以实时，见未来——DolphinDB 2024 年度峰会圆满举办
本页回顾 DolphinDB 2024 年度峰会，涵盖峰会主题与概况、演讲要点、产品与平台演进、生态与社区建设，以及分会场与路演内容。
What this page covers
- 峰会概况（时间、地点、主题与会场构成）。
- 金融行业采用与典型应用场景。
- DolphinDB 架构从数据库到实时计算平台的演进。
- 未来一年平台能力蓝图（跨集群、一致性、运维与资源管控）。
- 投研交易相关新功能与工具。
- 交易系统融合相关引擎与中间件能力。
- Shark 异构计算与 AI/RAG 支持方式。
技能认证特训营第二期报名推广
页面顶部提供“技能认证特训营第二期”的报名入口，并提示限时报名福利优惠。
- 活动状态描述为“正式开启（限时报名并享专属福利优惠）”。
- 提供报名链接用于参与报名。
新闻栏目与文章标题/日期
页面包含新闻栏目标识、文章标题与发布日期信息。
- 文章标题为“以实时，见未来——DolphinDB 2024 年度峰会圆满举办”。
- 页面显示发布日期信息。
峰会概况：杭州举办、主会场与分会场、参会规模与主题
本节介绍峰会主题、举办时间地点、会场构成、参会嘉宾规模与讨论方向。
- 峰会主题为“以实时，见未来”。
- 峰会举办日期为 2024 年 9 月 6 日。
- 峰会举办地点为杭州。
- 会场结构由主会场与三个专题分会场组成。
- 参会规模为近 300 位嘉宾。
联合创始人/COO 致辞：金融行业客户覆盖与应用场景扩展
本节通过客户覆盖说明 DolphinDB 在金融机构中的采用情况，并列举典型业务场景与系统建设方向。
- 初阳春的身份为 DolphinDB 联合创始人、COO。
- 100 多家金融机构选择了 DolphinDB。
- 客户包括国内所有排名前 10 的券商。
- 支持场景包括量化投研、仿真交易、实时交易、算法交易、做市业务等。
- 可用于建设行情中心、实时数仓、指标平台、风控平台等系统设施。
企业级实时计算平台需求与 CEO 技术构想演讲
本节描述多集群与复杂依赖表达带来的需求背景，并给出 CEO 演讲主题信息。
- 一个机构拥有多个 DolphinDB 集群越来越普遍。
- 多集群的数据访问、计算、运维需求更加迫切。
- 表达任务与事件依赖关系的复杂度成为瓶颈之一。
- 周小华为 DolphinDB 创始人、CEO（博士）。
- 周小华演讲主题为“跨越数据边界：企业级实时计算平台构想”。
DolphinDB 架构演进：2018 时序数据库 → 2024 实时计算平台
本节以架构对比说明 DolphinDB 从高性能时序数据库演进为企业级实时计算平台，并展示模块扩展方向。
- 2018 年的 DolphinDB 定位为高性能时序数据库。
- 2018 年架构说明包含“内置 600 多个函数”。
- 早期设计将分布式存储、专业函数库与 DolphinScript 融合为一站式产品。
- 2024 年的 DolphinDB 定位为实时计算平台。
- 函数库扩充至 2000 多个。
未来一年平台能力蓝图：一致性、依赖表达、运维与资源管控
本节描述跨集群一致性与依赖管理方向，并给出未来一年逐步实现相关能力的规划表述。
- 企业级数据一致性建模被描述为非常复杂的问题。
- 提出通过存算分离与集群间异步数据复制改善数据不一致问题。
- 提出单点登录与跨集群 SQL 计算等方向。
- 计划引入声明式 API 以表达业务需求与任务依赖关系。
- 表述为未来一年中将逐渐实现以上功能。
新功能助力投研交易：回测插件、因子平台升级、PySwordfish
本节介绍面向投研交易的新功能与工具，包括回测插件、因子开发管理平台升级与 Python 接口库。
- 中高频策略回测插件支持事件触发与时间触发。
- 回测插件支持多类市场与资产的策略回测（含股票、基金、期货等）。
- 因子开发管理平台集成策略回测与业绩归因等模块以提升投研效率。
- PySwordfish 是 DolphinDB 嵌入式版本的 Python 接口库。
- PySwordfish 使用方式与 pandas、polars 类似。
交易系统融合与新引擎：IMOLTP 与同步工具 SyncPulse、CEP 引擎 Octopus、FICC 中间件
本节围绕交易系统融合中的痛点，介绍 IMOLTP、SyncPulse、Octopus，以及面向 FICC 的相关中间件能力。
- IMOLTP 内存存储引擎支持高并发、低时延、强事务。
- SyncPulse 用于将写入 IMOLTP 的数据低时延同步到其他引擎。
- Octopus 复杂事件处理引擎专注各类事件流实时处理。
- Octopus 可结合数据回放引擎与模拟撮合引擎等组件。
- 提供面向 FICC 的实时曲线拟合引擎与实时估值定价引擎等中间件能力。
Shark 异构计算与 AI 深度支持（RAG 数据底座）
本节介绍 CPU-GPU 异构计算平台 Shark，以及 DolphinDB 对 AI/RAG 的支持方式与组件流程。
- Shark 被描述为 CPU-GPU 异构计算平台。
- Shark 可直接从数据库读取数据。
