A NVIDIA anunciou na GTC Berlin, em 22 de outubro, que a Revolut está ampliando a utilização do seu modelo fundacional PRAGMA em produção para um grupo inicial de 80 milhões de clientes. Outros projetos abrangem modelos próprios de bancos, operações de pagamento e processamento acelerado de dados, desde sistemas em operação até trabalhos em desenvolvimento e testes offline.
Principais conclusões
- O PRAGMA da Revolut atende a um grupo inicial de 80 milhões de clientes e foi projetado para escalar até três vezes esse patamar.
- Bancos e provedores de pagamento estão desenvolvendo inteligência proprietária com seus próprios dados, modelos de pesos abertos e infraestrutura acelerada.
- A NVIDIA informou ganhos substanciais de processamento, incluindo resultados de testes offline da Stripe com pipelines 42 vezes mais rápidos e economia de custos de 92%.
Índice
- IA financeira europeia passa à produção
- Modelos abertos dão suporte a assistentes e cargas de trabalho especializadas
- Pesquisa financeira ganha ferramentas de dados mais rápidas
- Ganhos no processamento de fraudes incluem resultados de testes offline
IA financeira europeia passa à produção
A Revolut está reconstruindo sua pilha tecnológica em torno do PRAGMA como um único modelo fundacional. Segundo a NVIDIA, o banco está usando o kit de ferramentas cuDF e o software Dynamo-Triton em GPUs Blackwell Ultra para ampliar o sistema em produção. A capacidade de expansão por um fator de três mencionada é uma meta de engenharia, não uma expansão informada da atual base de clientes.
O anúncio também destacou instituições que estão criando inteligência a partir de seus próprios registros de transações. O Starling Bank desenvolveu o Starling Intelligence, a camada que sustenta seus recursos de IA, na nuvem britânica da Civo, usando dados de transações do próprio banco. A NVIDIA descreveu o Starling como o primeiro banco a treinar um modelo agêntico em uma infraestrutura de nuvem soberana do Reino Unido.
O Lloyds Banking Group criou o ATUM, um modelo fundacional de transações que transforma bilhões de transações bancárias em inteligência reutilizável. A NVIDIA afirmou que GPUs RTX PRO 6000 Blackwell aceleram o modelo, que está aumentando a eficiência em aplicações em todo o banco. Separadamente, a SBS lançou uma plataforma soberana de inteligência bancária, projetada para permitir que os bancos executem modelos generativos e agênticos sem transferir dados para fora de seus próprios ambientes.
Modelos abertos dão suporte a assistentes e cargas de trabalho especializadas
O assistente Finn do neobanco bunq agora funciona com modelos de pesos abertos. Segundo a NVIDIA, sua implantação na Nebius iguala a qualidade dos principais modelos fechados a 60% do custo por resposta. Esse valor se refere ao custo relativo, e não a uma redução de custos de 60%.
Outros projetos ainda estão em desenvolvimento. O NatWest está criando uma tecnologia de voz projetada para reconhecer sotaques britânicos, dialetos e terminologia financeira com modelos de fala da NVIDIA, incluindo o Nemotron 3.5 ASR. A Modulr está desenvolvendo modelos especializados para diferentes operações de pagamento com base no modelo aberto Nemotron-3-Ultra-550B.
O Santander é um dos primeiros usuários da nova família de modelos fundacionais de pesos abertos Kumo, da NVIDIA, voltada a dados financeiros estruturados. A instituição está usando os modelos para criar inteligência especializada para cargas de trabalho bancárias essenciais.
Pesquisa financeira ganha ferramentas de dados mais rápidas
A LSEG está trabalhando com a NVIDIA para ajudar instituições financeiras a analisar grandes volumes de dados históricos de ticks até 10 vezes mais rápido. O trabalho utiliza o mecanismo de GPU Polars, acelerado pelo cuDF em GPUs RTX PRO 6000 Blackwell.
A RavenPack criou no Bigdata.com um pipeline de geração de conjuntos de dados usando um modelo NVIDIA Nemotron ajustado. O sistema recebe uma hipótese de pesquisa expressa em linguagem simples e retorna um conjunto de dados rotulado, pronto para backtesting, que os investidores podem usar para identificar, analisar e visualizar tendências de mercado.
Ganhos no processamento de fraudes incluem resultados de testes offline
O HSBC utiliza o GPU Engine da Starburst Enterprise para viabilizar insights sobre clientes quase em tempo real e decisões sob demanda, minimizando riscos e fraudes. A NVIDIA informou que o processamento de dados ficou cinco vezes mais rápido.
Os resultados da Stripe foram explicitamente limitados a testes offline. A NVIDIA afirmou que o Ray Data acelerado por GPU proporcionou pipelines de dados 42 vezes mais rápidos e economia de custos de 92% para a plataforma de detecção de fraudes Stripe Radar nesses testes. Os ganhos informados dizem respeito aos pipelines de dados de aprendizado de máquina, e não a uma melhoria quantificada na precisão da detecção de fraudes.
Leia mais notícias
Aviso legal
Este artigo da FinanceVelix fornece informações gerais, não aconselhamento financeiro, de investimento, jurídico ou tributário personalizado. Preços de mercado, taxas de juros e condições econômicas podem mudar; os investimentos envolvem risco de perda. Os fatos refletem o material disponível no momento da publicação e podem mudar. Verifique informações importantes de forma independente e consulte um profissional qualificado quando necessário. A menção a um ativo, empresa ou serviço não constitui endosso.
