欧洲金融机构采用开放权重模型构建专有智能，Revolut、Starling 等基于 NVIDIA 加速计算落地
Leading European Financial Services Organizations Embrace Open Models to Build Proprietary Intelligence
Revolut 正基于 NVIDIA 加速计算以单一基础模型 PRAGMA 重建技术栈，在 Blackwell Ultra GPU 上使用 cuDF 与 Dynamo-Triton 于生产环境扩展，初期服务 8000 万客户并设计支持 3 倍扩容。
在柏林 GTC 大会上，银行、支付公司和金融数据提供商展示了生产级智能的模样——它构建在 NVIDIA 加速计算之上，由开放权重模型驱动，并运行在它们自己的基础设施上。
Revolut 正在基于单一基础模型 PRAGMA 重建其技术栈，该模型由 NVIDIA 加速计算提供支持。借助 NVIDIA cuDF 工具包和 Dynamo-Triton 软件，并在 NVIDIA Blackwell Ultra GPU 上运行，Revolut 正在生产环境中扩展 PRAGMA，初期服务 8000 万客户，并设计为可扩展至 3 倍。
“Revolut 处理数十亿笔交易——机会一直存在，但问题在于基础模型能否在如此规模下、跨多个领域运行。PRAGMA 回答了这个问题，”Revolut 人工智能负责人 Pavel Nesterov 表示。“它与 NVIDIA 合作构建，是最清晰的证明：研究突破与生产级银行系统之间的差距可以被弥合。”
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，它利用该行自身的交易数据，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，这是一个交易基础模型，可将数十亿笔银行交易转化为可复用的智能——借助 NVIDIA RTX PRO 6000 Blackwell GPU 加速，并提升了全行用例的效率。
SBS 推出了银行主权智能平台，使银行能够运行生成式和智能体模型，而数据无需离开自己的边界。
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己拥有的数据、以自己可控的成本构建专有智能。NVIDIA 的加速计算平台是运行在其下的引擎。
数字银行 bunq 的智能体助手 Finn 现已运行在开放权重模型上。在 NVIDIA 加速计算的支持下，部署在 Nebius 上，其质量可与领先的闭源模型相媲美，而每次回答的成本仅为后者的 60%。
NatWest 正在构建旨在识别全系列英国口音、方言和金融术语的技术，该技术使用 NVIDIA 的语音模型开发，包括 Nemotron 3.5 ASR。
Modulr 正在基于 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 是面向结构化金融数据的新 NVIDIA Kumo 系列开放权重基础模型的早期采用者，利用它们为核心银行工作负载构建专用智能。
加速计算变革金融研究
LSEG 正与 NVIDIA 合作，借助由 NVIDIA RTX PRO 6000 Blackwell GPU 上的 NVIDIA cuDF 加速的 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数据。
RavenPack 在 Bigdata.com 上构建了一条数据集生成流水线，可接收用自然语言表述的研究假设，并返回带标签、可直接用于回测的数据集——该流水线运行在经微调的 NVIDIA Nemotron 模型上。投资者可以使用这些数据集来识别、分析和可视化市场趋势。
加速数据流水线以改进欺诈检测
RTX PRO 6000 Blackwell 服务器版 GPU 和 NVIDIA cuDF 可帮助加速跨多太字节规模、孤立且受监管的数据源的数据处理，缩短欺诈及其他场景下从数据到决策的时间。
HSBC 依托 Starburst Enterprise 的 GPU 引擎 实现快 5 倍的数据处理，提供近实时的客户洞察，支持客户流程和按需决策，同时将风险和欺诈降至最低。
Stripe 是一家提供可编程金融服务的全球供应商。在离线测试中，其 Stripe Radar 欺诈检测平台借助 NVIDIA GPU 加速的 Ray Data，实现了快 42 倍的数据流水线和 92% 的成本节省。这使 Stripe Radar 的机器学习流水线能够持续优化模型训练并改进欺诈检测。
进一步了解 NVIDIA 加速计算在金融服务领域的应用。
请参阅 通知，了解软件产品信息。
来源：NVIDIA 官方博客 · blogs.nvidia.com