NVIDIA mengumumkan di GTC Berlin pada 22 Oktober bahwa Revolut sedang memperluas penggunaan model fondasi PRAGMA dalam produksi untuk tahap awal yang mencakup 80 juta nasabah. Proyek lain mencakup model milik bank, operasional pembayaran, dan pemrosesan data yang dipercepat, mulai dari sistem aktif hingga pekerjaan pengembangan dan pengujian luring.

Poin-Poin Utama

  • PRAGMA milik Revolut melayani tahap awal yang mencakup 80 juta nasabah dan dirancang untuk dapat diperluas hingga tiga kali lipat dari tingkat tersebut.
  • Bank dan penyedia pembayaran sedang mengembangkan kecerdasan proprieter dengan menggunakan data mereka sendiri, model berbobot terbuka, dan infrastruktur yang dipercepat.
  • NVIDIA melaporkan peningkatan pemrosesan yang signifikan, termasuk hasil pengujian luring Stripe berupa jalur pemrosesan 42 kali lebih cepat dan penghematan biaya sebesar 92%.

Daftar Isi

AI keuangan Eropa mulai digunakan dalam produksi

Revolut sedang membangun ulang tumpukan teknologinya dengan menjadikan PRAGMA sebagai satu model fondasi. Menurut NVIDIA, bank tersebut menggunakan perangkat cuDF dan perangkat lunak Dynamo-Triton pada GPU Blackwell Ultra untuk memperluas sistem dalam produksi. Kapasitas perluasan hingga tiga kali lipat yang disebutkan merupakan target rekayasa, bukan laporan tentang perluasan basis nasabah saat ini.

Pengumuman tersebut juga menyoroti institusi yang membangun kecerdasan dari catatan transaksi mereka sendiri. Starling Bank mengembangkan Starling Intelligence, lapisan yang menopang kapabilitas AI-nya, di cloud Civo di Inggris dengan menggunakan data transaksi bank tersebut. NVIDIA menyebut Starling sebagai bank pertama yang melatih model agenik pada infrastruktur cloud berdaulat Inggris.

Lloyds Banking Group membangun ATUM, model fondasi transaksi yang mengubah miliaran transaksi perbankan menjadi kecerdasan yang dapat digunakan kembali. NVIDIA menyatakan bahwa GPU RTX PRO 6000 Blackwell mempercepat model tersebut, yang meningkatkan efisiensi di berbagai penggunaan di seluruh bank. Secara terpisah, SBS meluncurkan platform kecerdasan perbankan berdaulat yang dirancang agar bank dapat menjalankan model generatif dan agenik tanpa memindahkan data ke luar lingkungan mereka sendiri.

Model terbuka mendukung asisten dan beban kerja khusus

Asisten Finn milik neobank bunq kini berjalan menggunakan model berbobot terbuka. NVIDIA menyatakan bahwa penerapannya di Nebius menyamai kualitas model tertutup terkemuka dengan biaya per jawaban sebesar 60% dari biaya model tersebut. Angka itu menggambarkan biaya relatif, bukan pengurangan biaya sebesar 60%.

Proyek lain masih dalam tahap pengembangan. NatWest sedang membangun teknologi suara yang dirancang untuk mengenali aksen, dialek, dan terminologi keuangan Inggris dengan menggunakan model suara NVIDIA, termasuk Nemotron 3.5 ASR. Modulr sedang mengembangkan model khusus untuk berbagai operasional pembayaran berdasarkan model terbuka Nemotron-3-Ultra-550B.

Santander merupakan salah satu pengguna awal keluarga model fondasi berbobot terbuka Kumo terbaru dari NVIDIA untuk data keuangan terstruktur. Bank tersebut menggunakan model-model itu untuk membangun kecerdasan khusus bagi beban kerja inti perbankan.

Riset keuangan memperoleh perangkat data yang lebih cepat

LSEG bekerja sama dengan NVIDIA untuk membantu institusi keuangan menganalisis volume besar data tick historis hingga 10 kali lebih cepat. Pekerjaan ini menggunakan mesin GPU Polars, yang dipercepat oleh cuDF pada GPU RTX PRO 6000 Blackwell.

RavenPack telah membangun jalur pembuatan dataset di Bigdata.com dengan menggunakan model NVIDIA Nemotron yang disetel ulang. Sistem ini menerima hipotesis riset yang dinyatakan dalam bahasa sehari-hari dan menghasilkan dataset berlabel yang siap untuk pengujian ulang, yang dapat digunakan investor untuk mengidentifikasi, menganalisis, dan memvisualisasikan tren pasar.

Peningkatan pemrosesan penipuan mencakup hasil pengujian luring

HSBC menggunakan GPU Engine milik Starburst Enterprise untuk mendukung wawasan nasabah yang hampir waktu nyata dan pengambilan keputusan sesuai permintaan, sekaligus meminimalkan risiko dan penipuan. NVIDIA melaporkan pemrosesan data lima kali lebih cepat.

Hasil Stripe secara eksplisit terbatas pada pengujian luring. NVIDIA menyatakan bahwa Ray Data yang dipercepat GPU menghasilkan jalur pemrosesan data 42 kali lebih cepat dan penghematan biaya sebesar 92% untuk platform pendeteksian penipuan Stripe Radar dalam pengujian tersebut. Peningkatan yang dilaporkan berkaitan dengan jalur pemrosesan data pembelajaran mesin, bukan peningkatan terukur dalam akurasi pendeteksian penipuan.

Baca Berita Lainnya

Berita FinanceVelix lainnya

Penafian

Artikel FinanceVelix ini memberikan informasi umum, bukan nasihat keuangan, investasi, hukum, atau pajak yang dipersonalisasi. Harga pasar, suku bunga, dan kondisi ekonomi dapat berubah; investasi mengandung risiko kerugian. Fakta mencerminkan materi yang tersedia saat diterbitkan dan dapat berubah. Periksa informasi penting secara mandiri dan konsultasikan dengan profesional berkualifikasi jika diperlukan. Penyebutan aset, perusahaan, atau layanan bukan merupakan bentuk dukungan.