欧洲金融机构采用开放权重模型构建专有智能
Leading European Financial Services Organizations Embrace Open Models to Build Proprietary Intelligence
多家欧洲金融机构正基于 NVIDIA 加速计算,在自有基础设施上部署开放权重模型和金融 AI 系统。Revolut 以 PRAGMA 服务首批 80 million 客户,设计规模可扩展至 3x;bunq 的 Finn 使用开放权重模型,每个答案的成本比领先闭源模型低 60%。Stripe 的离线测试显示,其欺诈检测平台 Stripe Radar 的数据管线速度提升 42x、成本降低 92%。
从银行交易模型到欺诈检测数据管线,文章呈现欧洲金融机构在自有基础设施上部署 AI 的多种路径,并给出成本与处理速度数据。
在 GTC Berlin,银行、支付公司和金融数据提供商展示了生产级智能的面貌——它基于 NVIDIA 加速计算构建,由开放权重模型驱动,并运行在自有基础设施上。
Revolut 正在基于单一基础模型 PRAGMA 重建其技术栈,并由 NVIDIA 加速计算提供支持。借助 NVIDIA cuDF 工具包和运行在 Dynamo-Triton 软件 上的 NVIDIA Blackwell Ultra GPU,Revolut 正在生产环境中扩展 PRAGMA,为首批 8000 万客户提供服务,并且该系统经过设计,可扩展至当前规模的 3 倍。
“Revolut 处理数十亿笔交易——这方面的潜力一直存在,但问题在于基础模型能否在如此规模下跨领域运行。PRAGMA 给出了答案,”Revolut AI 负责人 Pavel Nesterov 表示。“PRAGMA 与 NVIDIA 合作构建,是迄今最有力的证明,表明研究突破与生产级银行系统之间的鸿沟是可以弥合的。”
在加速基础设施上训练
Starling Bank 是首家在英国主权云基础设施上训练智能体模型的银行。该行利用自身交易数据,在 Civo 的 英国云上开发了“Starling Intelligence”——支撑其 AI 能力的智能层。
Lloyds Banking Group 构建了 ATUM,这是一款交易基础模型,可将数十亿笔银行交易转化为可复用的智能;它借助 NVIDIA RTX PRO 6000 Blackwell GPU 加速,并提升了全行各类应用场景的效率。
SBS 推出了银行主权智能平台,让银行能够运行生成式和智能体模型,同时确保数据不离开自身内部环境。
以极低成本使用开放模型
开放权重模型让欧洲金融机构能够基于自有数据构建专有智能,并自主控制成本。NVIDIA 加速计算平台则是其底层引擎。
新银行 bunq 的智能体助手 Finn 现在运行于开放权重模型之上。在 NVIDIA 加速计算的支持下,部署在 Nebius 上后,其回答质量可媲美领先的闭源模型,而每条回答的成本仅为其 60%。
NatWest 正在构建一项技术,旨在识别各种英国口音、方言和金融术语;该技术采用 NVIDIA 语音模型开发,其中包括 Nemotron 3.5 ASR。
Modulr 正基于 NVIDIA Nemotron-3-Ultra-550B 开放模型,为支付运营的不同环节构建专用模型。
Santander 是 NVIDIA 全新 Kumo 系列结构化金融数据开放权重基础模型的早期采用者,正利用这些模型为核心银行业务构建专用智能。
加速计算变革金融研究
LSEG 正与 NVIDIA 合作,借助由 NVIDIA cuDF 加速、运行于 NVIDIA RTX PRO 6000 Blackwell GPU 上的 Polars GPU 引擎,帮助金融机构以最高 10 倍的速度分析海量历史逐笔行情数据。
RavenPack 在 Bigdata.com 上构建了一个数据集生成流程:输入自然语言研究假设,即可生成带标签、可用于回测的数据集;该流程由微调后的 NVIDIA Nemotron 模型驱动。投资者可以利用这些数据集识别、分析并可视化市场趋势。
加速数据管道,提升欺诈检测能力
RTX PRO 6000 Blackwell Server Edition GPU 和 NVIDIA cuDF 有助于加速处理来自多个彼此隔离、受监管的数据源的数 TB 级数据,缩短从数据到决策的时间,适用于欺诈检测等场景。
HSBC 借助 Starburst Enterprise 的 GPU 引擎,实现快 5 倍的数据处理,在最大限度降低风险和欺诈的同时,提供近乎实时的客户洞察,支持客户流程和按需决策。
全球可编程金融服务提供商 Stripe 在离线测试中发现,借助 NVIDIA GPU 加速的 Ray Data,其 Stripe Radar 欺诈检测平台的数据管道速度提升 42 倍,成本降低 92%。这使 Stripe Radar 的机器学习管道能够持续优化模型训练并改进欺诈检测。
请参阅 声明,了解软件产品信息。
来源:NVIDIA Blog · blogs.nvidia.com