金融機構多年來投入大量資源建構AI系統，包括詐欺模型、信用模型、推薦引擎和風險系統。儘管這些針對特定任務的模型行之有效，卻也受限於各自獨立的系統。這些獨立系統阻礙了金融機構對消費者金融行為建立統一的理解。隨著企業數據集持續增長，機構所掌握的資訊與其AI系統能進行推論的範圍之間差距日益擴大，這為業界利用專有數據建構智慧創造了巨大機會。

NVIDIA的《2026年金融服務業AI現況報告》顯示，65%的金融機構目前已採用AI，近90%正在部署或評估AI，且幾乎所有機構都維持或增加AI方面的支出。然而，隨著AI規模擴大，複雜性也隨之增加，碎片化的模型架構成為了限制因素。領先的企業正透過重新思考架構本身來應對這項挑戰。

過去，業界依賴為各業務線量身打造的統計和機器學習演算法，而現在，基於Transformer的交易基礎模型讓機構能夠完全利用專有數據，學習到對消費者行為單一且統一的表徵。交易基礎模型是大型AI系統，透過數十億筆金融事件（例如支付、轉帳、產品互動和行為訊號）進行訓練，將原始數據轉化為智慧，協助企業更好地服務客戶。

這是一項結構性的轉變。傳統的詐欺模型評估的是孤立的訊號，而基礎模型則是在特定情境下解釋行為，其中時間、設備、位置和過往活動都會影響其意義。更重要的是，它將Transformer架構的強大能力帶入表格數據，提取出傳統演算法過去無法察覺的訊號。

一筆午夜的支付，如果是在十分鐘內的第四筆、使用不熟悉的設備、發生在客戶從未交易過的城市，其意義便截然不同。這種情境深度能全面提升各項任務的效能，而不僅限於單一任務。Revolut 與 NVIDIA 合作，建立了 PRAGMA，一系列基於 Transformer 的基礎模型，這些模型在橫跨 100 多個國家的 2,600 萬用戶記錄中的 240 億筆事件上進行訓練。

PRAGMA 運行於 Nebius 雲端，並由 NVIDIA 的完整 AI 堆疊（包括 NVIDIA Hopper GPUs、NVIDIA cuDF 函式庫和 NVIDIA Nemotron 開放模型）提供支援。單一基礎模型在信用評分、詐欺偵測和產品推薦等領域的表現優於強大的特定任務模型，同時減少了對手工設計特徵的依賴。

Revolut 集團信用數據科學主管 Tadas Kriščiūnas 表示：「我們將特徵工程所需的時間從數週，甚至某些情況下的數月，縮短到完全不需要。」現在，任何機構都可以利用 NVIDIA 新推出的「建構您自己的交易基礎模型」開發者範例來採用這種方法，該範例使團隊能夠在表格交易數據上開始建構 Transformer 嵌入，並將其整合到現有流程中，而無需從頭重新建構。

碎片化的代價問題不在於現有的模型，而在於其發展軌跡。每個新的應用案例都會增加一個模型，每個新的市場都需要重新訓練。無法共享情境的模型會讓潛在價值流失。Mastercard 正在開發一個專有的支付大型表格基礎模型，目前已在數十億筆匿名交易上進行訓練，並設計為可擴展到數千億筆，涵蓋詐欺、授權、退款、商家位置和忠誠度數據等額外數據集。

該模型結合了 NVIDIA、AWS 和 Databricks 的能力，包括 NVIDIA NeMo 框架中的 NVIDIA NeMo AutoModel 開放函式庫和加速運算，旨在減少對跨市場、客戶和應用案例的多個AI模型的依賴。早期測試顯示，它超越了標準機器學習技術，在網路安全、詐欺偵測、忠誠度、個人化、投資組合最佳化和分析等領域具有廣闊的應用前景。

Adyen 也已大規模部署交易基礎模型，處理了高達 1 兆美元的支付。Adyen 利用強化學習，為商家最大化轉換率並最小化風險。Adyen 的首席 AI 產品經理 Dhruv Ghulati 表示：「即使是授權率提高 0.1% 這樣微小的改進，也能轉化為巨大的商品交易總額增長和可觀的成本降低。」

代理式商務的語義層42% 的金融公司已經在使用或評估代理式 AI。隨著這些系統開始執行交易，例如管理訂閱、路由支付和進行採購，金融行為的本質正在改變。Stripe 正利用 NVIDIA 和 AWS 平台建構基礎模型，這些模型能夠理解交易行為的完整情境，而非僅對單一訊號做出反應，去年成功阻擋了近 1,120 億美元的詐欺，並使詐欺率平均降低了 38%。

交易數據是競爭對手無法複製的專有歷史。數據已經存在，架構已經驗證，基礎設施也已準備就緒。透過生態系夥伴擴展規模「建構您自己的交易基礎模型」開發者範例現已開放客戶在 Amazon Web Services (AWS) 上運行，並透過 Amazon SageMaker HyperPod 部署，同時也支援由 NVIDIA 加速運算驅動的 Nebius AI Cloud。

Nebius AI Cloud 支援交易基礎模型的完整生命週期，從開發者範例的部署、多節點訓練，到 Token Factory 上的託管推論，全程皆由 NVIDIA 加速運算提供支援。金融服務公司還可以與服務夥伴 EXL、Infosys、GFT IT Consulting 和 Thoughtworks 合作，將此開發者範例應用於其特定的使用案例。

EXL 正將交易基礎模型整合到其 EXLerate.ai 平台中，以將獨立的金融數據統一為一個可擴展的企業智慧層，該層由專有交易數據驅動。EXL 與 NVIDIA 合作，利用此架構協助金融機構加速模型開發、增強情境決策，並大規模運作代理式 AI。

Thoughtworks 正在協助金融機構在複雜的銀行環境中運作交易基礎模型，將其整合到支付、服務和風險管理中，同時建立必要的治理和 AI 營運模型。該公司將於 6 月 17 日星期三在紐約市舉行的 AWS Summit 上展示交易基礎模型的演示和介紹。

GFT IT Consulting 正將交易基礎模型整合到其旗艦解決方案中：Wynxx 是一個代理式 AI 平台，已被 100 多家金融機構用於信用風險等領域的安全 AI 採用；Smaragd 則是一個合規引擎，可為主要銀行減少高達 75% 的誤報。

歡迎於 6 月 2 日至 4 日參加 Money20/20 Europe，了解交易基礎模型如何推動金融服務業的下一代 AI 發展。請至 build.nvidia.com 探索「建構您自己的交易基礎模型」開發者範例。