Revolut宣布成立专门的人工智能研究部门 Revolut Research。该部门隶属于公司更大的AI组织，定位并不是再采购一批彼此孤立的第三方工具，而是围绕银行业务开展基础研究，并将研究成果转化为生产系统。Revolut Research也将成为PRAGMA项目的研发引擎——PRAGMA是Revolut与英伟达（NVIDIA）合作开发的银行基础模型项目。1013

从“拼装AI”转向统一底座

Revolut所说的“build, don’t bolt on”，可以理解为“能自研，就不要把外部模块临时拼接上去”。传统做法往往是针对反欺诈、信用评分、客户分群和产品推荐等场景，分别建立模型、特征表和数据流程。Revolut希望改用一套内部训练、可反复适配的银行模型底座，让不同业务共享同一层对金融行为的理解。610

这种架构的实际用途包括信用评分和违约风险评估、欺诈检测、客户分群，以及个性化金融产品推荐。对金融机构而言，统一底座的意义不仅在于模型数量减少，也在于不同业务能够使用更一致的客户行为信号；但各类信贷和风控决策仍需满足相应的监管与治理要求。

PRAGMA是什么？

PRAGMA是 PRe-trained Banking Foundation Model 的缩写，即“预训练银行基础模型”。公开论文将其描述为一组面向多源银行用户历史数据的编码器式Transformer模型，采用自监督的掩码建模目标进行预训练。1

简单来说，模型并不是把银行交易当作普通文本来处理，而是学习支付、转账及其他带时间戳的金融事件如何组成一段长期、非规则的用户行为历史。预训练完成后，再针对信用评分、欺诈识别或推荐等具体任务进行轻量化适配，而不是每个任务都从零开始训练一套模型。

论文披露的PRAGMA模型家族参数规模从 1000万到10亿，并介绍了面向长序列、非规则银行历史的训练方法，包括掩码建模、序列打包和动态批处理。1

训练数据覆盖多大规模？

现有资料显示，PRAGMA使用约 2600万份客户历史训练，数据包含约 240亿条银行事件，覆盖 111个国家。这些事件包括支付、转账以及其他产品使用和行为信号。110

这里需要厘清一个容易引起误解的说法：PRAGMA并不是英伟达单独开发的产品，而是 Revolut与英伟达合作开发。Revolut负责银行业务场景和模型应用，英伟达则提供加速计算及相关AI技术栈支持。1013

英伟达案例提到，训练工作使用了英伟达加速计算基础设施，包括Nebius AI Cloud上的NVIDIA H100 GPU，并结合序列打包和动态批处理，以便在固定时间窗口内完成大规模预训练。10不过，现有高权威材料并未独立确认所使用H100 GPU的准确数量或集群拓扑，因此不宜据此推断具体的GPU集群规模。

官方披露的效果如何？

英伟达发布的Revolut案例研究称，相比生产环境中的既有基线，PRAGMA带来了以下结果：6

• 识别信用违约风险的准确率提高 2.3倍；
• 捕获的欺诈案件增加 65%；
• 欺诈预警精确率提高 17%；
• 产品推荐的相关性提高 41%。

这些数字应理解为Revolut和英伟达披露的基准对比结果，而不是经过独立机构审计、能够代表整个金融行业的普遍性能结论。6

成立之前，PRAGMA已经走到哪一步？

Revolut Research的成立并非从零开始。公开记录显示，PRAGMA的基础模型研究已经发表，英伟达也在2026年6月发布案例研究，介绍Revolut如何用一个共享行为智能层，整合原本分散在反欺诈、信贷、客户互动和推荐业务中的多个系统。16

因此，这次宣布更像是将已有的研究和工程工作正式制度化：由独立研究部门持续推进模型研究、评估和部署，而不是把AI能力作为某个单一产品团队的临时项目。16

在公开材料中，Revolut AI负责人 Pavel Nesterov 表示，要引领智能银行的未来，不能依赖第三方“蓝图”；他将Revolut Research的成立与公司“build, don’t bolt on”理念联系起来。6目前可见的高权威资料不足以独立核实其他被提及高管的完整身份及原话，因此相关细节仍应以Revolut的正式发布稿为准。

研究部门将如何与外部社区合作？

Revolut表示，Revolut Research计划：

• 发布相关研究成果；
• 将部分框架开源；
• 参加在柏林举行的GTC活动以及ACM国际金融人工智能会议（ICAIF）；
• 每季度举办科学交流会。

这意味着该部门不仅承担内部研发职能，也希望通过论文、开源项目和学术活动建立外部研究联系。不过，具体哪些框架会开源、何时开源，现有材料尚未给出明确清单和时间表。

与业务扩张有什么关系？

这项AI计划正值Revolut扩大业务规模之际。公司希望在客户数超过8000万、覆盖40多个市场的情况下，继续提供更一致的风险管理和个性化服务。34

与此同时，Revolut的法国实体在法国审慎监管与处置局（ACPR）和欧洲中央银行参与审批后获得完整银行牌照，初期将支持法国业务，并为向西欧其他市场分阶段扩张创造条件。34