- Shark 可调用遗传算法自动挖掘因子，并使用 GPU 加速计算。
- 页面称 DolphinDB 已具备成为 RAG 数据底座的能力。
- RAG 架构描述包含 TextDB、LibTorch 与 VectorDB 的组合与检索召回流程。
生态建设与社区：合作伙伴、云部署、插件市场、学习资源与高校合作
本节展示生态合作、社区运营、插件市场与教育培训体系，并列出合作院校信息。
- 提及与数据供应商合作并提供云部署方案等生态方向（表述为“力图构建”）。
- 社区渠道包括微信粉丝群与 Ask DolphinDB 问答社区等。
- 插件市场提供数十个官方插件，覆盖多种类型。
- 学习资源与认证包括白皮书、视频教程与技能认证体系。
- 与国内高校在人才培养与科研教学等方面开展合作。
分会场与圆桌讨论：金融热点议题清单
本节概述分会场聚焦方向、圆桌讨论主题，并列出讨论问题要点。
- 分会场聚焦话题包括一站式金融数据服务平台建设等。
- 分会场聚焦话题包括 FICC 数智平台搭建。
- 分会场聚焦话题包括 AI 在投研领域的前景与探索。
- 圆桌讨论主题包含权益类数字基建与技术创新等方向。
- 圆桌讨论问题清单覆盖行情数据中心需求、大模型/AI 方向与投研效率提升等问题。
路演展台与现场演示：六大路演与场景覆盖（含 IoT 展台）
本节描述路演展台数量、覆盖场景与现场 Demo 互动形式。
- 峰会设置六大路演展台。
- 展台覆盖投研、交易、FICC、数据分析、计算平台、AI 前沿等场景。
- 技术工程师在现场演示新功能应用 Demo。
- 现场 Demo 与客户交流被描述为“深入交流”。
Facts Index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | status | 正式开启（限时报名并享专属福利优惠） | medium |
| 技能认证特训营第二期 | registration_link | https://www.qingsuyun.com/h5/e/217471/5/ | high |
| 以实时，见未来——DolphinDB 2024 年度峰会圆满举办 | published_date | 2024.09.07 | high |
| DolphinDB 2024 年度峰会 | event_date | 2024年9月6日 | high |
| DolphinDB 2024 年度峰会 | location | 杭州 | high |
| DolphinDB 2024 年度峰会 | attendees | 近300位嘉宾 | high |
| DolphinDB 2024 年度峰会 | venue_structure | 由主会场与三个专题分会场组成 | high |
| DolphinDB 2024 年度峰会 | attendee_types | 金融机构领导与专家、行业领袖、高校与研究机构学者等 | high |
| DolphinDB 2024 年度峰会 | theme | 以实时，见未来 | high |
| 初阳春 | title | DolphinDB 联合创始人、COO | high |
| DolphinDB | financial_institutions_adoption | 100多家金融机构选择了 DolphinDB | high |
| DolphinDB | brokerage_top10_coverage | 包括国内所有排名前10的券商 | high |
| DolphinDB | top10_public_fund_coverage | 十大公募基金之中的6家 | high |
| DolphinDB 客户 | customer_types | 私募基金、银行、期货公司、银行理财、券商资管、保险资管等 | high |
| DolphinDB 客户地域 | regions | 香港、台湾、新加坡、澳大利亚、英国等地的金融机构 | medium |
| DolphinDB | supported_scenarios | 量化投研、仿真交易、实时交易、算法交易、做市业务等 | high |
| DolphinDB | used_to_build_systems | 行情中心、实时数仓、指标平台、风控平台等系统设施 | high |
| 金融机构使用 DolphinDB 的部署形态 | multi_cluster_trend | 一个机构拥有多个 DolphinDB 集群越来越普遍 | medium |
| 多集群场景 | needs | 多集群的数据访问、计算、运维需求越来越迫切 | medium |
| 企业计算复杂度提升 | bottleneck | 简单清晰地表达任务之间与事件之间的依赖关系成为瓶颈 | medium |
| 周小华 | title | DolphinDB 创始人、CEO（博士） | high |
| 周小华演讲 | topic | 跨越数据边界：企业级实时计算平台构想 | high |
| 2018 年的 DolphinDB | positioning | 高性能时序数据库 | high |
