Az NVIDIA október 22-én, a GTC Berlin rendezvényen jelentette be, hogy a Revolut éles üzemben skálázza PRAGMA alapmodelljét, amely kezdetben 80 millió ügyfelet szolgál ki. Más projektek a bankok saját modelljeire, a fizetési műveletekre és a gyorsított adatfeldolgozásra összpontosítanak; ezek között éles rendszerek, fejlesztés alatt álló megoldások és offline tesztek egyaránt vannak.
Főbb tudnivalók
- A Revolut PRAGMA modellje kezdetben 80 millió ügyfelet szolgál ki, és úgy tervezték, hogy ennek a szintnek a háromszorosára skálázható legyen.
- A bankok és a fizetési szolgáltatók saját adataik, nyílt súlyú modellek és gyorsított infrastruktúra segítségével fejlesztenek saját intelligenciarendszereket.
- Az NVIDIA jelentős feldolgozási gyorsulásról számolt be, többek között a Stripe offline tesztjeinek eredményeiről: az adatfolyamatok 42-szer gyorsabbak, a költségmegtakarítás pedig 92% volt.
Tartalomjegyzék
- Az európai pénzügyi MI éles üzemben
- A nyílt modellek asszisztenseket és speciális feladatokat támogatnak
- Gyorsabb adateszközök a pénzügyi kutatáshoz
- A csalásfeldolgozás gyorsulása offline teszteredményeket is magában foglal
Az európai pénzügyi MI éles üzemben
A Revolut a PRAGMA köré építi át technológiai rendszerét, amely egyetlen alapmodellként szolgál. Az NVIDIA tájékoztatása szerint a bank a cuDF eszközkészletét és a Dynamo-Triton szoftvert használja Blackwell Ultra GPU-kon a rendszer éles üzemi skálázásához. A háromszoros skálázási kapacitás megjelölt célkitűzés, nem pedig a jelenlegi ügyfélkör bejelentett bővülése.
A bejelentés olyan intézményeket is kiemelt, amelyek saját tranzakciós adataikból építenek intelligenciarendszereket. A Starling Bank a Civo brit felhőplatformján, a bank tranzakciós adatainak felhasználásával fejlesztette ki a Starling Intelligence rendszert, amely MI-képességeinek alapját adja. Az NVIDIA szerint a Starling az első bank, amely ügynökalapú modellt tanított be brit szuverén felhőinfrastruktúrán.
A Lloyds Banking Group megalkotta az ATUM-ot, egy tranzakciós alapmodellt, amely több milliárd banki tranzakciót alakít újra felhasználható intelligenciává. Az NVIDIA szerint az RTX PRO 6000 Blackwell GPU-k gyorsítják a modellt, amely a bank egészére kiterjedő felhasználási esetekben javítja a hatékonyságot. A brit SBS külön szuverén banki intelligenciaplatformot indított, amely lehetővé teszi a bankok számára, hogy generatív és ügynökalapú modelleket futtassanak anélkül, hogy adataikat saját rendszereiken kívülre kellene vinniük.
A nyílt modellek asszisztenseket és speciális feladatokat támogatnak
A bunq neobank Finn asszisztense mostantól nyílt súlyú modellekkel működik. Az NVIDIA szerint a Nebiuson történő bevezetés válaszonkénti költsége az élenjáró zárt modellekéhez hasonló minőség mellett azok költségének 60%-a. Ez az adat a relatív költséget jelzi, nem pedig 60%-os költségcsökkenést.
Más projektek még fejlesztés alatt állnak. A NatWest az NVIDIA beszédmodelleinek – köztük a Nemotron 3.5 ASR-nek – a felhasználásával olyan beszédtechnológiát fejleszt, amely képes felismerni a brit akcentusokat, nyelvjárásokat és pénzügyi szakkifejezéseket. A Modulr a nyílt Nemotron-3-Ultra-550B modellre építve fejleszt különböző fizetési műveletekre szabott modelleket.
A Santander az NVIDIA új, strukturált pénzügyi adatokhoz készült, nyílt súlyú alapmodellcsaládjának, a Kumónak az egyik korai alkalmazója. A modellekkel a banki alapfolyamatokhoz fejleszt speciális intelligenciarendszereket.
Gyorsabb adateszközök a pénzügyi kutatáshoz
Az LSEG az NVIDIA-val együttműködve segíti a pénzügyi intézményeket abban, hogy akár 10-szer gyorsabban elemezzék a nagy mennyiségű múltbeli tickadatot. A megoldás a Polars GPU-motorját használja, amelyet az RTX PRO 6000 Blackwell GPU-kon futó cuDF gyorsít.
A RavenPack a Bigdata.com platformon olyan adatkészlet-generáló adatfolyamatot épített ki, amely egy finomhangolt NVIDIA Nemotron modellt használ. A rendszer a természetes nyelven megfogalmazott kutatási hipotézist címkézett, visszatesztelésre kész adatkészletté alakítja, amelyet a befektetők a piaci trendek azonosítására, elemzésére és megjelenítésére használhatnak.
A csalásfeldolgozás gyorsulása offline teszteredményeket is magában foglal
A HSBC a Starburst Enterprise GPU-motorját használja, hogy közel valós idejű ügyfélismereteket és igény szerinti döntéshozatalt biztosítson, miközben mérsékli a kockázatot és a csalásokat. Az NVIDIA ötször gyorsabb adatfeldolgozásról számolt be.
A Stripe eredményei kifejezetten offline tesztelésre vonatkoztak. Az NVIDIA szerint a GPU-gyorsítású Ray Data a Stripe Radar csalásfelderítő platformján 42-szer gyorsabb adatfolyamatokat és 92%-os költségmegtakarítást tett lehetővé a tesztekben. A közölt eredmények a gépi tanulási adatfolyamatokra vonatkoznak, nem pedig a csalásfelderítés pontosságának számszerűsített javulására.
További hírek
Jogi nyilatkozat
Ez a FinanceVelix-cikk általános tájékoztatást nyújt, nem minősül személyre szabott pénzügyi, befektetési, jogi vagy adótanácsadásnak. A piaci árak, a kamatlábak és a gazdasági körülmények változhatnak; a befektetések veszteség kockázatával járnak. A tények a közzétételkor rendelkezésre álló információkat tükrözik, és változhatnak. A fontos információkat ellenőrizze önállóan, és szükség esetén forduljon képzett szakemberhez. Egy eszköz, vállalat vagy szolgáltatás említése nem jelent ajánlást.
