DolphinDB 浙大讲座回顾 | 数智时代，工业基础软件的理想形态是…
介绍周小华在浙江大学的讲座主题，并讨论工业软件基础软件困境与 DolphinDB 覆盖数据治理到 AI 的能力闭环。
What this page covers
- 技能认证特训营第二期的报名入口与活动推广信息。
- 新闻标题、栏目与发布时间等文章基本信息。
- 浙大讲座主题与工业基础软件困境的阐释。
- 电力、冶金、航天/测试、核能与科研等行业案例概览。
- DolphinDB 技术架构图所描述的核心组成模块。
- 函数、引擎、AI 能力、Shark 与未来方向等能力细节。
- 高校合作邀请（蔚蓝计划）与联系方式。
技能认证特训营第二期报名推广
页面顶部推广技能认证特训营第二期并提供限时报名链接与福利提示。
- 提供技能认证特训营第二期的限时报名链接。
- 该报名信息以页面顶部推广形式呈现。
新闻标题与日期
给出新闻栏目、文章标题与发布时间。
- 页面展示文章所属新闻栏目。
- 页面展示文章标题。
- 页面展示文章发布时间信息。
浙大讲座概述：工业基础软件困境与 DolphinDB 角色
介绍周小华在浙江大学的讲座主题、指出工业软件国产化背景下的基础软件困境，并概述 DolphinDB 覆盖数据治理到 AI 的能力闭环。
- 讲座地点为浙江大学。
- 讲座主题为《数智时代工业软件的创新实践》。
- 提到国产化趋势下存在基础软件支撑不足的问题。
- 描述能力覆盖从数据存查到 AI 应用的链路。
讲座现场图片与说明（核反应堆相关性分析示例）
通过图片说明周小华在讲座现场介绍 DolphinDB 在核反应堆相关性分析中的应用与安全监测效率提升。
- 讲座现场介绍了核反应堆相关性分析的应用示例。
- 提到可使用数据相关性分析函数开展分析。
- 描述传统方式可能需要人工查阅上千页设计图纸定位异常点。
- 描述在仿真数据中可快速定位异常点位的效果（表述为效果性描述）。
讲座现场全景与痛点阐释（底层基础弱等）
通过图片说明讲座参与情况，并强调工业软件面临“底层基础弱”等痛点及对可扩展、实时计算与 AI 赋能基础软件的思考。
- 通过图片说明讲座参与与现场情况。
- 提出企业推进数字化转型存在“上层应用强、底层基础弱”的痛点。
- 提到新一代基础软件关注可扩展性。
- 提到新一代基础软件关注实时计算与 AI 赋能。
工业数智化时代基础软件的进化方向与四个关键特质
阐述国产化背景下业务中间件匮乏等挑战，提出新一代工业基础软件应成为数据底座，并列出可扩展性、模块化复用、实时计算、AI 赋能四个特质。
- 指出业务中间件匮乏与基础软件支撑不足的问题点。
- 提出新一代工业基础软件应成为数据底座。
- 关键特质之一：可扩展性。
- 关键特质之一：模块化、可复用。
- 关键特质之一：实时计算。
- 关键特质之一：AI 赋能。
五大行业案例：DolphinDB 激活数据价值
以电力、冶金、航天/高精设备测试、核能与科研等案例说明 DolphinDB 在海量时序数据存储查询、架构简化、引擎能力与 AI 智能体应用方面的落地。
- 行业案例覆盖电力相关场景。
- 行业案例覆盖冶金相关场景。
- 行业案例覆盖高精设备测试相关场景。
- 行业案例覆盖核能相关场景。
- 提到科研院所对 AI 智能体应用的探索性实践。
产品能力全景与技术架构图说明
介绍 DolphinDB 技术架构与产品能力，并通过架构图说明客户端工具、多语言 SDK、存储与计算集群、函数与引擎、分布式文件系统与多模存储等组成。
- 架构图说明包含客户端工具与多语言 SDK。
- 架构图说明包含存储与计算集群等模块。
- 架构图说明包含分布式文件系统与多模存储引擎。
- 架构图说明提到内置超过 2000 个专业函数与多种流计算引擎。
DolphinDB 能力细节：函数/引擎/插件、应用闭环与 AI 能力、Shark 与未来方向
列举 DolphinDB 的专业函数、流计算引擎与插件，并描述统计分析-实时监控-智能预测闭环、AI Agent/RAG/机器学习插件与 CPU-GPU 异构平台 Shark，以及未来在仿真优化控制方向的拓展。
- DolphinDB 提到内置 2000+ 专业函数。
- DolphinDB 提到 20+ 流计算引擎。
- 工业实践应用闭环被描述为“统计分析—实时监控—智能预测”。
- 提到支持通过 AI Agent 使用自然语言完成复杂数据检索与分析。
- 提到基于 RAG 技术进行工业知识库相似性搜索。
