金融服务

满足未来的金融需求

金融服务客户需要借助人工智能 (AI) 解决方案,让自己在充满挑战的时期生存下来 并蓬勃发展。但是,企业AI发展所依靠的平台需要在传统的IT平台上进行改进, 因为传统的平台会根据不同的工作负载,比如分析,机器学习和 AI 训练和推理而 设计成彼此孤立的计算结构。传统架构复杂、成本高,并且减慢了部署,并不 适用于现代 AI。

因此,企业、开发者和数据科学家都需要一个新平台,以便统一 处理所有 AI 工作负载、简化基础架构以及提高投资回报率 (ROI)

为主要的金融部门带来改进

计算风险

准确预测对企业业绩至关重要。NVIDIA AI 平台可加速创建模型,协助金融专家评估趋势、识别风险,并确保提供更实用的信息,进而作出未来规划。

在 STAC-A3 基准测试中,NVIDIA 借助运行 Python 加速库的 NVIDIA DGX-2 系统,在规定的 60 分钟测试时间内运行 2000 万次模拟,打破了过去 3200 次的模拟记录,以显著优势碾压之前的基准测试结果。

– NVIDIA 可以为对冲基金的关键算法提供超过 6000 倍加速(NVIDIA 博客)

加速交易计算

加快处理速度有助于成功完成交易并提高收益。 GPU 助力的硬件加速可减少延迟,进而保持业务运作的竞争优势。

为金融交易建模需要投入大量专业知识与时间。在 NVIDIA 加速系统的助力下,我们将有机会对各种模型进行全新设计。

– GPU 加速计算如何为金融交易开启新时代(技术简报)

反洗钱

反洗钱 (AML) 过程仍充斥着耗时任务,致使打击可疑活动效率低下。 NVIDIA 技术可及时作出响应,进而应对复杂的威胁、日益增长的数据量,以及愈演愈烈的洗钱策略。

点播观看在线研讨会

在所有的 AML 案例中,97% 都为误报,这占用了大量运营资源。

– 利用深度学习构建更安全的反洗钱解决方案(在线研讨会)

会话式 AI

自然语言处理正在帮助金融机构个性化其客户体验并提高参与度。NVIDIA 可优化 BERT(热门 NLP 模型)的训练和推理性能,从而实现实时会话式 AI。

观看在线研讨会:会话式 AI 推动金融服务业发展

NVIDIA 开发者使用 NVIDIA TensorRT™ 软件优化了包含 1.1 亿参数的 BERT 基准推理模型。该模型在 NVIDIA T4 GPU 上运行时,进行“斯坦福问答数据集”测试只用了2.2 毫秒就完成了响应计算。

– 什么是会话式 AI,NVIDIA 博客

应用案例

平安好译

平安好译是由平安科技联邦学习团队AI翻译项目组自主研发的AI翻译产品,具有领先国际的机器翻译水平,在WMT2019 比赛上荣获“英译中”赛道世界第一。采用NVIDIA DGX-1超级计算机,以最优化AI翻译模型实现了从数据处理、特征工程、因子挖掘、模型训练到准确翻译文本的全流程GPU加速,让AI翻译项目从构想到落地的效率提升50~100倍。

在使用英伟达超级计算机DGX-1之后,AI翻译项目的流程执行速度加快了60倍,大大缩减了机器翻译模型的构建与使用时间,更利于在金融翻译领域抓住市场机遇。我们将翻译接口提供给用户后,用户可以获得即时的翻译响应,减少时间成本,最大化地提高了用户的使用效率;同时用户可以实现海量文档的翻译需求,并获得准确的输出内容,从而极大地提高了用户体验感。

天秤系统

中国的银行业以往的金融模式主要是规模驱动,如今步入关键变革期,风险管理能力将成为新的竞争力。银行要主动适应宏观经济环境,打造专业化、精细化的全面风险管理体系,综合运用数字化、智能化系统和工具,有效控制风险。

招商银行搭建了基于金融科技的零售智能风控平台“天秤系统”。当用户进行转账等操作时,“天秤系统”可以抓取交易时间、交易金额、收款方等多维度数据。随后,风控模型会基于这些实时、准实时数据进行高速运算,实时判断用户的风险等级,然后结合模型输出结果对用户采取不同的核实身份手段,在交易过程中就可以将外部欺诈与伪冒交易实时扼杀于摇篮之中。此外,“天秤系统”还可以通过事后反查,利用先进的图算法和图分析技术,挖掘欺诈关联账户。

“天秤系统”对交易风险决策的响应速度达到了30毫秒以内,完全达到客户无感知的情况下做出风险决策。

魔数智擎人工智能

当前,绝大部分金融行业企业在数据建模过程中都高度关注于“模型高精度”,而导致模型仅能输出一个高精度结果,缺少可具有解释性的支撑依据。这意味着此类模型的落地应用将是一种赌博式落地,在这一过程当中,企业需要承担未知的风险。但基于金融行业的业务具有严肃性和严格的政策规定的性质,需要预测风险模型具有良好的解释性,而传统黑盒模型一直难以满足行业的需求。

深圳市魔数智擎人工智能有限公司其自主研发的MagicEngine机器学习平台,融合了资深数据专家经验,深度优化AI算法底层代码,将传统黑盒模型拆解开来,让普通业务人员也能读懂模型构建原理,无需数据科学专家即可进行从数据到建模全流程的操作,输出贴合业务场景的、具有可解释性的模型报告与解决方案,让金融机构决策变得更加智能高效。在 NVIDIA DGX 服务器的助力下,MagicEngine 机器学习平台的数据预处理流程较原来提升了近10倍,模型训练速度提升了20倍以上,将整个风控策略规则的生成时间从1个月缩短至1周以内,极大的方便策略研究人员从海量的数据中快速提取规则策略,快速部署上线。