随着 Timer 等时序基础模型（TSFM）快速走向规模化，算法能力与底层系统基础设施之间出现了关键缺口。在海量工业物联网场景中，传统数据流水线（例如将数据库导出为 CSV/Numpy）会引入严重的 I/O 瓶颈。此外，细粒度的 MoE 时序架构在训练过程中面临巨大的内存与通信墙。 本次演讲介绍一套原生构建于 Apache TsFile 之上的高性能、端到端 AI 训练基础设施。

讲师:

Xinhao Gu：清华大学博士生 | Apache IoTDB Committer | Apache TsFile Committer

Xinhao Gu 是清华大学软件学院博士生，也是活跃的开源社区贡献者，担任 Apache Committer，并是 Apache IoTDB 中 AINode 的核心成员。他的研究主要聚焦于 AI Infra 与 MLSys，尤其关注时序基础模型的高效训练与系统集成。他致力于打通端到端的系统瓶颈——从海量工业时序数据存储到分布式深度学习框架——推动时序基础设施向 AI 时代演进。