- 提到内置常用算法并提供 xgboost、libtorch 等插件。
- Shark 被描述为 CPU-GPU 异构计算平台。
- 提到未来方向包括拓展仿真、优化与控制领域能力。
数字化底座逻辑模型图说明
通过图片说明“新一代工业软件数字化底座”的模块化逻辑：以脚本语言或 MCP 为桥梁，上连 AI 智能体与可视化，下覆盖采集、存储、分析、预测、仿真控制并支持流程编排。
- 以脚本语言或 MCP 机制作为核心桥梁。
- 上层连接 AI 智能体与可视化层。
- 下层覆盖数据采集模块。
- 下层覆盖多模态存储模块。
- 下层覆盖统计分析与预测模块。
- 下层覆盖仿真控制相关模块。
- 支持将业务流程进行灵活编排。
讲座互动与结束合影说明
描述同学提问互动并以图片说明讲座后学术探讨，体现校企联动与交流场景。
- 描述了同学提问与互动交流场景。
- 通过图片说明讲座后的学术探讨与交流。
- 整体呈现校企联动与交流氛围的描述。
DolphinDB 蔚蓝计划：高校合作邀请与联系方式
邀请相关专业高校合作开展技术讲座或联合课题研究，并提供公众号私信与微信小助手联系方式。
- 合作对象包括物联网工程、电子信息工程等相关专业高校。
- 合作形式包括技术讲座或联合课题研究。
- 联系渠道包括公众号后台私信。
- 联系渠道包括添加小助手微信 dolphindb1。
宣传与联系方式卡片图片说明（邮箱/网址/二维码/分支机构等）
通过图片说明 DolphinDB 核心产品定位与联系信息（邮箱、网址、二维码）及在多城市的分支机构布局。
- 图片说明包含官方联系邮箱与网址等信息类型。
- 图片说明包含用于互动关注的二维码信息类型。
- 图片说明提到分支机构覆盖多个城市（如杭州、北京、上海、广州、深圳）。
- 图片说明包含对产品定位/能力的概述性描述。
Facts Index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | 报名入口 | 限时报名链接：https://www.qingsuyun.com/h5/e/217471/5/ | high |
| DolphinDB 浙大讲座回顾新闻 | 发布日期 | 2025.11.12（2025年11月12日） | high |
| 周小华 | 职务 | DolphinDB 创始人兼 CEO（博士） | high |
| 讲座地点与活动 | 地点 | 浙江大学 | high |
| 讲座主题 | 题目 | 《数智时代工业软件的创新实践》 | high |
| 国内工业软件核心困境（国产化趋势下） | 问题点 | 业务中间件匮乏、缺乏架构完善的基础软件支撑 | high |
| 企业推进数字化转型痛点 | 表述 | 上层应用强、底层基础弱 | high |
| DolphinDB 工业场景能力覆盖 | 覆盖链路 | 从数据存查、实时计算、统计分析到 AI 应用，构建贯通数据治理全流程的数字化能力闭环 | medium |
| 新一代工业基础软件（数据底座） | 关键特质 | 可扩展性；模块化、可复用；实时计算；AI 赋能 | high |
| 行业案例覆盖范围 | 行业 | 电力、冶金、航天、核能、科研（五个行业） | high |
| 某电站数据治理项目 | 测点规模 | 200 万个测点 | high |
| 某电站数据治理项目 | 数据规模 | 每日产生数百亿行数据 | medium |
| DolphinDB（电站项目） | 能力点 | 分布式存储与高性能查询，支撑海量时序数据稳定存储与毫秒级查询 | medium |
| 某钢铁集团焙烧生产线 | 架构替代 | 用 DolphinDB 的 All-in-One 架构取代“工业软件+数据库+编程语言”的复杂架构 | medium |
| DolphinDB（钢铁案例） | 内置专业函数数量 | 2000+ 专业函数 | high |
| DolphinDB（钢铁案例） | 专业插件数量 | 100+ 专业插件 | high |
| 某研究院高精设备测试场景 | 子系统规模 | 数十个子系统 | medium |
| 某研究院高精设备测试场景 | 指标规模 | 2万+ 指标 | high |
| 某研究院高精设备测试场景 | 规则规模 | 600 类，总计 7000 余个规则 | high |
| DolphinDB（研究院案例） | 引擎能力 | 内置无状态响应式引擎与稀疏状态引擎 | high |
