编者按：
8 月 22 日，2026 时序数据技术创新大会在北京成功举办，引发广泛关注。本次大会以「DB × AI」为主题，多位院士专家领衔，超 30 位嘉宾齐聚一堂，共同探讨数据库与人工智能融合发展的新趋势、新技术与新实践。
我们邀请到中国船舶科学研究中心（702 所）副研究员孙泽带来题为“IoTDB 在智能技术试验船‘未来号’上的应用与实践”为题的主题演讲。孙泽从船舶通信与智能化发展趋势谈起，介绍了智能技术试验船“未来号”的建设目标、“端—船—岸”数据架构，以及船舶时序数据连续、高频、测点多、船端资源受限等特点。
他结合数据库选型、性能测试和实船部署实践，分享了 IoTDB 在船舶场景中的应用。测试数据显示，与 MySQL 相比，IoTDB 的数据接入能力提升 45.6%，历史查询效率提升 90%，数据存储空间降低 48.5%，实时数据处理能力提升 86%；相关数据能力也支撑了辅助驾驶、能效优化和船舶健康管理等应用。
全文约 3 千字，阅读约需 5 分钟，以下是演讲主要内容：
船舶智能化演进与“端-船-岸”数据协同
中国船舶科学研究中心，简称“702 所”或“CSSRC”，成立于 1951 年，主要从事船舶及海洋工程领域的水动力学、结构力学、振动噪声与抗冲击等技术研究，涵盖高性能船舶、水下工程装备及载人深潜器研发。
孙泽首先介绍了当前智能船舶发展的应用背景。他指出，在智能化浪潮的推动下，船舶行业正在经历深刻变革，其中最为显著的变化主要体现在通信能力提升和船舶智能化发展两个方面。
过去，船舶出海后与岸端的通信能力十分有限。部分船队虽然可以使用高轨卫星通信服务，但受带宽限制，通常只能将船舶位置和关键设备状态等少量信息传回岸端。
随着低轨卫星通信技术的发展，船舶的通信带宽和数据传输能力得到明显提升，船舶与岸端、船舶与船舶之间可以进行更加及时、高效的数据交互，由此推动船岸关系和船舶协同方式发生变化。与此同时，水面自主船舶相关规范正在逐步完善，面向岸基远程控制、自主航行等场景的技术和管理规则也将进一步细化。
另一个重要变化来自智能化技术对船舶行业的影响。传统船舶主要依靠人员在船操作，而当前，从环境感知、人工智能模型到决策与控制，智能化技术正在全面融入船舶的设计、运行和管理过程。
他将船舶智能化的发展划分为两个阶段。1.0 阶段主要以技术探索和功能验证为主，行业围绕智能态势感知、自动靠泊等方向开展了大量实践，并逐步形成“一个平台+N 个应用”的总体架构。
其中，平台层负责打通船上各个系统，对数据进行统一采集、标准化处理和集中管理，形成统一的底层数据架构；应用层则面向远程控制、自主航行、能效优化和健康管理等具体场景，为船舶智能化运行提供支撑。在此基础上，船舶智能化正在由单项功能验证向平台化、体系化的 2.0 阶段演进。
从总体架构来看，智能船舶系统可以分为端侧、船基和岸基三个层级。
端侧主要包括船上的设备系统、电子传感器和各类测量装置，负责采集动力设备、海洋环境、水深、雷达和船舶位置等数据。船基则需要建设统一的智能化平台，将来自底层设备和系统的数据汇集起来，进行统一管理、计算和应用。
孙泽指出，过去船舶数据进入监测层后，往往只用于状态显示和运行监视，数据链路也随之终止，后续的数据管理、计算分析和业务应用能力相对缺失。智能化平台则进一步延伸了这条数据链路，不仅能够完成数据采集和监视，还承担数据管理、计算分析和应用支撑等任务，同时负责全船数据的压缩、传输以及与岸基平台的协同联动。
“未来号”智能技术试验船的时序数据挑战
孙泽介绍，2023 年，在工业和信息化部支持下，中国船舶科学研究中心自主投入建造了智能技术试验船“未来号”。“未来号”船长约 110 米、排水量约 7000 吨，是一艘采用电力推进方式的科考船。
“未来号”的建设主要面向三类目标。
第一，打造具备设备加装和换装能力的海上试验平台。船上的电子信息系统、动力系统和导航设备均预留了相应接口，使相关设备能够在真实海洋环境中开展中试验证，为船舶设备的国产化应用提供支撑。
第二，为智能船舶相关技术和系统提供海上试验环境。在各类智能系统实际运行的过程中，“未来号”能够持续采集环境态势感知数据和设备实时运行数据，为技术验证、算法优化和系统迭代提供数据基础。
第三，为载人潜器及其他水下装备提供水面作业保障。
从系统构成来看，“未来号”搭载的设备种类较多，各系统之间的关联关系较为复杂。其动力系统覆盖主推进原动机、发电机和电力推进系统，同时配备了多种甲板作业设备。
在航行与通导方面，船上同时安装了国产和国外设备，并通过冗余接口设计，为不同设备的接入与试验验证提供支持。
在船舶作业方面，“未来号”还集成了深海绞车、月池、A 架等甲板作业设备及相应的数据接口。
“未来号”的智能系统通过分布式方式采集全船数据，并依托统一平台实现数据的采集、存储、计算、管理和应用，形成“采、存、算、管、用”一体化的数据体系。
进一步看时序数据方面，以“未来号”为例的船舶时序数据具有连续性强、采集频率高、测点数量多、时间关联性强和数据类型复杂等特征。
