YashanDB|别彬彬：金融科技进入智能化深水区，数据 + 逻辑才是新范式

在“2024 国产数据库创新生态大会”上，深算院技术总监、采石矶与钓鱼城系统负责人别彬彬带来主题演讲《金融科技对智能化创新系统的机遇与路径》。他通过实际案例讲述了在数据治理与智能分析方面，崖山科技如何用基础软件产品“采石矶”和“钓鱼城”推动行业向更深层次智能化演进。

一、逻辑推理 + 机器学习，AI+的全新范式

别彬彬提出：“真正有效的 AI，不是靠千亿参数的深度模型，而是要在统计预测之外，引入逻辑与关联。”

他用一个有趣的问题引入主题——成吉思汗和牛顿之间有什么联系?

传统 AI 模型与学者均给不出答案。但通过图关联分析结合逻辑推理，发现成吉思汗征战欧洲促进物资流通、引发鼠疫，导致牛顿因疫情被迫离开剑桥，在乡间高产两年内提出万有引力与微积分。这种深层逻辑链条，是大模型难以实现的，但图逻辑技术可以。

二、采石矶：重塑数据质量治理方式

“高质量数据是 AI 的基础。”别彬彬指出，OpenAI 用 7 年准备语料，仅 1 个月训练模型，可见数据质量的重要性。

采石矶系统三大核心能力：

1.自动发现数据错误

2.可信修复数据异常

3.评估与提升数据资产价值

应用案例：

物流行业数据归一：某头部物流企业有 17 万张数据表，人工花两年完成 10%，采石矶用 4 天实现全量结构归整;

数据交易所上线：服务上海数据交易所，为买卖双方提供数据质量评估和提升服务;

大模型语料准备：在 HTML 文档解析、人机协同标注、文本事实性纠错方面超越 Scale.AI，帮助大模型减缓“幻觉”问题。

三、钓鱼城：逻辑与统计融合的智能决策平台

钓鱼城系统基于 GAR 理论(Graph + AI + Rule)，将逻辑推理与机器学习融合，实现自动化、高解释性的数据分析流程。

核心优势：

统一推理框架：图计算支撑逻辑与模型双路径;

黑盒可解释：可将模型预测结果结构化输出，支持决策追溯;

自动化建模：免除洗数、特征构造、调参等繁杂步骤。

行业应用：

制造业决策：

应用于电池、化工、烟草等行业;

国内头部电池厂已部署，支持 600 万支电芯容量预测;

逻辑推理保障结果可靠且可解释。

金融风控与营销：

商机挖掘：零售推送 ROI 从 1.7 提升至 4.8;

风控识别：高风险人群命中率从 40% 提升至 71%。

四、从底层支撑“AI+金融”的未来蓝图

未来，钓鱼城系统将构建面向金融行业的新型企业级数据运营平台，以“圈-链-群”的增量图计算理念支撑银行的商机发掘与危机管理，让业务人员可直接操作系统，无需依赖 IT 开发。

这一能力的底层支撑，正是采石矶的数据质量保障，和钓鱼城的智能决策引擎——这两大国产基础软件平台，正在成为金融行业构建“AI+”闭环的关键抓手。

五、结语

“逻辑与数据结合，才能真正挖掘智能的价值。”别彬彬总结道：“采石矶与钓鱼城不是替代模型，而是让模型‘更可信、更好用’的基座。中国智能系统要走得更远，必须掌握自己的数据质量引擎与逻辑计算平台。”