英伟达GTC柏林：Revolut等欧洲金融机构用开放权重模型搭建自有机密智能
英伟达博客称，Revolut正以单一基础模型PRAGMA重建技术栈，初期服务8000万客户；bunq称开放权重模型达到闭源模型质量、单次回答成本为60%；Stripe在离线测试中称欺诈检测数据管道快42倍、成本降92%。
AI解读：英伟达在GTC柏林展示欧洲银行、支付公司和金融数据提供商使用开放权重模型、运行在自有基础设施上的生产级AI应用。
Revolut用英伟达cuDF工具包和Dynamo-Triton软件在Blackwell Ultra GPU上扩展PRAGMA，初期服务8000万客户，设计可扩展3倍；其AI负责人称该模型能跨领域处理海量交易。
Starling Bank称自己是首家在英国主权云基础设施上训练智能体模型的银行，用自身交易数据在Civo英国云上开发了Starling Intelligence。
劳埃德银行集团用RTX PRO 6000 Blackwell GPU构建交易基础模型ATUM；bunq的智能助手Finn改用开放权重模型，称在Nebius上部署后质量比肩领先闭源模型、单次回答成本为60%。
Stripe称在离线测试中，其Radar欺诈检测平台用GPU加速的Ray Data后数据管道快42倍、成本节省92%；LSEG称历史逐笔数据分析提速最高10倍。
上述性能与成本数字均为各公司或英伟达的说法，部分来自离线测试，未给出独立验证或生产环境效果数据。
英伟达博客在GTC柏林期间发文称，欧洲多家银行、支付公司和金融数据提供商正在用开放权重模型和英伟达加速计算，在自有基础设施上运行生产规模的AI系统。文章列举了Revolut、Starling Bank、劳埃德银行集团、bunq、NatWest、桑坦德、Stripe、LSEG等机构的用例，相关性能和成本数字由各公司或英伟达提供。
Revolut以单一基础模型PRAGMA重建技术栈
Revolut正在用单一基础模型PRAGMA重建其技术栈。英伟达称，Revolut使用NVIDIA cuDF工具包和Dynamo-Triton软件，在NVIDIA Blackwell Ultra GPU上于生产环境扩展PRAGMA，初期服务8000万客户，设计上可扩展至3倍。
Revolut AI负责人Pavel Nesterov在英伟达的稿件中表示，Revolut处理数十亿笔交易，问题一直在于基础模型能否在如此规模上跨领域运行，PRAGMA回答了这一点；他说该模型与英伟达合作构建，是研究突破与生产银行系统之间差距可以被弥合的最清晰证明。
多家银行自建模型与主权部署
Starling Bank称，它是首家在英国主权云基础设施上训练智能体模型的银行，在Civo的英国云上用该行自身交易数据开发了“Starling Intelligence”，作为支撑其AI能力的智能层。
劳埃德银行集团构建了交易基础模型ATUM，把数十亿笔银行交易转化为可复用的智能，使用NVIDIA RTX PRO 6000 Blackwell GPU加速，用于全行用例。SBS推出了银行主权智能平台，让银行在不把数据带出自身系统的前提下运行生成式和智能体模型。
NatWest正在开发能识别英国各地口音、方言和金融术语的技术，使用英伟达语音模型，包括Nemotron 3.5 ASR。Modulr基于英伟达Nemotron-3-Ultra-550B开放模型，为支付运营的不同环节构建专用模型。桑坦德是英伟达新Kumo系列结构化金融数据开放权重基础模型的早期采用者，用于为核心银行业务负载构建专用智能。
成本主张与数据加速数字
英伟达称，开放权重模型让欧洲金融机构能以可控制的成本，在自有数据上构建专有智能。数字银行bunq的智能助手Finn已改用开放权重模型，在英伟达加速计算上部署于Nebius，bunq称其质量达到领先闭源模型的水平，单次回答成本为后者的60%。
LSEG正与英伟达合作，借助NVIDIA RTX PRO 6000 Blackwell GPU上由cuDF加速的Polars GPU引擎，帮助金融机构以最高10倍的速度分析大量历史逐笔数据。RavenPack在Bigdata.com上构建数据集生成管道，基于微调的英伟达Nemotron模型，可将自然语言研究假设转化为带标签、可回测的数据集。
HSBC借助Starburst Enterprise GPU引擎实现5倍数据处理加速，提供近实时的客户洞察，用于客户流程和按需决策，同时降低风险与欺诈。Stripe称，在离线测试中，其Stripe Radar欺诈检测平台使用GPU加速的Ray Data后，数据管道快42倍、成本节省92%，使机器学习管道能持续优化模型训练。
英伟达表示，RTX PRO 6000 Blackwell服务器版GPU和cuDF可加速跨数TB级、孤立且受监管数据源的数据处理，缩短欺诈等场景从数据到决策的时间。