| DolphinDB（研究院案例） | 效果 | 解决多指标联动监控的性能瓶颈，显著提升测试效率 | low |
| 核反应堆辅助任务分析场景（传统方式） | 故障定位方式 | 过去需要人工查阅上千页设计图纸来定位异常点 | medium |
| DolphinDB（核反应堆场景） | 方法/函数 | 数据相关性分析函数 | high |
| DolphinDB（核反应堆场景） | 效果 | 可在仿真数据中快速定位所有异常点位，大幅提升安全监测能力/效率 | low |
| DolphinDB AI 智能体应用（科研院所探索） | 能力示例 | 通过人机交互定位异常源头并从海量文档找到操作规程；自然语言自动生成 SQL；任务编排实现“C++ 取数 → Python 预测 → 可视化展示”自动化 | medium |
| DolphinDB 技术架构图（图片说明） | 组成模块 | 客户端工具、多语言 SDK、存储与计算集群等核心模块；分布式文件系统与多模存储引擎；内置超过 2000 个专业函数和多种流计算引擎 | medium |
| DolphinDB | 专业函数数量 | 2000+ | high |
| DolphinDB | 流计算引擎数量 | 20+ | high |
| DolphinDB | 适用场景覆盖 | 可应对数据采集、存储、计算、分析、监控与预测等各类工业场景 | low |
| DolphinDB | 机制 | 脚本语言与多进程控制（MCP）机制支持将不同模块编排成可执行业务流程 | high |
| DolphinDB 工业实践应用闭环 | 闭环结构 | 统计分析—实时监控—智能预测 | high |
| DolphinDB（统计分析与计算） | 能力描述 | 依托统计分析函数与流批一体计算引擎进行高速聚合、相关性分析及异常检测，从海量时序数据提炼关键指标用于趋势洞察与工况评估 | medium |
| DolphinDB（实时监控） | 引擎/功能 | 规则引擎与响应式状态引擎支持实时监控并毫秒级识别异常触发预警 | medium |
| DolphinDB（预测） | 能力描述 | 结合内置机器学习算法与历史数据建模，用于预测设备寿命、产线负荷或温度变化，为运维与调度提供决策依据 | medium |
| DolphinDB（AI Agent） | 能力 | 支持通过 AI Agent 使用自然语言完成复杂数据检索与分析 | medium |
| DolphinDB（RAG） | 能力 | 基于 RAG 技术在工业知识库中实现高效相似性搜索 | medium |
| DolphinDB（机器学习） | 能力 | 内置多种常用算法，并提供 xgboost、libtorch 等插件，支持模型训练与推理 | high |
| Shark | 定位 | DolphinDB 推出的 CPU-GPU 异构计算平台 | high |
| Shark | 应用场景 | 将 GPU 算力应用于工业仿真、参数优化等高性能场景 | medium |
| DolphinDB 未来能力拓展 | 方向 | 拓展仿真、优化与控制领域能力；与工业机理模型深度融合，推动实时仿真与参数自适应优化 | low |
| 新一代工业软件数字化底座逻辑模型（图片说明） | 结构 | 以脚本语言或 MCP 机制为核心桥梁，上连 AI 智能体与可视化层，下覆盖采集、多模态存储、统计分析、预测及仿真控制等模块；支持业务流程灵活编排 | medium |
| DolphinDB 蔚蓝计划 | 合作高校专业方向 | 物联网工程、电子信息工程、人工智能、数据科学与大数据技术等相关专业高校 | high |
| DolphinDB 蔚蓝计划 | 合作形式 | 开展技术讲座或联合课题研究（校企联动） | high |
| DolphinDB | 联系渠道 | 公众号后台私信；添加小助手微信 dolphindb1 | high |
| DolphinDB（联系方式卡片图片说明） | 产品定位/能力概述 | 基于高性能时序数据库、支持复杂分析与流式处理的实时计算平台 | medium |
| DolphinDB（联系方式卡片图片说明） | 提供的联系信息类型 | 官方联系邮箱、网址以及用于互动关注的二维码 | medium |
| DolphinDB（联系方式卡片图片说明） | 分支机构城市 | 杭州、北京、上海、广州、深圳等地 | medium |