Європейські фінансові установи посилюють розробку власного ШІ на базі відкритих моделей та NVIDIA

На конференції GTC Berlin компанії з фінансового сектору, зокрема банки, платіжні системи та постачальники фінансових даних, демонструють реальні кейси впровадження рішень на базі ШІ. Ці рішення побудовані з використанням прискорених обчислень NVIDIA, працюють на відкритих моделях та розміщуються на власній інфраструктурі компаній.

Власні розробки

Revolut масштабує свою технологічну платформу на базі єдиної фундаментальної моделі PRAGMA. Використовуючи інструменти NVIDIA cuDF, програмне забезпечення Dynamo-Triton та графічні процесори NVIDIA Blackwell Ultra, Revolut розгортає PRAGMA для обслуговування 80 мільйонів клієнтів, з потенціалом зростання втричі.

«Revolut обробляє мільярди транзакцій, і можливість використання фундаментальних моделей для роботи в таких масштабах та в різних доменах завжди існувала. PRAGMA довела це», — зазначив Павел Нестеров, керівник відділу ШІ в Revolut. «Створена у співпраці з NVIDIA, ця розробка є найчіткішим доказом того, що проміжок між революційним дослідженням і готовою банківською системою можна скоротити».

Starling Bank став першим банком, який навчив агентну модель на суверенній хмарній інфраструктурі Великої Британії. «Starling Intelligence» — рівень інтелекту, що лежить в основі його можливостей ШІ — розроблено на хмарі Civo, використовуючи власні транзакційні дані банку.

Lloyds Banking Group розробив ATUM — фундаментальну модель транзакцій, яка перетворює мільярди банківських операцій на повторно використовувані інтелектуальні дані. Рішення прискорюється за допомогою графічних процесорів NVIDIA RTX PRO 6000 Blackwell, підвищуючи ефективність у банківських процесах.

SBS запустив суверенну платформу банківського інтелекту, що дозволяє банкам розгортати генеративні та агентні моделі, не виводячи власні дані за межі корпоративної мережі.

Відкриті моделі за нижчою ціною

Відкриті моделі надають європейським фінансовим установам можливість створювати власний унікальний інтелект на базі власних даних, контролюючи витрати. Прискорена обчислювальна платформа NVIDIA слугує основою для цих рішень.

Немобанк bunq тепер використовує агентного помічника Finn, що працює на відкритих моделях. Рішення, побудоване на прискорених обчисленнях NVIDIA та розгорнуте на платформі Nebius, досягає якості провідних закритих моделей за 60% вартості одного запиту.

NatWest розробляє технологію для розпізнавання всього спектра британських акцентів, діалектів та фінансової термінології, використовуючи мовні моделі NVIDIA, включаючи Nemotron 3.5 ASR.

Modulr створює спеціалізовані моделі для різних напрямків платіжних операцій на основі відкритої моделі NVIDIA Nemotron-3-Ultra-550B.

Santander є одним із перших користувачів нового сімейства відкритих фундаментальних моделей NVIDIA Kumo для структурованих фінансових даних, використовуючи їх для створення спеціалізованого інтелекту для ключових банківських завдань.

Прискорені обчислення трансформують фінансові дослідження

LSEG співпрацює з NVIDIA для аналізу великих обсягів історичних тикових даних до 10 разів швидше, використовуючи двигун Polars GPU, що працює на NVIDIA RTX PRO 6000 Blackwell GPUs та прискорюється за допомогою NVIDIA cuDF.

RavenPack створив конвеєр генерації даних на Bigdata.com, який перетворює дослідницьку гіпотезу, сформульовану звичайною мовою, на позначений набір даних, готовий до бектестингу. Рішення працює на доналаштованій моделі NVIDIA Nemotron, дозволяючи інвесторам ідентифікувати, аналізувати та візуалізувати ринкові тренди.

Прискорення конвеєрів даних для покращення виявлення шахрайства

Графічні процесори RTX PRO 6000 Blackwell Server Edition та NVIDIA cuDF допомагають прискорити обробку даних з різнорідних, регульованих джерел обсягом у багато терабайтів, скорочуючи час від отримання даних до прийняття рішення у випадках виявлення шахрайства та інших сценаріях.

HSBC надає дані про клієнтів майже в реальному часі, що підтримують клієнтські процеси та прийняття рішень за запитом, мінімізуючи ризики та шахрайство. Це стало можливим завдяки прискоренню обробки даних у 5 разів на GPU Engine платформи Starburst Enterprise.

Stripe, глобальний провайдер програмованих фінансових послуг, зафіксував прискорення конвеєрів даних у 42 рази та економію витрат у 92% для своєї платформи виявлення шахрайства Stripe Radar під час офлайн-тестування з використанням NVIDIA GPU-прискореного Ray Data. Це дозволяє конвеєрам машинного навчання Stripe Radar безперервно оптимізувати навчання моделей та покращувати виявлення шахрайства.

джерело: NVIDIA