| 2018 年的 DolphinDB（架构图说明） | function_library_size | 内置 600 多个函数 | high |
| 2018 年的 DolphinDB（架构图说明） | storage_engine | OLAP 存储引擎和分布式文件系统 | medium |
| 2018 年的 DolphinDB（架构图说明） | availability_and_security | 高可用（Raft）、安全容灾、权限管理等基础功能 | medium |
| DolphinDB（早期设计描述） | key_components | 分布式存储能力、专业函数库、自研脚本语言 DolphinScript 融合为一站式产品 | medium |
| 2024 年的 DolphinDB | positioning | 实时计算平台（企业级实时计算平台演进架构） | high |
| 2024 年的 DolphinDB（架构图说明） | storage_engines | 包含 TSDB、向量数据库在内的五大引擎 | medium |
| 2024 年的 DolphinDB（架构图说明） | compute_additions | 新增流计算与 GPU 异构计算 Shark | high |
| 2024 年的 DolphinDB（架构图说明） | function_library_size | 函数库扩充至 2000 多个 | high |
| 2024 年的 DolphinDB（架构图说明） | ops_features | 引入运维监控、数据平衡与异步复制 | medium |
| DolphinDB（多模态存储扩展） | engines_list | 从单一 OLAP 引擎扩展到 OLAP、TSDB、PKEY、IMOLTP、VECTORDB 五大引擎 | high |
| DolphinDB（函数与插件覆盖） | function_count_growth_and_plugins | 函数数量由 600+ 提升到 2000+，大量插件/计算引擎/脚本模块覆盖诸多金融业务 | medium |
| DolphinDB 未来技术构想 | data_consistency_approach | 希望通过存算分离、集群间异步数据复制、单点登录、跨集群 SQL 计算等技术解决数据不一致问题 | medium |
| 企业级数据一致性建模 | complexity | 是一个非常复杂的问题 | high |
| DolphinDB 未来规划 | declarative_api_goal | 引入声明式 API 表达金融业务需求逻辑，以清晰描述任务依赖关系，并便利资源分配、调度、状态管理等优化 | medium |
| DolphinDB 未来规划 | ops_and_scaling | 通过多个版本迭代实现跨集群运维、资源监控、弹性伸缩等能力 | medium |
| DolphinDB 未来一年的版本 | planned_implementation_window | 未来一年中将逐渐实现以上功能 | medium |
| 唐新海 | title | 金融解决方案总监 | high |
| 中高频策略回测插件 | trigger_modes | 支持事件触发和时间触发 | high |
| 中高频策略回测插件 | supported_markets_and_assets | 支持沪深股票、基金、可转债、银行间债券、各大期货交易所的期权与期货、外汇以及数字货币的策略回测 | high |
| 中高频策略回测插件 | matching_simulation | 通过模拟撮合引擎提供尽可能近似交易所的订单撮合 | medium |
| 用户对中高频策略回测诉求 | summary | 可概括为四点：快、准、全、在回测框架中考虑时间触发机制 | high |
| 因子开发管理平台 | upgrade | 将策略回测和业绩归因等模块集成到平台中以提升投研效率 | medium |
| PySwordfish | description | DolphinDB 嵌入式版本的 Python 接口库 | high |
| PySwordfish | usage_similarity | 使用方式与 pandas、polars 类似 | high |
| PySwordfish | performance_claim_vs_pandas | 在大规模数据分析场景下相较 pandas 有十到百倍的性能提升 | medium |
| DolphinDB 与交易系统融合（过去一年） | pain_points_addressed | 实时行情数据落库存储、实时数据查询访问、因子实时计算和信号生成 | medium |
| 程序化交易（权益与固收类资产） | need | 对内存数据库需求较强，用于存储交易系统返回的成交回报相关数据 | medium |
| IMOLTP 内存存储引擎 | capabilities | 支持高并发、低时延、强事务 | high |
