Revolut 用 NVIDIA 加速构建私有 AI 智能

Revolut 用 NVIDIA 加速构建私有 AI 智能

Revolut 通过 NVIDIA 加速计算平台，在自家基础设施上运行开源权重模型（open weight models），为支付、交易和银行场景打造私有智能系统。80 万客户正在使用 PRAGMA 交易基础模型，计划扩展至 3 倍规模，基于 NVIDIA Blackwell Ultra GPUs 与 cuDF、Dynamo-Triton 工具链。这类案例对银行、支付公司和金融数据提供者特别有参考价值——它们希望控制数据、降低成本，并自主迭代模型，而非依赖云端封闭服务。

如果您是金融科技团队，想用开源权重模型（open weight models）替代传统闭源 API，降低生产级 AI 部署门槛，同时享受 NVIDIA 加速带来的实时处理能力，就值得关注这个方向。决策时，重点对比自家基础设施投入与模型性能提升，结合当前 Token 成本和隐私要求。

Revolut 的私有 AI 实践案例

2026 年 10 月在 GTC Berlin，Revolut 宣布将技术栈重建成单一基础模型 PRAGMA，由 NVIDIA 加速计算驱动。该模型处理海量交易数据，服务于全球 80 万客户，目标是 3 倍扩展。Pavel Nesterov 指出：“PRAGMA 证明了研究突破到生产银行系统的可行性。”

核心技术细节如下：

• 硬件基础：NVIDIA Blackwell Ultra GPUs（RTX PRO 6000 Blackwell Server Edition 系列）。
• 数据处理工具：NVIDIA cuDF 工具包与 Dynamo-Triton 软件，实现多域跨交易的实时推理。
• 模型特性：PRAGMA 作为交易领域专用基础模型，直接将原始交易数据转化为可复用的智能资产。

这一方案让金融机构无需依赖外部云端数据存储，就能实现私有智能构建。相比传统闭源 API，这类开源权重模型（open weight models）允许企业完全掌控训练数据与推理逻辑。

NVIDIA 加速计算如何支撑金融级 AI

NVIDIA 加速计算平台在金融场景下带来显著效率提升，主要体现在数据管道加速、模型训练与推理三个环节。

数据管道加速：通过 GPU 引擎（如 Starburst Enterprise 的 GPU Engine 与 cuDF），处理多 TB 级分离数据源的压缩比可达 5 倍甚至更高。例如 Stripe Radar 的 GPU-加速 Ray Data 测试显示，数据管道速度提升 42 倍，成本节省 92%。Revolut 的 PRAGMA 同样依赖 cuDF 实现跨域交易的实时分析。

模型训练效率：Blackwell GPUs 上的 RTX PRO 6000 系列可加速大规模训练。Lloyds Banking Group 使用相同硬件训练 ATUM 模型，将数十亿笔交易转化为复用智能资产，整体效率提升明显。

推理与部署成本控制：Nebius 等基础设施将开源权重模型部署成本控制在同类闭源模型的 60%，bunq 的 Finn 代理助手即为此类案例。企业可根据 Token 消耗量（如 $/M）自行调整资源规模。

这些数据来自 NVIDIA 官方发布，实际效果以硬件配置与使用场景为准。

适合用 NVIDIA 加速构建私有 AI 的企业

银行、支付公司、金融数据提供商与需要处理海量结构化交易数据的机构特别适合这一路径。它们面临的共同挑战包括：

• 数据安全与主权云要求（sovereign cloud）。
• 高 Token 成本压力。
• 希望自主迭代模型而不锁定供应商。

以 Revolut 为例，其 PRAGMA 模型正是将开源权重模型（open weight models）与 NVIDIA 加速计算结合，服务全球支付场景的成功案例。相比闭源 API，这类方案让企业保留数据所有权，同时通过本地部署（local deploy）实现 3 倍规模扩展。

与主流 API 服务的对比

采用 NVIDIA 加速的私有智能方案与传统 API（如 OpenAI、Claude Code）存在明显差异，主要体现在成本、数据控制与灵活性上。

在 Token 成本敏感的金融场景，私有方案通常能实现长期节省，但需要前期投入硬件与模型训练资源。

延伸阅读

• API 中转指南：了解如何高效接入第三方 API 并实现中转倍率优化。
• 模型天梯：查看当前主流开源权重模型（open weight models）性能对比表格。
• 本地部署实验室：详细探讨 vLLM 等框架如何在 NVIDIA 硬件上部署私有 AI 服务。
• 官方 API 参考：对比不同提供商的 API 定价与协议。
• Grok API 中转：探索 Grok 相关 API 的中转方案与倍率。
• xAI 中转工具：了解 xAI 生态的非官方接入方式与注意事项。

风险与边界

私有 AI 智能构建存在一定风险与边界：

• 需要专业 GPU 基础设施与模型微调能力，初期投入较高。
• 监管合规（如 GDPR、支付行业数据保护）要求严格，数据主权是首要考量。
• 模型性能需持续验证，硬件升级后可能影响原有部署。
• 定价以官方/挂牌页当日数据为准，实际 Token 消耗与硬件配置直接影响成本。

本文非法律意见，仅供技术与工程决策参考，请咨询专业顾问与合规团队。

English summary

Revolut is rebuilding its entire technology stack around a single foundation model called PRAGMA, powered by NVIDIA accelerated computing and running entirely on its own infrastructure. The system currently serves 80 million customers and is engineered for 3x scale, using NVIDIA Blackwell Ultra GPUs together with the cuDF toolkit and Dynamo-Triton software. This production-scale deployment was showcased at GTC Berlin and demonstrates how open weight models can deliver proprietary intelligence for banking and payments at a fraction of the cost of closed APIs. Financial institutions considering similar approaches should evaluate NVIDIA GPU acceleration, local data control, and long-term Token cost savings against initial infrastructure investment. For deeper technical details, see the NVIDIA blog post.