欧洲领先金融服务机构采用开放模型构建专有智能

在一份日期为2026年10月22日的材料中，NVIDIA介绍了欧洲金融行业的多项部署案例，推动开放权重模型和加速计算进入生产环境。案例覆盖银行、支付、金融研究和欺诈检测，其共同点包括本地运营的基础设施、自有交易数据，以及需要大规模数据处理的工作负载。

Revolut将单一基础模型用于核心银行业务

Revolut正围绕PRAGMA重塑其技术栈。PRAGMA是与NVIDIA合作开发的基础模型，运行在NVIDIA加速计算平台上，使用cuDF工具包和Dynamo-Triton软件，并部署于NVIDIA Blackwell Ultra GPU。

据NVIDIA称，PRAGMA目前正按首批8000万客户的规模进行扩展，并按照可承载该规模3倍容量的标准进行工程设计。Revolut人工智能负责人Pavel Nesterov表示，该银行处理数十亿笔交易，需要一种能够应对如此交易量和多个业务领域的基础模型。

其更广泛的意义并不只是采用更大的模型。Revolut将模型开发与生产基础设施相结合，使金融机构能够掌控部署环境，同时将统一智能层应用于高吞吐量的银行业务。

欧洲银行基于自有数据构建专有智能

多家机构正以开放权重模型为基础，使用自有数据训练或适配相关系统：

• Starling Bank开发了“Starling Intelligence”，用于支撑其AI能力的智能层。NVIDIA称，Starling是首家在英国主权云基础设施上训练智能体模型的银行。该模型使用银行自有交易数据，在Civo的英国云环境中完成训练。
• Lloyds Banking Group构建了ATUM，这是一款交易基础模型，旨在将数十亿笔银行交易转化为可复用的智能。NVIDIA使用RTX PRO 6000 Blackwell GPU为该项目提供加速支持，同时该模型正应用于提升全行各类用例的效率。
• SBS推出主权智能平台，旨在让银行无须将数据移出自身边界，即可运行生成式模型和智能体模型。

这些部署案例表明，开放权重模型可以帮助机构构建专有能力，而不完全依赖封闭的外部模型服务。它们还显示，金融AI正从通用型助手转向与交易历史和银行工作流直接相连的模型。

开放模型延伸至客户服务、语音和支付

相关应用已超越交易分析。新型银行bunq的智能体助手Finn通过Nebius部署的开放权重模型运行。NVIDIA称，该部署方案的质量与领先的闭源模型相当，同时将单次回答成本降至这些替代方案的60%。

NatWest正在开发相关技术，用于识别英国各类口音、方言和金融术语，其中使用了包含Nemotron 3.5 ASR的NVIDIA语音模型。对地区差异的重视，反映了处理自然语言客户交互的系统所面临的一项现实需求。

Modulr正使用NVIDIA的开放模型Nemotron-3-Ultra-550B，针对支付运营的具体环节开发专用模型。Santander是NVIDIA Kumo系列在结构化金融数据领域的早期采用者，目标是为核心银行工作负载创建专用智能。

金融研究更加依赖密集型数据处理

LSEG正与NVIDIA合作开发基于GPU加速的Polars引擎，用于分析历史逐笔行情数据。该实现结合cuDF与RTX PRO 6000 Blackwell GPU，据NVIDIA称，旨在将大规模分析处理速度最高提升10倍。

RavenPack还基于Bigdata.com构建了一套数据集生成管道。它接受以自然语言表述的研究假设，使用经过微调的NVIDIA Nemotron模型，返回带标签且可直接用于回测的数据集。该管道为投资者提供了一条路径，可将定性的市场问题转化为能够分析、测试和可视化的结构化数据。

欺诈检测更加依赖数据管道速度

欺诈防护带来了另一类高吞吐量工作负载。NVIDIA将RTX PRO 6000 Blackwell Server Edition GPU和cuDF定位为能够加速处理多TB级、彼此隔离且受监管数据源的工具，从而缩短从接收数据到作出决策之间的时间。

HSBC利用加速处理，在客户流程和按需决策中提供近实时客户洞察，同时寻求降低风险和欺诈。其工作流运行在Starburst Enterprise的GPU Engine上，NVIDIA称，该引擎处理数据的速度快5倍。

Stripe已测试NVIDIA GPU加速版Ray Data，用于Radar欺诈检测平台背后的数据管道。NVIDIA称，离线测试中的管道运行速度达到42倍，成本降低92%。这些数字仅适用于受测的离线环境，不能视为适用于所有生产环境的通用保证。

技术的适用方向及部署要求

这些案例体现了若干实际用例：

• 交易智能：将大量交易历史转化为可用于银行运营的可复用信号。
• 客户交互：支持智能体助手，以及适用于不同地区口音和金融术语的语音识别。
• 专用支付工作流：将通用开放模型适配到各项具体运营任务。
• 研究自动化：根据自然语言假设生成结构化、可回测的数据集。
• 欺诈与风险运营：加速数据准备和模型训练管道，降低决策延迟。

开放权重并不意味着可以免去部署工作。Starling、Revolut和SBS的案例均依赖专用云环境或计算环境，其效益取决于能否获取专有数据、合适的加速硬件以及模型开发专长。主权部署可以将数据保留在机构掌控的环境中，但也会使基础设施选型、优化和治理成为实施工作的组成部分。

材料中的性能和成本数据也应被视为供应商报告的结果。NVIDIA展示了Revolut、LSEG、HSBC和Stripe所取得的显著提升，但该来源未提供独立验证，也未证明相同结果适用于其他模型、数据集或硬件配置。尽管如此，这些部署案例的广度仍标志着一种切实转变：欧洲金融机构开始将开放权重基础模型用作运营基础设施，而不再将其局限于孤立的演示项目中。

资料来源：Leading European Financial Services Organizations Embrace Open Models to Build Proprietary Intelligence（2026-10-22）。