Il 22 ottobre, al GTC Berlin, NVIDIA ha annunciato che Revolut sta ampliando l’impiego in produzione del suo modello fondazionale PRAGMA, inizialmente per 80 milioni di clienti. Altri progetti riguardano modelli sviluppati dalle banche, le operazioni di pagamento e l’elaborazione accelerata dei dati, con attività che vanno da sistemi già operativi a lavori di sviluppo e test offline.

Punti chiave

  • PRAGMA di Revolut serve inizialmente 80 milioni di clienti ed è progettato per scalare fino a tre volte tale livello.
  • Banche e fornitori di servizi di pagamento stanno sviluppando soluzioni proprietarie di intelligenza artificiale usando i propri dati, modelli open-weight e infrastrutture accelerate.
  • NVIDIA ha riferito notevoli incrementi nella velocità di elaborazione, tra cui i risultati dei test offline di Stripe: pipeline 42 volte più veloci e risparmi sui costi del 92%.

Indice

L’IA finanziaria europea passa alla produzione

Revolut sta ricostruendo il proprio stack tecnologico attorno a PRAGMA, un unico modello fondazionale. Secondo NVIDIA, la banca utilizza il toolkit cuDF e il software Dynamo-Triton sulle GPU Blackwell Ultra per scalare il sistema in produzione. La capacità dichiarata di scalare di tre volte rappresenta un obiettivo ingegneristico, non un’espansione già registrata dell’attuale base clienti.

L’annuncio ha inoltre messo in evidenza istituzioni che sviluppano sistemi di intelligenza artificiale usando i propri dati transazionali. Starling Bank ha sviluppato Starling Intelligence, il livello alla base delle sue funzionalità di IA, sul cloud britannico di Civo utilizzando i dati transazionali della banca. NVIDIA ha definito Starling la prima banca ad addestrare un modello agentico su un’infrastruttura cloud sovrana del Regno Unito.

Lloyds Banking Group ha realizzato ATUM, un modello fondazionale per le transazioni che trasforma miliardi di operazioni bancarie in un’intelligenza riutilizzabile. NVIDIA ha dichiarato che le GPU RTX PRO 6000 Blackwell accelerano il modello, che sta migliorando l’efficienza in applicazioni estese a tutta la banca. Separatamente, SBS ha lanciato una piattaforma sovrana di intelligenza bancaria, progettata per consentire alle banche di eseguire modelli generativi e agentici senza trasferire i dati al di fuori dei propri sistemi.

I modelli aperti supportano gli assistenti e i carichi di lavoro specializzati

L’assistente Finn della neobanca bunq ora funziona con modelli open-weight. NVIDIA ha dichiarato che la sua implementazione su Nebius eguaglia la qualità dei principali modelli chiusi al 60% del costo per risposta. Questa cifra indica il costo relativo, non una riduzione dei costi del 60%.

Altri progetti sono ancora in fase di sviluppo. NatWest sta sviluppando una tecnologia vocale progettata per riconoscere gli accenti e i dialetti britannici e la terminologia finanziaria, usando modelli vocali NVIDIA, tra cui Nemotron 3.5 ASR. Modulr sta sviluppando modelli specializzati per diverse operazioni di pagamento basati sul modello aperto Nemotron-3-Ultra-550B.

Santander è tra i primi adottanti della nuova famiglia Kumo di modelli fondazionali open-weight di NVIDIA per dati finanziari strutturati. La banca li utilizza per sviluppare soluzioni di intelligenza specializzate per le attività bancarie essenziali.

Nuovi strumenti per accelerare l’analisi dei dati nella ricerca finanziaria

LSEG collabora con NVIDIA per aiutare gli istituti finanziari ad analizzare grandi volumi di dati storici tick fino a 10 volte più velocemente. Il lavoro utilizza il motore GPU Polars, accelerato da cuDF sulle GPU RTX PRO 6000 Blackwell.

RavenPack ha realizzato su Bigdata.com una pipeline per la generazione di dataset basata su un modello NVIDIA Nemotron ottimizzato. Il sistema riceve un’ipotesi di ricerca espressa in linguaggio naturale e restituisce un dataset etichettato, pronto per il backtesting, che gli investitori possono usare per individuare, analizzare e visualizzare le tendenze di mercato.

I progressi nell’elaborazione antifrode includono risultati di test offline

HSBC utilizza il GPU Engine di Starburst Enterprise per supportare analisi sui clienti quasi in tempo reale e decisioni su richiesta, riducendo al minimo rischi e frodi. NVIDIA ha riferito che l’elaborazione dei dati è cinque volte più veloce.

I risultati di Stripe riguardavano esplicitamente test offline. NVIDIA ha dichiarato che, in tali test, Ray Data con accelerazione GPU ha fornito pipeline di dati 42 volte più veloci e risparmi sui costi del 92% per la piattaforma antifrode Stripe Radar. I progressi riportati riguardano le pipeline di dati per il machine learning, non un miglioramento quantificato della precisione nel rilevamento delle frodi.

Leggi altre notizie

Altre notizie di FinanceVelix

Avvertenza

Questo articolo di FinanceVelix fornisce informazioni generali e non costituisce consulenza finanziaria, d’investimento, legale o fiscale personalizzata. I prezzi di mercato, i tassi d’interesse e le condizioni economiche possono cambiare; gli investimenti comportano il rischio di perdita. I fatti riflettono le informazioni disponibili al momento della pubblicazione e possono cambiare. Verifica autonomamente le informazioni importanti e, se necessario, consulta un professionista qualificato. La menzione di un’attività, di una società o di un servizio non costituisce un’approvazione.