Společnost NVIDIA 22. října na konferenci GTC Berlin oznámila, že Revolut v produkčním prostředí škáluje svůj základní model PRAGMA, který zpočátku slouží 80 milionům zákazníků. Další projekty se týkají modelů vlastněných bankami, platebních operací a zrychleného zpracování dat, od fungujících systémů až po vývojové práce a offline testy.

Klíčová zjištění

  • Model PRAGMA od Revolutu obsluhuje zpočátku 80 milionů zákazníků a je navržen tak, aby bylo možné jeho kapacitu rozšířit na trojnásobek této úrovně.
  • Banky a poskytovatelé platebních služeb vyvíjejí vlastní inteligentní systémy s využitím svých dat, modelů s otevřenými vahami a akcelerované infrastruktury.
  • NVIDIA uvedla výrazné zrychlení zpracování. Offline testy společnosti Stripe například vykázaly 42krát rychlejší datové procesy a úsporu nákladů ve výši 92 %.

Obsah

Evropská finanční AI přechází do produkčního provozu

Revolut přestavuje svůj technologický stack kolem PRAGMA jako jediného základního modelu. Podle společnosti NVIDIA banka využívá sadu nástrojů cuDF a software Dynamo-Triton na GPU Blackwell Ultra, aby systém škálovala v produkčním provozu. Uváděná možnost rozšířit kapacitu na trojnásobek je technickým cílem, nikoli oznámeným rozšířením současné zákaznické základny.

Oznámení vyzdvihlo také instituce, které vytvářejí inteligentní systémy z vlastních záznamů o transakcích. Starling Bank vyvinula Starling Intelligence, vrstvu zajišťující její schopnosti v oblasti AI, na britském cloudu společnosti Civo s využitím transakčních dat banky. NVIDIA označila Starling za první banku, která trénuje agentní model na infrastruktuře britského suverénního cloudu.

Lloyds Banking Group vytvořila ATUM, základní model transakcí, který převádí miliardy bankovních transakcí na opakovaně využitelnou inteligenci. NVIDIA uvedla, že GPU RTX PRO 6000 Blackwell tento model urychlují a že model zvyšuje efektivitu v různých oblastech fungování celé banky. Společnost SBS samostatně představila platformu suverénní bankovní inteligence, která má bankám umožnit provozovat generativní a agentní modely, aniž by data opustila jejich vlastní prostředí.

Otevřené modely podporují asistenty a specializované úlohy

Asistent Finn neobanky bunq nyní funguje na modelech s otevřenými vahami. NVIDIA uvedla, že jeho nasazení na platformě Nebius dosahuje kvality předních uzavřených modelů při nákladech na jednu odpověď ve výši 60 % jejich nákladů. Tento údaj popisuje relativní náklady, nikoli jejich snížení o 60 %.

Další projekty jsou stále ve fázi vývoje. NatWest vytváří technologii rozpoznávání řeči určenou k rozpoznávání britských přízvuků, dialektů a finanční terminologie s využitím řečových modelů NVIDIA, včetně Nemotron 3.5 ASR. Modulr vyvíjí specializované modely pro různé platební operace, které vycházejí z otevřeného modelu Nemotron-3-Ultra-550B.

Santander patří mezi první uživatele nové řady otevřených základních modelů Kumo od NVIDIA pro strukturovaná finanční data. Využívá je k vytváření specializovaných inteligentních systémů pro klíčové bankovní úlohy.

Finanční výzkum získává rychlejší datové nástroje

LSEG spolupracuje se společností NVIDIA na tom, aby finanční instituce mohly analyzovat velké objemy historických dat o tickových obchodech až desetkrát rychleji. Projekt využívá GPU engine Polars akcelerovaný pomocí cuDF na GPU RTX PRO 6000 Blackwell.

Společnost RavenPack vytvořila na Bigdata.com proces pro generování datových sad s využitím doladěného modelu NVIDIA Nemotron. Ten přijme výzkumnou hypotézu formulovanou běžným jazykem a vytvoří označenou datovou sadu připravenou pro backtesting. Investoři ji mohou využít k identifikaci, analýze a vizualizaci tržních trendů.

Zrychlení zpracování podvodů zahrnuje výsledky offline testů

HSBC využívá GPU Engine od Starburst Enterprise k zajištění téměř okamžitých informací o klientech a rozhodování na vyžádání, přičemž minimalizuje riziko a podvody. NVIDIA uvedla, že zpracování dat bylo pětkrát rychlejší.

Výsledky společnosti Stripe se výslovně týkaly pouze offline testování. NVIDIA uvedla, že Ray Data akcelerované pomocí GPU zajistilo v těchto testech pro platformu Stripe Radar pro detekci podvodů 42krát rychlejší datové procesy a úsporu nákladů ve výši 92 %. Uvedená zlepšení se týkají datových procesů strojového učení, nikoli kvantifikovaného zvýšení přesnosti detekce podvodů.

Další zprávy

Další zprávy FinanceVelix

Upozornění

Tento článek FinanceVelix obsahuje obecné informace, nikoli personalizované finanční, investiční, právní nebo daňové poradenství. Tržní ceny, úrokové sazby a ekonomické podmínky se mohou měnit; investice jsou spojeny s rizikem ztráty. Uvedená fakta vycházejí z materiálů dostupných v době zveřejnění a mohou se změnit. Důležité informace si nezávisle ověřte a v případě potřeby se obraťte na kvalifikovaného odborníka. Zmínka o aktivu, společnosti nebo službě nepředstavuje doporučení.