首先，船舶通常需要全天候连续运行，各类设备和传感器也会持续产生数据。其次，船上传感器的采集频率较高，常见采集频率包括 1 赫兹、10 赫兹和 20 赫兹，振动等类型的数据还可能采用更高的采样频率。
同时，“未来号”上有接近 1 万个实时测点需要持续采集和存储，产生的数据规模较大。来自不同设备和系统的数据还具有较强的时间关联性，许多分析算法需要对多源数据进行精确的时间对齐，才能准确反映船舶的实际运行状态。
此外，船舶数据还具有冷热数据并存、数据结构多样、接入协议异构等特点。受船上计算、存储和通信资源限制，系统还需要解决异构协议转换、数据压缩以及船岸协同传输等问题。
孙泽介绍，项目初期，团队曾考虑采用 MySQL、PostgreSQL 等较为常规、轻量的关系型数据库。但在研发过程中，传统关系型数据库逐渐暴露出一些问题：一方面，船舶时序数据持续、高频写入，给数据库带来了较大的写入压力，基于传统表结构的数据查询效率也不够理想；另一方面，长期积累的数据需要占用大量存储空间，而船上的服务器和存储资源相对有限，难以通过持续扩充硬件满足需求。
基于这些问题，团队在研发阶段开始针对船舶时序数据的实际特点开展数据库技术选型，重点考察数据库在高频写入、查询效率、压缩存储、异构协议接入和船岸协同等方面的能力。
技术选型：用 IoTDB 保障智能船海量数据采集、存储
孙泽介绍，针对“未来号”的船舶时序数据存储需求，团队对多种数据库产品进行了调研、试用和横向对比。候选方案包括 Apache IoTDB、InfluxDB、TimescaleDB 和 VictoriaMetrics 等时序数据库。
此次选型并非只考察单项性能，而是结合船舶业务需求建立了较为完整的指标体系。
在多项指标中，团队尤其关注持续高频写入、数据压缩、层级化设备建模、端侧部署和船岸协同等能力。横向对比结果显示， IoTDB 在原生时序模型、高频写入、时间范围查询、多测点联合查询、时序聚合分析、数据压缩和层级化设备建模等方面，与智能船舶场景具有较高的匹配度。
在数据模型方面，船舶数据天然具有层级化特征，而 IoTDB 的原生树模型可以按照按照“船舶—系统—设备—测点”的结构完成数据组织。例如，“未来号”的数据可以进一步划分为航行系统、动力系统、机电系统和环境系统等类别，并在系统下关联具体设备与测点。
团队还按照船舶不同系统的数据特征开展了适配和压力测试，测试范围覆盖航行系统、动力推进系统、机电系统和环境系统等场景，重点验证持续写入、高频数据处理、历史数据查询、数据压缩和协议接入等能力。
综合船舶的高频连续采集、海量测点、长期数据存储、时间范围查询、船端资源约束和船岸协同等需求，IoTDB 多方面表现优秀、与智能船舶业务具有较高的综合匹配度。最终，团队选择 IoTDB 作为船舶 MarineNet 智能系统的时序数据核心存储数据库，并进一步基于实船载体完成从技术选型到部署验证的闭环。
实船部署验证与业务应用落地
孙泽介绍，在完成数据库选型后，团队进一步开展了实船部署和性能验证。目前，“未来号”已于 2025 年 4 月下水，并在海上运行近 500 天。船上共部署了 9865 个测点，数据采集频率覆盖 1 赫兹至 20 赫兹，每天产生约 42 GB 数据，累计数据量已达到约 20 TB。
目前，团队已经打通了从端侧、船端到岸端的数据链路，并通过 IoTDB 实现数据的存储、传输与分发。基于这套数据链路，工作人员可以通过手机 APP 实时查看“未来号”的运行状态，以及相关计算分析结果。
在性能验证方面，团队围绕不同业务场景开展了多项测试，包括持续高频写入、历史数据查询、主机和辅机数据读写，以及聚合计算等，并与 MySQL 进行了对比测试。
测试结果表明，与 MySQL 相比，IoTDB 的数据接入能力提升了 45.6%，历史查询效率提升了 90%，实时数据处理能力提升了 86%；数据存储空间则降低了 48.5%。
在此基础上，团队自主研发的船端智能信息系统 MarineNet 平台，由 IoTDB 支持多项业务应用的数据存储，较为典型的包括基于视觉的辅助驾驶（智能航行）、船舶能效优化和船舶健康管理等。
在能效优化方面，团队将船载气象数据与船舶实时航行状态结合起来，对航线进行动态优化，从而提升船舶运行效率。据介绍，相关应用预计可使船舶年油耗降低约 2% 至 5%。
在船舶健康管理方面，团队采集主机和发动机相关的油液、热工、振动等数据，并结合多源数据开展联合分析，同时引入人工智能算法，对关键设备运行状态进行评估，为设备故障诊断和预测性维护提供支持。
除实时和时序数据外，系统还对结构化数据和非结构化文件进行统一管理。例如，基于 TsFile 对相关时序数据进行存储，同时保存船舶证书、维保体系文件以及水声声呐采集的原始数据。经过压缩处理后，相关数据还可以同步至岸端，为后续的数据分析、模型训练和业务应用提供基础。
通过实船部署和持续验证，团队完成了从技术选型、系统建设到业务应用落地的完整闭环，验证了 IoTDB 在智能船舶海量时序数据管理和船岸协同场景中的应用价值。
