NVIDIA thông báo tại GTC Berlin ngày 22 tháng 10 rằng Revolut đang mở rộng mô hình nền tảng PRAGMA trong hoạt động thực tế, ban đầu phục vụ 80 triệu khách hàng. Các dự án khác bao gồm mô hình do ngân hàng sở hữu, hoạt động thanh toán và xử lý dữ liệu tăng tốc, với phạm vi từ các hệ thống đang vận hành đến công việc phát triển và thử nghiệm ngoại tuyến.

Điểm chính

  • PRAGMA của Revolut đang phục vụ 80 triệu khách hàng ban đầu và được thiết kế để mở rộng quy mô lên gấp ba lần mức đó.
  • Các ngân hàng và nhà cung cấp dịch vụ thanh toán đang phát triển năng lực trí tuệ độc quyền bằng dữ liệu riêng, mô hình có trọng số mở và hạ tầng tăng tốc.
  • NVIDIA cho biết đã ghi nhận mức cải thiện đáng kể về xử lý, trong đó kết quả thử nghiệm ngoại tuyến của Stripe cho thấy quy trình nhanh hơn 42 lần và tiết kiệm 92% chi phí.

Mục lục

AI tài chính châu Âu được đưa vào vận hành

Revolut đang tái thiết ngăn xếp công nghệ xoay quanh PRAGMA, một mô hình nền tảng duy nhất. Theo NVIDIA, ngân hàng này đang sử dụng bộ công cụ cuDF và phần mềm Dynamo-Triton trên GPU Blackwell Ultra để mở rộng hệ thống trong hoạt động thực tế. Khả năng mở rộng gấp ba lần được nêu là mục tiêu kỹ thuật, không phải thông tin cho biết cơ sở khách hàng hiện tại đã tăng lên.

Thông báo cũng nhấn mạnh các tổ chức đang xây dựng năng lực trí tuệ từ dữ liệu giao dịch của chính mình. Starling Bank phát triển Starling Intelligence, lớp nền tảng cho các năng lực AI của ngân hàng, trên đám mây tại Anh của Civo bằng dữ liệu giao dịch của ngân hàng. NVIDIA mô tả Starling là ngân hàng đầu tiên huấn luyện một mô hình tác nhân trên hạ tầng đám mây có chủ quyền của Vương quốc Anh.

Lloyds Banking Group xây dựng ATUM, một mô hình nền tảng giao dịch biến hàng tỷ giao dịch ngân hàng thành năng lực trí tuệ có thể tái sử dụng. NVIDIA cho biết GPU RTX PRO 6000 Blackwell giúp tăng tốc mô hình, qua đó cải thiện hiệu quả trong các trường hợp sử dụng trên toàn ngân hàng. Riêng SBS đã ra mắt một nền tảng trí tuệ ngân hàng có chủ quyền, được thiết kế để cho phép các ngân hàng chạy mô hình tạo sinh và mô hình tác nhân mà không phải chuyển dữ liệu ra ngoài phạm vi nội bộ của mình.

Mô hình mở hỗ trợ trợ lý và khối lượng công việc chuyên biệt

Trợ lý Finn của ngân hàng số bunq hiện chạy trên các mô hình có trọng số mở. NVIDIA cho biết việc triển khai trên Nebius đạt chất lượng ngang với các mô hình đóng hàng đầu, với chi phí cho mỗi câu trả lời bằng 60% mức chi phí đó. Con số này mô tả chi phí tương đối, không phải mức giảm chi phí 60%.

Các dự án khác vẫn đang trong giai đoạn phát triển. NatWest đang xây dựng công nghệ giọng nói được thiết kế để nhận diện giọng Anh, phương ngữ và thuật ngữ tài chính bằng các mô hình giọng nói của NVIDIA, trong đó có Nemotron 3.5 ASR. Modulr đang phát triển các mô hình chuyên biệt cho những hoạt động thanh toán khác nhau dựa trên mô hình mở Nemotron-3-Ultra-550B.

Santander là một trong những đơn vị đầu tiên áp dụng dòng mô hình nền tảng mới Kumo của NVIDIA, gồm các mô hình có trọng số mở dành cho dữ liệu tài chính có cấu trúc. Ngân hàng đang sử dụng các mô hình này để xây dựng năng lực trí tuệ chuyên biệt cho những khối lượng công việc cốt lõi trong lĩnh vực ngân hàng.

Nghiên cứu tài chính có công cụ dữ liệu nhanh hơn

LSEG đang hợp tác với NVIDIA để giúp các tổ chức tài chính phân tích khối lượng lớn dữ liệu tick lịch sử nhanh hơn tới 10 lần. Công việc này sử dụng công cụ GPU Polars, được tăng tốc bằng cuDF trên GPU RTX PRO 6000 Blackwell.

RavenPack đã xây dựng một quy trình tạo tập dữ liệu trên Bigdata.com bằng mô hình NVIDIA Nemotron được tinh chỉnh. Quy trình này tiếp nhận giả thuyết nghiên cứu được diễn đạt bằng ngôn ngữ thông thường và tạo ra tập dữ liệu đã gắn nhãn, sẵn sàng cho kiểm định ngược; nhà đầu tư có thể dùng tập dữ liệu đó để nhận diện, phân tích và trực quan hóa xu hướng thị trường.

Cải thiện xử lý gian lận bao gồm kết quả thử nghiệm ngoại tuyến

HSBC sử dụng GPU Engine của Starburst Enterprise để hỗ trợ thông tin chuyên sâu gần như theo thời gian thực về khách hàng và khả năng ra quyết định theo yêu cầu, đồng thời giảm thiểu rủi ro và gian lận. NVIDIA cho biết tốc độ xử lý dữ liệu nhanh hơn gấp năm lần.

Kết quả của Stripe được nêu rõ là chỉ giới hạn ở thử nghiệm ngoại tuyến. NVIDIA cho biết Ray Data tăng tốc bằng GPU đã giúp các quy trình dữ liệu của nền tảng phát hiện gian lận Stripe Radar nhanh hơn 42 lần và tiết kiệm 92% chi phí trong các thử nghiệm đó. Mức cải thiện được báo cáo liên quan đến quy trình dữ liệu học máy, chứ không phải mức cải thiện định lượng về độ chính xác trong phát hiện gian lận.

Đọc thêm tin tức

Tin tức khác từ FinanceVelix

Tuyên bố miễn trừ trách nhiệm

Bài viết FinanceVelix này cung cấp thông tin chung, không phải lời khuyên được cá nhân hóa về tài chính, đầu tư, pháp lý hoặc thuế. Giá thị trường, lãi suất và điều kiện kinh tế có thể thay đổi; các khoản đầu tư tiềm ẩn rủi ro thua lỗ. Các dữ kiện phản ánh tài liệu có sẵn tại thời điểm xuất bản và có thể thay đổi. Hãy tự kiểm chứng thông tin quan trọng và tham khảo chuyên gia đủ năng lực khi cần. Việc nhắc đến một tài sản, công ty hoặc dịch vụ không đồng nghĩa với sự chứng thực.