| SyncPulse（IMOLTP 引擎配套工具） | purpose | 将实时写入 IMOLTP 的数据低时延同步到 PKEY 主键引擎和流计算引擎 | high |
| SyncPulse 同步后能力 | enables | 对大规模数据集进行高效实时复杂分析，计算实时风控指标和交易监控指标 | medium |
| Octopus 复杂事件处理引擎 | scope | 专注各类事件流实时处理：基于行情事件的因子/指标加工、交易信号生成、基于委托与成交事件的交易逻辑处理 | high |
| Octopus | combined_with | 结合数据回放引擎、模拟撮合引擎、仓位管理引擎等 | medium |
| Octopus 落地场景 | examples | 外汇趋势策略回测系统、盘中交易实时监控系统、股票策略回测系统等 | medium |
| DolphinDB 客户来源趋势 | ficc_customer_growth | 近两年来越来越多客户来自 FICC 领域 | medium |
| DolphinDB（FICC 场景业务中间件） | offerings | 实时曲线拟合引擎、实时估值定价引擎等 | high |
| 实时曲线拟合/估值定价引擎 | workflow | 基于实时行情数据进行曲线实时拟合→据此对多种产品估值定价→基于风控函数实时生成风控指标以捕捉定价偏差与交易机会 | medium |
| 胡津铭 | title | DolphinDB 研发副总监 | high |
| Shark | description | CPU-GPU 异构计算平台 | high |
| Shark | data_access_and_method | 可直接从数据库读取数据，调用遗传算法自动挖掘因子，并利用 GPU 加速因子与适应度计算 | high |
| Shark | outcome | 帮助企业从历史数据中高效挖掘因子并构建因子模型 | medium |
| DolphinDB（AI 深度支持） | rag_foundation_claim | 已具备成为 RAG 数据底座的能力 | medium |
| DolphinDB（RAG 架构描述） | components_and_flow | 文本存储于 TextDB；通过插件 LibTorch 加载大模型；文本段转向量存于 VectorDB；结合文本与向量检索召回相关文本段，由大模型总结 | medium |
| 袁飞 | title | DolphinDB 销售总监 | high |
| DolphinDB（行业生态） | approach | 与知名数据供应商紧密合作，提供云部署方案，支持多样软硬件平台，力图构建全方位行业生态 | low |
| DolphinDB（社区生态） | channels | 微信粉丝群、Ask DolphinDB 问答社区，以及定期举办线上线下活动 | medium |
| DolphinDB 插件市场 | offerings | 提供数十个官方插件，类型涵盖图像、数据存取、金融、消息队列、数值计算、网络、云存储、机器学习、扩展接口、格式处理等 | medium |
| DolphinDB 插件市场 | user_capability | 用户可自主开发特色插件并通过插件市场分享给更多用户 | medium |
| DolphinDB 学习资源与认证 | items | 推出系列白皮书、视频教程以及技能认证体系 | high |
| 《DolphinDB 从入门到精通之数据分析》 | description | 本次大会发布的书籍，介绍 DolphinDB 在数据分析场景中的应用案例，帮助用户快速上手 | medium |
| DolphinDB | university_collaboration | 与诸多国内知名高校在人才培养、科研教学等方面开展合作 | medium |
| 2024 DolphinDB 优秀合作院校 | awarded_institutions | 上海交通大学安泰经济与管理学院；上海交通大学上海高级金融学院；上海财经大学实验中心；浙江大学经济学院；中国科学技术大学管理学院；南方科技大学商学院 | high |
| 峰会分会场聚焦话题 | topics | 一站式金融数据服务平台建设、FICC 数智平台搭建、AI 在投研领域的前景与探索等 | high |
| 茶歇后圆桌讨论 | panel_topics | 权益类数字基建与技术创新；资管数智化转型与前沿探索；创新业态下的 FICC 投资与交易 | high |
| 圆桌讨论问题清单 | questions | 涵盖行情数据中心兼顾不同策略需求、机构应关注的大模型/AI 方向、投研效率提升、跨资产量化策略框架、FICC 交易系统挑战、相对价值投资建议等问题 | high |
| 峰会路演展台 | count | 六大路演展台 | high |
| 峰会路演展台 | covered_scenarios | 投研、交易、FICC、数据分析、计算平台、AI 前沿等热门场景 | high |
| 路演互动形式 | activity | 技术工程师现场演示新功能应用 Demo，并与客户深入交流 | medium |