22 października podczas GTC Berlin NVIDIA poinformowała, że Revolut skaluje swój model bazowy PRAGMA w środowisku produkcyjnym, początkowo dla 80 milionów klientów. Pozostałe projekty obejmują modele należące do banków, obsługę płatności i przyspieszone przetwarzanie danych — od działających systemów po prace rozwojowe i testy offline.

Najważniejsze informacje

  • PRAGMA Revolut obsługuje początkowo 80 milionów klientów i został zaprojektowany z myślą o skalowaniu do trzykrotnie większej liczby.
  • Banki i dostawcy usług płatniczych rozwijają własne rozwiązania oparte na ich danych, modelach z otwartymi wagami i przyspieszonej infrastrukturze.
  • NVIDIA poinformowała o znacznym wzroście wydajności przetwarzania. W offline’owych testach Stripe uzyskał 42-krotnie szybsze potoki przetwarzania i obniżenie kosztów o 92%.

Spis treści

Finansowa AI w Europie trafia do środowiska produkcyjnego

Revolut przebudowuje swój stos technologiczny wokół PRAGMA jako jednego modelu bazowego. Według NVIDIA bank wykorzystuje zestaw narzędzi cuDF oraz oprogramowanie Dynamo-Triton na procesorach graficznych Blackwell Ultra, aby skalować system w środowisku produkcyjnym. Deklarowana zdolność do trzykrotnego skalowania jest celem inżynieryjnym, a nie informacją o zwiększeniu obecnej bazy klientów.

W ogłoszeniu zwrócono również uwagę na instytucje tworzące rozwiązania oparte na własnych danych transakcyjnych. Starling Bank opracował Starling Intelligence — warstwę stanowiącą podstawę jego możliwości AI — w brytyjskiej chmurze Civo, wykorzystując dane transakcyjne banku. NVIDIA określiła Starling jako pierwszy bank, który wytrenował model agentowy na brytyjskiej suwerennej infrastrukturze chmurowej.

Lloyds Banking Group opracował ATUM, model bazowy transakcji, który przekształca miliardy transakcji bankowych w inteligencję wielokrotnego użytku. NVIDIA poinformowała, że procesory graficzne RTX PRO 6000 Blackwell przyspieszają działanie modelu, który zwiększa wydajność w zastosowaniach obejmujących cały bank. Niezależnie od tego SBS uruchomił suwerenną platformę inteligencji bankowej, zaprojektowaną tak, by banki mogły korzystać z modeli generatywnych i agentowych bez przesyłania danych poza własną infrastrukturę.

Otwarte modele wspierają asystentów i wyspecjalizowane zastosowania

Asystent Finn neobanku bunq działa obecnie na modelach z otwartymi wagami. NVIDIA poinformowała, że wdrożenie na platformie Nebius zapewnia jakość dorównującą wiodącym modelom zamkniętym przy koszcie jednej odpowiedzi wynoszącym 60% kosztu w przypadku tych modeli. Wartość ta opisuje koszt względny, a nie jego obniżenie o 60%.

Inne projekty są nadal w fazie rozwoju. NatWest tworzy technologię rozpoznawania mowy zaprojektowaną do rozpoznawania brytyjskich akcentów, dialektów i terminologii finansowej, wykorzystując modele mowy NVIDIA, w tym Nemotron 3.5 ASR. Modulr opracowuje wyspecjalizowane modele do różnych operacji płatniczych na bazie otwartego modelu Nemotron-3-Ultra-550B.

Santander jest jednym z pierwszych użytkowników nowej rodziny otwartych modeli bazowych Kumo firmy NVIDIA przeznaczonych do ustrukturyzowanych danych finansowych. Bank wykorzystuje te modele do tworzenia wyspecjalizowanych rozwiązań dla podstawowych procesów bankowych.

Szybsze narzędzia do analizy danych w badaniach finansowych

LSEG współpracuje z NVIDIA, aby pomóc instytucjom finansowym analizować duże wolumeny historycznych danych tickowych nawet 10 razy szybciej. W ramach prac wykorzystywany jest silnik GPU Polars, przyspieszany przez cuDF na procesorach graficznych RTX PRO 6000 Blackwell.

RavenPack zbudował na Bigdata.com potok generowania zbiorów danych, wykorzystując dostrojony model NVIDIA Nemotron. Przyjmuje on hipotezę badawczą sformułowaną prostym językiem i zwraca oznaczony zbiór danych gotowy do testów wstecznych. Inwestorzy mogą go używać do identyfikowania, analizowania i wizualizowania trendów rynkowych.

Korzyści z przetwarzania danych na potrzeby wykrywania oszustw, w tym wyniki testów offline

HSBC korzysta z silnika GPU w Starburst Enterprise, aby zapewnić niemal natychmiastowy wgląd w sytuację klientów i podejmować decyzje na żądanie, jednocześnie minimalizując ryzyko i oszustwa. NVIDIA poinformowała o pięciokrotnie szybszym przetwarzaniu danych.

Wyniki Stripe dotyczyły wyłącznie testów offline. NVIDIA poinformowała, że w tych testach rozwiązanie Ray Data przyspieszone przez GPU zapewniło 42-krotnie szybsze potoki przetwarzania danych i obniżenie kosztów o 92% w przypadku platformy wykrywania oszustw Stripe Radar. Podane korzyści dotyczą potoków danych wykorzystywanych w uczeniu maszynowym, a nie określonej liczbowo poprawy dokładności wykrywania oszustw.

Czytaj więcej wiadomości

Więcej wiadomości FinanceVelix

Zastrzeżenie

Ten artykuł FinanceVelix zawiera ogólne informacje i nie stanowi spersonalizowanej porady finansowej, inwestycyjnej, prawnej ani podatkowej. Ceny rynkowe, stopy procentowe i warunki gospodarcze mogą się zmieniać; inwestycje wiążą się z ryzykiem straty. Przedstawione informacje odzwierciedlają materiały dostępne w chwili publikacji i mogą ulec zmianie. Ważne informacje należy weryfikować niezależnie, a w razie potrzeby skonsultować się z wykwalifikowanym specjalistą. Wzmianka o aktywach, spółce lub usłudze nie stanowi rekomendacji.