NVIDIA meddelte på GTC Berlin den 22. oktober, at Revolut skalerer sin PRAGMA-foundation model i produktion til de første 80 millioner kunder. Andre projekter omfatter bankejede modeller, betalingsdrift og accelereret databehandling og spænder fra aktive systemer til udviklingsarbejde og offline-test.

Vigtigste pointer

  • Revoluts PRAGMA betjener de første 80 millioner kunder og er konstrueret til at kunne skaleres til tre gange dette niveau.
  • Banker og betalingstjenesteudbydere udvikler proprietær intelligens ved hjælp af egne data, åbne modeller med tilgængelige vægte og accelereret infrastruktur.
  • NVIDIA rapporterede betydelige gevinster i databehandlingen, herunder resultater fra Stripes offline-test, som viste 42 gange hurtigere pipelines og 92 % lavere omkostninger.

Indholdsfortegnelse

Europæisk finansiel AI går i produktion

Revolut er ved at genopbygge sin teknologistak omkring PRAGMA som én samlet foundation model. Ifølge NVIDIA bruger banken værktøjssættet cuDF og softwaren Dynamo-Triton på Blackwell Ultra-GPU'er til at skalere systemet i produktion. Den oplyste kapacitet til at skalere tre gange er et teknisk mål og ikke en rapporteret udvidelse af den nuværende kundebase.

Meddelelsen fremhævede også institutioner, der opbygger intelligens på grundlag af deres egne transaktionsdata. Starling Bank udviklede Starling Intelligence, det lag, der understøtter bankens AI-funktioner, på Civos britiske cloud ved hjælp af bankens transaktionsdata. NVIDIA beskrev Starling som den første bank, der har trænet en agentisk model på britisk suveræn cloud-infrastruktur.

Lloyds Banking Group byggede ATUM, en foundation model til transaktioner, der omdanner milliarder af banktransaktioner til genanvendelig intelligens. NVIDIA oplyste, at RTX PRO 6000 Blackwell-GPU'er accelererer modellen, som forbedrer effektiviteten på tværs af anvendelser i hele banken. Separat lancerede SBS en suveræn platform for bankintelligens, der er udviklet til at gøre det muligt for banker at køre generative og agentiske modeller, uden at data flyttes uden for deres egne systemer.

Åbne modeller understøtter assistenter og specialiserede arbejdsbelastninger

Neobanken bunqs assistent Finn kører nu på åbne modeller med tilgængelige vægte. NVIDIA oplyste, at implementeringen på Nebius matcher kvaliteten af førende lukkede modeller til 60 % af omkostningen pr. svar. Tallet beskriver de relative omkostninger og betyder ikke, at omkostningerne er reduceret med 60 %.

Andre projekter er fortsat under udvikling. NatWest udvikler taleteknologi, der er designet til at genkende britiske accenter, dialekter og finansiel terminologi, ved hjælp af NVIDIAs talemodeller, herunder Nemotron 3.5 ASR. Modulr udvikler specialiserede modeller til forskellige betalingsaktiviteter baseret på den åbne model Nemotron-3-Ultra-550B.

Santander er blandt de første til at tage NVIDIAs nye Kumo-familie af åbne foundation models til strukturerede finansielle data i brug. Banken bruger modellerne til at opbygge specialiseret intelligens til centrale bankarbejdsopgaver.

Finansiel research får hurtigere dataværktøjer

LSEG samarbejder med NVIDIA om at hjælpe finansielle institutioner med at analysere store mængder historiske tick-data op til 10 gange hurtigere. Arbejdet benytter Polars GPU-motoren, accelereret af cuDF på RTX PRO 6000 Blackwell-GPU'er.

RavenPack har bygget en pipeline til generering af datasæt på Bigdata.com ved hjælp af en finjusteret NVIDIA Nemotron-model. Den tager en researchhypotese formuleret i almindeligt sprog og returnerer et mærket datasæt, der er klar til backtesting, og som investorer kan bruge til at identificere, analysere og visualisere markedstendenser.

Gevinster inden for svindelbehandling omfatter resultater fra offline-test

HSBC bruger Starburst Enterprises GPU Engine til at understøtte kundeindsigt næsten i realtid og beslutningstagning efter behov, samtidig med at risiko og svindel minimeres. NVIDIA rapporterede fem gange hurtigere databehandling.

Stripes resultater var udtrykkeligt begrænset til offline-test. NVIDIA oplyste, at GPU-accelereret Ray Data leverede 42 gange hurtigere datapipelines og 92 % lavere omkostninger for Stripes platform til svindelopsporing, Stripe Radar, i disse test. De rapporterede gevinster vedrører datapipelines til maskinlæring og ikke en kvantificeret forbedring af nøjagtigheden af svindelopsporingen.

Læs flere nyheder

Flere nyheder fra FinanceVelix

Ansvarsfraskrivelse

Denne artikel fra FinanceVelix indeholder generel information og udgør ikke personlig finansiel, investeringsmæssig, juridisk eller skattemæssig rådgivning. Markedspriser, renter og økonomiske forhold kan ændre sig; investeringer indebærer risiko for tab. Oplysningerne afspejler det materiale, der var tilgængeligt på udgivelsestidspunktet, og kan ændre sig. Kontrollér vigtige oplysninger uafhængigt, og rådfør dig med en kvalificeret fagperson efter behov. Omtale af et aktiv, en virksomhed eller en tjeneste er ikke en anbefaling.