12月14日，在第二届CCF中国数据大会主论坛上，深圳计算科学研究院首席科学家、英国皇家学会和皇家工程院院士樊文飞进行了“跳出大模型：逻辑推理×机器学习的全栈AI技术路线”的主题演讲，提出一条突破当前人工智能发展瓶颈的创新路径——融合逻辑推理与机器学习的“全栈AI”技术。
他结合多个产业实践案例指出，这一路径尤其适合数据样本有限、对精准性要求高的场景，为贵州大数据与实体经济深度融合提供了新思路。当前，以大模型为代表的机器学习技术虽广泛应用，却存在明显局限。樊文飞在演讲中表示：“人工智能不应只有大模型一条路。”
为此，樊文飞提出将逻辑推理与机器学习深度融合。传统逻辑推理依靠规则推导，解释性强却难以处理复杂数据。机器学习擅长大数据挖掘，却像个“黑箱”。而“全栈AI”将机器学习模型转化为逻辑规则中的一环，用规则纠正模型误判，实现“1+1>2”的效果。他带领团队研发的“钓鱼城”系统正是这一理念的实践平台。
樊文飞在进行主旨演讲
演讲中，樊文飞展示了“全栈AI”在多个领域的成功应用，这些案例均来自其团队实际落地项目：在制造业，国内头部电池企业利用该技术将电芯分容检测时间从20多小时缩短至4小时，误差率从1%降至万分之六，单条产线年节省成本超1000万元，产能提升80%。
在智慧农业与特色产业，深圳中烟通过该技术解决烟草配方难题，将智能配方精度从60%提升至93%，并指出该方法同样适用于白酒、茶叶、咖啡等贵州特色产品的配方优化。
在医疗领域，团队通过“干法计算”辅助药物靶点发现，与《自然》论文湿法实验结果一致，老药新用筛查中精准推荐五款潜在药物，其中四款已被美国试验验证。
在海关与金融领域，深圳海关旅检查获率从15%提升至最高70%；银行反欺诈精度成倍提升，某城商行单月新增客户3500人，成交额超千万元。
在数据治理方面，该技术可大幅降低专业数据标注对人工的依赖，“几千个样本即可达到以往几百万样本的精度”，为贵州发展专业数据集产业提供了技术支撑。
樊文飞特别提到，贵州作为大数据综合试验区，拥有丰富的产业场景与数据资源，但不少领域存在“样本少、专业性强、容错率低”的特点。“全栈AI”正是为解决此类问题而生，能够帮助企业在控制成本的同时提升效益，真正实现人工智能的落地价值。
樊文飞还介绍了其团队自主研发的国产数据库系统“崖山”，该系统已在央行数字货币等核心系统中替代国际主流产品，并获国内44家金融机构认证。他表示，技术创新应当服务于产业发展，期待与贵州在数据资源开发与AI融合应用方面开展更多探索。
贵州日报天眼新闻记者 江婷婷
编辑 朱登芳
二审 管云
三审 岳振
