金融机构正加速转向交易基础模型以构建自主智能。过去，银行为欺诈检测、信贷评估等特定任务构建了孤立模型，导致数据割裂，难以形成对消费者行为的统一理解。随着企业数据激增，传统碎片化架构已成为制约 AI 发展的瓶颈。 交易基础模型基于海量金融事件训练，能将原始数据转化为深层智能。与传统模型仅评估孤立信号不同，它能结合时间、设备、地点等上下文综合解读行为，显著提升各领域的性能。例如，Revolut 与 NVIDIA 合作开发了 PRAGMA 模型，利用 NVIDIA Hopper GPU 等全栈技术，在信用评分和反欺诈任务中超越了专用模型，并将特征工程时间从数月缩短至零。 行业巨头已率先布局。Mastercard 正在开发专有大型表格基础模型，旨在统一多市场的 AI 应用；Adyen 利用该模型处理高达一万亿美元的支付交易，通过强化学习最大化转化并降低风险；Stripe 则凭借全上下文理解能力，去年阻止了近 1120 亿美元欺诈，将欺诈率平均降低 38%。 随着代理式 AI 开始执行支付等复杂任务，交易基础模型已成为核心。NVIDIA 推出“构建自己的交易基础模型”开发示例，支持在 AWS 和 Nebius 云等环境部署，并联合 EXL、Infosys 等合作伙伴提供实施服务。这一架构变革使金融机构能够利用私有数据打破孤岛，构建统一的企业智能层，应对未来的敏捷商业挑战。