为什么金融机构正在汇聚于交易基础模型以构建自身智能
金融机构长期依赖碎片化的AI模型（如欺诈检测、信贷评估等），但这些模型受限于孤立系统，无法形成统一的消费者金融行为理解。NVIDIA报告显示65%的机构已采用AI，但模型复杂度成为瓶颈。领先企业正转向基于Transformer的交易基础模型，通过统一表示学习提升跨任务性能，如Revolut的PRAGMA模型在信贷、欺诈等领域超越专门模型。NVIDIA推出“构建自有交易基础模型”开发者示例，助力机构利用专有数据开发智能。
金融机构多年来一直致力于构建AI系统，包括欺诈模型、信用模型、推荐引擎和风险系统。尽管这些针对特定任务的模型群组曾经有效，但孤立的系统架构限制了其潜力。孤立系统阻碍了机构对消费者金融行为形成统一理解。随着企业数据集的不断增长，机构所知与其AI所能推理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现状报告显示，65%的机构已使用AI，近90%正在部署或评估，几乎全部维持或增加投入。但随着AI规模扩大，复杂性增加，碎片化的模型架构成为限制因素。
领先企业正通过重新思考架构本身来应对这一挑战。过去，行业依赖于为每条业务线专门构建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仅基于专有数据学习消费者行为的统一表示成为可能。
交易基础模型是大型AI系统，训练于数十亿金融事件——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信号，而基础模型在上下文中解释行为——时间、设备、地点和先前活动共同塑造含义。更重要的是，它将Transformer架构的力量带到表格数据中，提取传统算法无法察觉的信号。
例如，午夜支付的含义在10分钟内第四次发生、使用陌生设备、在客户从未交易的城市的背景下截然不同。这种上下文深度提升了跨任务性能，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，训练于覆盖100多个国家2600万用户记录的240亿事件。借助NVIDIA的完整AI堆栈——包括NVIDIA Hopper GPU、NVIDIA cuDF库和NVIDIA Nemotron开放模型——在Nebius云上运行，单个基础模型在信贷评分、欺诈检测和产品推荐等域中超越了强特化模型，同时减少了对手工特征的依赖。
“我们从数周甚至数月的特征工程变为完全不需要特征工程，”Revolut集团信用数据科学主管Tadas Kriščiūnas表示。
任何机构现在都可以通过NVIDIA的新“构建自有交易基础模型”开发者示例采用这种方法，该示例使团队能够在表格交易数据上开始构建Transformer嵌入，并集成到现有管道中，无需从头重建。
碎片化的成本
问题不在于今天的模型，而在于趋势。每个新用例添加另一个模型。每个新市场需要重新训练。无法共享上下文的模型留下了价值未兑现。
Mastercard正在开发一个专有的大型表格基础模型用于支付，训练于数十亿匿名交易，并设计扩展到数千亿，涵盖欺诈、授权、退款、商户位置和忠诚度数据。
借助NVIDIA、AWS和Databricks的能力——包括NVIDIA NeMo AutoModel开放库和加速计算——该模型旨在减少跨市场、客户和用例的大量AI模型依赖。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有前景。
Adyen也已大规模部署交易基础模型，处理1万亿美元支付。使用强化学习，Adyen最大化转化率并最小化商户风险。
“即使是0.1%的授权提升这样的微小改进，也可以转化为巨大的毛商品价值和显著的成本降低，”Adyen首席AI产品经理Dhruv Ghulati说。
代理式商业的语义层
42%的金融机构已经使用或正在评估代理式AI。随着这些系统开始执行交易——如管理订阅、路由支付和进行购买——金融行为的性质正在改变。
Stripe正在利用NVIDIA和AWS平台构建基础模型，理解交易行为的完整上下文，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，平均降低欺诈率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。架构已经验证。基础设施已经就绪。
通过生态伙伴扩展
“构建自有交易基础模型”开发者示例可供客户在Amazon Web Services（AWS）上运行，使用Amazon SageMaker HyperPod部署，以及Nebius AI Cloud——由NVIDIA加速计算驱动。
Nebius AI Cloud支持完整的交易基础模型生命周期——从开发者示例部署到多节点训练再到Token Factory上的托管推理——由NVIDIA加速计算驱动。
金融服务公司还可以与EXL、Infosys、GFT IT Consulting和Thoughtworks等服务伙伴合作，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，将孤立的金融数据统一为可扩展的企业智能层，由专有交易数据驱动。与NVIDIA合作，EXL正在使用此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代理式AI。
Thoughtworks正在帮助金融机构在复杂银行环境中运营化交易基础模型，将其集成到支付、服务和风险中，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，一个代理式AI平台，被100多家金融机构用于安全AI采用，涵盖信用风险等领域；以及Smaragd，一个合规引擎，为大型银行减少高达75%的误报。
加入NVIDIA参加6月2日至4日的Money20/20欧洲大会，了解交易基础模型如何推动金融服务下一代AI。
在build.nvidia.com上探索“构建自有交易基础模型”开发者示例。