欧洲主流金融机构加速部署开放权重模型，构建主权可控的专有智能体系

一句话结论

欧洲金融巨头正基于NVIDIA加速计算平台部署开放权重模型，实现生产级智能落地并降低推理成本。

关键要点

• Revolut构建单一基础模型PRAGMA，服务8000万客户，具备3倍扩展能力。
• bunq的代理助手Finn使用开放权重模型，单次回答成本较封闭模型降低60%。
• Stripe Radar欺诈检测平台借助GPU加速Ray Data，数据管道提速42倍。
• Starling Bank在Civo英国主权云基础设施上训练代理模型，数据全程不出境。
• LSEG利用Polars GPU引擎分析历史交易数据，速度最高提升10倍。

背景与事实

在欧洲金融服务的数字化转型进程中，数据主权与成本控制已成为机构的核心关切。在近期的GTC Berlin大会上，多家欧洲银行、支付公司及金融数据提供商展示了生产级智能系统的落地成果。这些系统统一采用开放权重模型作为底层架构，并部署在机构自有基础设施上，依托NVIDIA加速计算平台运行。这种技术路线使金融机构能够在不泄露核心数据的前提下，构建基于自有数据的专有智能能力。

多家欧洲机构已公布具体部署细节。Revolut正在基于单一基础模型PRAGMA重构其技术栈，该模型由NVIDIA加速计算提供支持。通过运用NVIDIA cuDF工具包和Dynamo-Triton软件，并部署在NVIDIA Blackwell Ultra GPU上，Revolut实现了PRAGMA的生产级扩展。该系统当前服务初始8000万客户，且在设计上支持3倍的扩展能力。Revolut AI负责人Pavel Nesterov指出，银行每天处理数十亿笔交易，基础模型能否在该规模及跨领域场景中稳定运行是关键问题，而PRAGMA的成功部署证明研发突破向生产级银行系统跨越的鸿沟可以被填平。

Starling Bank成为首家在英国主权云基础设施上训练代理模型的银行。该机构在Civo提供的英国云服务中，利用本行交易数据开发了名为“Starling Intelligence”的智能层，以此作为其AI能力的底层支撑。Lloyds Banking Group则构建了交易基础模型ATUM，该模型能够将数十亿笔银行交易转化为可复用的智能，并通过NVIDIA RTX PRO 6000 Blackwell GPU进行加速，从而提升全行各类场景的效率。SBS推出了一款银行主权智能平台，允许银行在数据不出墙的前提下运行生成式和代理模型。

在成本效益方面，新银行bunq的代理助手Finn已全面运行于开放权重模型。借助NVIDIA加速计算，在Nebius上的部署效果显示，其在匹配主流封闭模型质量的同时，单次回答成本仅为前者的60%。NatWest正在与NVIDIA合作开发语音技术，旨在识别英国各类口音、方言及金融术语，其中应用了Nemotron 3.5 ASR语音模型。Modulr则基于NVIDIA Nemotron-3-Ultra-550B开放模型，正在为支付运营的不同部分构建专用模型。

影响分析

对中文开发者与从业者而言，这一趋势的核心启示在于开放权重模型在金融级生产环境的成熟度与合规性已被充分验证。欧洲机构强调“数据不出墙”的部署模式，表明主权云与本地化推理架构已成为金融AI的硬性门槛。中国金融从业者在设计智能系统时，应优先考虑模型权重可私有化部署的特性，以应对监管对数据出境的严格限制。此外，NVIDIA GPU在向量计算、多模态数据处理及加速推理中的生态优势明显，提示国内团队在构建AI基础设施时，需重点评估高算力芯片在金融高并发场景下的实际表现，避免单纯追求开源模型而忽视底层算力匹配。

适用边界

上述关于成本降低与效率提升的结论，主要适用于具备大规模算力部署能力、且业务数据量达到十亿级交易规模的头部金融机构。对于数据量较小、算力预算有限的中小机构，开放模型在单次推理成本上的优势可能因基础设施闲置率较高而被抵消。此外，本文提及的加速效果与模型表现，均基于NVIDIA特定硬件与软件栈，在其他计算架构或非GPU环境下，性能基准可能不具备直接可比性。

孤本观察

欧洲机构对开放模型与主权基础设施的绑定选择，本质上是将“技术开放性”转化为“数据合规性”的策略，而非单纯的技术路线之争。

来源：NVIDIA Blog