金融机构转向交易基础模型：从碎片化AI走向统一智能
2026/06/02 14:00阅读量 2
金融机构正从任务特定模型转向基于transformer的交易基础模型，在自有交易数据上训练统一表示，显著提升欺诈检测、信用评分等场景表现。NVIDIA联合Revolut、Mastercard、Adyen等实践已验证有效性，并发布开发者示例降低部署门槛。
事件概述
NVIDIA在最新报告中指出，传统金融机构使用的任务特定AI模型（如欺诈检测、信用评分等）造成数据孤岛，难以形成对消费者金融行为的统一理解。随着企业数据增长，这种碎片化架构正成为AI规模化应用的瓶颈。
核心方向：交易基础模型
交易基础模型是基于transformer的大规模AI系统，在数十亿笔金融事件（支付、转账、产品交互、行为信号）上训练，能够从上下文（时间、设备、地点、历史行为）中理解交易含义。例如，凌晨支付行为需结合“是否10分钟内第四次”“是否陌生设备”“是否从未交易过的城市”等因素综合判断。这种上下文建模能力使其跨任务表现优于传统单一模型。
关键案例
- Revolut：与NVIDIA合作推出PRAGMA模型家族，在26亿事件、2600万用户记录（覆盖100+国家）上训练，基于NVIDIA Hopper GPU、cuDF库和Nemotron开源模型。在信用评分、欺诈检测、产品推荐等场景超越强任务特定模型，且无需特征工程。
- Mastercard：正在开发专有大型表格基础模型，训练于数十亿匿名交易，计划扩展至数千亿（含欺诈、授权、退货、商户位置、忠诚度数据）。早期测试显示优于传统机器学习，应用于网络安全、欺诈检测、个性化推荐等。
- Adyen：大规模部署交易基础模型处理1万亿美元支付，结合强化学习最大化转化率和降低风险。授权率提升0.1%即可创造巨大增量价值。
- Stripe：使用NVIDIA与AWS平台构建模型，去年阻止近1120亿美元欺诈，平均欺诈率降低38%。
开发者支持与生态合作
NVIDIA发布“Build Your Own Transaction Foundation Model”开发者示例，支持在AWS（Amazon SageMaker HyperPod）和Nebius AI Cloud上部署。合作伙伴包括EXL、Infosys、GFT IT Consulting、Thoughtworks等，帮助金融机构整合至现有系统。其中GFT的Wynxx平台和Smaragd合规引擎已集成该模型，Smaragd可减少高达75%的误报。