金融机构转向交易基础模型构建自有智能

金融机构长期以来都在构建 AI：欺诈模型、信用模型、推荐引擎和风险系统。这些针对特定任务设计的模型虽然有效，但也受到了孤岛系统的限制。

孤岛系统阻碍了机构对消费者金融行为形成统一理解。随着企业数据集不断增长，机构所知晓的与其 AI 所能推理的之间的差距也在扩大——这为行业利用专有数据构建智能创造了重大机遇。

NVIDIA 的《2026 年金融服务 AI 状况》报告显示，65% 的机构现在使用 AI，近 90% 正在部署或评估，几乎所有机构都维持或增加了投入。但随着 AI 规模化，复杂性也在增加，碎片化的模型架构成为了制约因素。

领先企业正通过重新思考架构本身来应对这一挑战。过去行业依赖为每个业务线量身定制的统计和机器学习算法，而现在基于 Transformer 的交易基础模型使得可以学习一个单一、统一的消费者行为表征，完全使用专有数据进行训练。

交易基础模型是大型 AI 系统，训练于数十亿个金融事件——如支付、转账、产品交互和行为信号——将原始数据转化为智能，帮助企业更好地服务客户。

这一转变是结构性的。传统的欺诈模型评估孤立的信号。而基础模型则结合上下文解读行为，其中时间、设备、位置和过往活动塑造了含义。更重要的是，它将 Transformer 架构的强大能力带到了表格数据上，提取出传统算法之前无法察觉的信号。

一次午夜支付，如果是 10 分钟内的第四次，发生在一台陌生设备上，且位于客户从未交易过的城市，那么它的含义就完全不同。这种上下文深度提升了跨任务的性能，而不仅仅是单个任务。

与 NVIDIA 合作，Revolut 构建了 PRAGMA——一个基于 Transformer 的基础模型家族，训练于 240 亿个事件，涵盖超过 100 个国家的 2600 万用户记录。它由 NVIDIA 的完整 AI 堆栈支持——包括 NVIDIA Hopper GPU、NVIDIA cuDF 库和 NVIDIA Nemotron 开放模型——运行在 Nebius 云上。单个基础模型在信用评分、欺诈检测和产品推荐等领域超越了强大的任务专用模型，同时减少了对人工特征工程的依赖。

Revolut 集团信用数据科学负责人 Tadas Kriščiūnas 表示：“特征工程从几周甚至几个月缩短到不需要任何时间。”

现在任何机构都可以使用 NVIDIA 新的“构建你自己的交易基础模型”开发者示例来采用这种方法，它使团队能够在表格交易数据上开始构建 Transformer 嵌入——集成到现有管道中，无需从头重建。

碎片化的代价

问题不在于今天的模型，而在于发展趋势。每个新用例都增加一个新模型。每个新市场都需要重新训练。无法共享上下文的模型会留下价值。

Mastercard 正在开发一个专有的大型支付表格基础模型，训练于当前数十亿笔匿名交易，并设计为扩展到数千亿笔，涵盖欺诈、授权、退单、商户位置和忠诚度数据等其他数据集。

该模型由 NVIDIA、AWS 和 Databricks 的能力构建——包括 NVIDIA NeMo AutoModel 开放库（属于 NVIDIA NeMo 框架）和加速计算——旨在减少跨市场、客户和用例对大量 AI 模型的依赖。早期测试显示其优于标准机器学习技术，在网络安全、欺诈检测、忠诚度、个性化、投资组合优化和分析方面具有应用前景。

Adyen 也已大规模部署交易基础模型，处理了 1 万亿美元的支付。通过强化学习，Adyen 最大化转化率并最小化商家风险。

Adyen 首席 AI 产品经理 Dhruv Ghulati 说：“即使是 0.1% 的授权率提升，也能转化为巨大的增量商品交易总额和可观的成本削减。”

面向智能体商务的语义层

42% 的金融机构已经在使用或评估智能体 AI。随着这些系统开始执行交易——如管理订阅、路由支付和执行购买——金融行为的本质正在发生变化。

Stripe 正在使用 NVIDIA 和 AWS 平台构建能够理解交易行为完整上下文的基础模型，而不是对单个信号做出反应——去年阻止了近 1120 亿美元的欺诈，平均欺诈率降低了 38%。

交易数据是竞争对手无法复制的专有历史。数据已经存在。架构已被验证。基础设施已经就绪。

通过生态系统合作伙伴扩展

“构建你自己的交易基础模型”开发者示例可供客户在 Amazon Web Services (AWS) 上运行，部署于 Amazon SageMaker HyperPod，以及由 NVIDIA 加速计算驱动的 Nebius AI Cloud。

Nebius AI Cloud 支持完整的交易基础模型生命周期——从部署开发者示例到多节点训练，再到 Token Factory 上的托管推理——全部由 NVIDIA 加速计算驱动。

金融服务公司还可以与合作伙伴 EXL、Infosys、GFT IT Consulting 和 Thoughtworks 合作，将开发者示例应用于其特定用例。

EXL 正在将交易基础模型集成到其 EXLerate.ai 平台中，将孤立的金融数据统一为基于专有交易数据的可扩展企业智能层。与 NVIDIA 合作，EXL 正在利用这一架构帮助金融机构加速模型开发、增强上下文决策并大规模运营智能体 AI。

Thoughtworks 正在帮助金融机构在复杂的银行环境中运营交易基础模型，将其集成到支付、服务和风险管理中，同时建立必要的治理和 AI 运营模型。该公司将在即将于 6 月 17 日举行的 AWS 纽约峰会上展示关于交易基础模型的演示和演讲。

GFT IT Consulting 正在将交易基础模型集成到其旗舰解决方案中：Wynxx（一个被超过 100 家金融机构用于信用风险等安全 AI 采用的智能体 AI 平台）和 Smaragd（一个将主要银行误报率降低高达 75% 的合规引擎）。

---

原文链接：NVIDIA AI Blog
本文由前途科技编辑整理