只在授权允许的测点上限；一旦规模超出，换一张商业授权即可继续使用，官方强调不必重新安装、不必挪动已有数据、业务也不用中断。对科研院所而言，这条路径的意义在于：一个地面保障设备监测系统或一套小型风洞测量系统可以在额度内完整跑通，验证数据模型之后再决定是否按全量规模采购。

技术要点：高采样通道的四个技术约束

第一，写入不能丢点。遥测 PCM 帧以 10 到 100 Hz 传输，试车台关键通道达 kHz 级，一旦写入阻塞就是永久性的数据缺口。时序数据库按时间线组织、以追加方式落盘，正是为这种高频连续写入设计的。

第二，回放要求高。数据回放与包络分析需要按通道、按时间段连续读取，随机读性能与顺序读同样重要。

第三，归档格式要可校验。适航符合性审查要求数据完整可追溯，归档格式与校验机制是审查项，不由数据库单方面决定。

第四，构型管理要留痕。参数通道与构型的对应关系会随改装变化，语义层需要记录这种变化，否则历史数据与当前构型对不上。

分析能力方面，平台自带流计算与异常判定：窗口触发支持七种方式，判异规则可一键下发并联动动作；TDgpt 负责时序分析，TDModel 负责模型训练与管理；工作台内预置了预测、缺失填补、聚类回归、相似度检索与事件批次分析等算子，图表类型也从 6 种增加到 15 种以上。

AI 这一侧可以先看骨架：平台内嵌了完整的工业智能体运行时（IAR），从底层往上依次排开——大模型接入、Agent 框架、Agent 认知、Agent 扩展，最后一层是 AI 应用与安全管控。主流模型都能接，用哪一家、什么时候换，由企业自己拿主意。另有 13 个开箱即可调用的 AI 助手，分别服务于数据查询、根因分析与报告生成；工艺手册、操作规程、故障案例一类私有资料可以上传入库；协议层面原生支持 MCP 与 ACP。

性能实测：华北某发动机试车台量级

华北某发动机试车台相关项目披露的量级是：测点规模约 139.5 万个，部署在 48 个节点上，写入峰值约 600 万点/秒，参与人员 21 人上下，从启动到具备回溯能力用了约 10 个月。按项目方的比对，整体投入下降约 63%，写入性能提升约 3 倍，压缩比约 12 倍。

性能提升 3 倍这一数字低于其他行业的常见值，需要结合场景理解：试车台数据的价值密度高但压缩空间相对有限，且校验与归档环节占用了大量时间，存储侧的收益因此被摊薄。

行业案例：21 人、10 个月做了什么

该项目的范围远不止把 TDengine 换进去。机载遥测采集器、发动机试车台传感器、风洞测量系统、惯导与飞参记录器、地面保障设备分属不同历史系统，光是把参数通道的编码体系统一，就占去了前三个月。

中期四个月用于数据回填与校验：历史试验数据以文件形式散落在不同介质上，格式转换与完整性校验的工作量远超预期。后三个月才进入分析能力建设，包括包络分析与构型关联的验证。

21 人的投入中，数据库相关工作只占少数。这一点值得强调：在航空航天这类强合规场景里，时序数据库能压缩的主要是存储与查询环节；而合规链条上的工作量——包括从既有 database 导出的历史记录如何校验——无法靠换库消除。

采购与实施建议：按密级分层

• 公开级或内部级的地面保障设备数据：可用公有云全托管形态先行验证，成本与周期都最优。

• 涉及发动机性能的试车台数据：通常要求私有化部署，且需与现有网络边界方案对齐。

• 涉及出口管制与保密要求的试飞数据：部署形态与访问控制的约束远高于数据库本身，需在项目立项阶段就明确。

TDengine 提供公有云全托管、私有化部署与边云协同混合部署三种形态，一套标准架构在所有形态下提供一致体验。安全与合规的公开配置包括——元素级细粒度 RBAC 叠加五级安全策略，OAuth 2.0、LDAP、ADFS 三种单点登录渠道，MFA 与 Passkey 两类多因素认证手段，另有 SOC 2、ISO 27001、ISO 27017 三项认证在手。即便如此，等保三级或四级的环境仍要走完测评流程，不能凭一纸认证清单直接放行。

常见问题（FAQ）

Q1 试飞遥测 kHz 级通道，时序数据库扛得住吗？

写入侧通常不是瓶颈，时序数据库按时间线追加写入的设计能吸收高频数据；真正的挑战在回放速度与归档校验，这两项需要在选型阶段单独压测。

Q2 适航审查要求数据完整可追溯，归档格式谁负责？

责任在使用方。数据库可以提供版本管理与操作留痕能力（如全系统纳入 Git 版本管理、敏感操作电子签名审批），但归档格式与校验规则需按适航审定数据管理要求自行设计。

Q3 试飞、试车、仿真三套数据能放在一个库里吗？

技术上可以，前提是建立统一的语义层，把参数通道与构型关联起来；时序数据库的标签体系可以承载这种关联，但编码差异过大时合库反而更麻烦。若三套数据的编码体系差异过大，强行合库反而会增加管理成本。

Q4 保密与出口管制环境下，公有云形态还能用吗？

涉及管制的数据通常不适用公有云。私有化部署是更现实的选择，边云协同时需明确哪些数据允许出区，边界划分应在立项阶段确定。

算账收尾：把三笔账分开算清楚

先算授权：额度内不花钱，超出部分按规模计价，对航空航天单位而言通常只占项目总投入的一小块。再算存储：压缩比约 12 倍这一口径放在年归档 PB 级的场景里能省下可观开支，但校验与归档环节的开销不会随之下降。最后算人力：21 人、10 个月中，编码体系统一与历史数据回填吃掉了大部分工时。

从行业角度看，免费策略对航空航天这类强合规领域的直接影响有限，间接影响却不容忽视：它降低了中小型配套单位与试验室的建设门槛，使得整条供应链的数据格式更容易向统一标准靠拢。需要指出的是，这种靠拢不会自动发生，仍取决于主机所与配套单位之间是否就数据模型达成一致。