从业务角度看，Revolut Research的长期目标，是让AI从各个产品旁边的“外挂工具”，变成银行基础设施的一部分：同一个在广泛金融行为数据上预训练的模型，可以针对多个受监管决策和客户体验进行适配，而无需为每项服务重新搭建一套机器学习系统。610

Revolut宣布成立专门的人工智能研究部门 Revolut Research。该部门隶属于公司更大的AI组织，定位并不是再采购一批彼此孤立的第三方工具，而是围绕银行业务开展基础研究，并将研究成果转化为生产系统。Revolut Research也将成为PRAGMA项目的研发引擎——PRAGMA是Revolut与英伟达（NVIDIA）合作开发的银行基础模型项目。1013

从“拼装AI”转向统一底座

Revolut所说的“build, don’t bolt on”，可以理解为“能自研，就不要把外部模块临时拼接上去”。传统做法往往是针对反欺诈、信用评分、客户分群和产品推荐等场景，分别建立模型、特征表和数据流程。Revolut希望改用一套内部训练、可反复适配的银行模型底座，让不同业务共享同一层对金融行为的理解。610

这种架构的实际用途包括信用评分和违约风险评估、欺诈检测、客户分群，以及个性化金融产品推荐。对金融机构而言，统一底座的意义不仅在于模型数量减少，也在于不同业务能够使用更一致的客户行为信号；但各类信贷和风控决策仍需满足相应的监管与治理要求。

PRAGMA是什么？

PRAGMA是 PRe-trained Banking Foundation Model 的缩写，即“预训练银行基础模型”。公开论文将其描述为一组面向多源银行用户历史数据的编码器式Transformer模型，采用自监督的掩码建模目标进行预训练。1

简单来说，模型并不是把银行交易当作普通文本来处理，而是学习支付、转账及其他带时间戳的金融事件如何组成一段长期、非规则的用户行为历史。预训练完成后，再针对信用评分、欺诈识别或推荐等具体任务进行轻量化适配，而不是每个任务都从零开始训练一套模型。

论文披露的PRAGMA模型家族参数规模从 1000万到10亿，并介绍了面向长序列、非规则银行历史的训练方法，包括掩码建模、序列打包和动态批处理。1

训练数据覆盖多大规模？

现有资料显示，PRAGMA使用约 2600万份客户历史训练，数据包含约 240亿条银行事件，覆盖 111个国家。这些事件包括支付、转账以及其他产品使用和行为信号。110

这里需要厘清一个容易引起误解的说法：PRAGMA并不是英伟达单独开发的产品，而是 Revolut与英伟达合作开发。Revolut负责银行业务场景和模型应用，英伟达则提供加速计算及相关AI技术栈支持。1013

英伟达案例提到，训练工作使用了英伟达加速计算基础设施，包括Nebius AI Cloud上的NVIDIA H100 GPU，并结合序列打包和动态批处理，以便在固定时间窗口内完成大规模预训练。10不过，现有高权威材料并未独立确认所使用H100 GPU的准确数量或集群拓扑，因此不宜据此推断具体的GPU集群规模。

官方披露的效果如何？

英伟达发布的Revolut案例研究称，相比生产环境中的既有基线，PRAGMA带来了以下结果：6

• 识别信用违约风险的准确率提高 2.3倍；
• 捕获的欺诈案件增加 65%；
• 欺诈预警精确率提高 17%；
• 产品推荐的相关性提高 41%。

这些数字应理解为Revolut和英伟达披露的基准对比结果，而不是经过独立机构审计、能够代表整个金融行业的普遍性能结论。6

成立之前，PRAGMA已经走到哪一步？

Revolut Research的成立并非从零开始。公开记录显示，PRAGMA的基础模型研究已经发表，英伟达也在2026年6月发布案例研究，介绍Revolut如何用一个共享行为智能层，整合原本分散在反欺诈、信贷、客户互动和推荐业务中的多个系统。16

因此，这次宣布更像是将已有的研究和工程工作正式制度化：由独立研究部门持续推进模型研究、评估和部署，而不是把AI能力作为某个单一产品团队的临时项目。16

在公开材料中，Revolut AI负责人 Pavel Nesterov 表示，要引领智能银行的未来，不能依赖第三方“蓝图”；他将Revolut Research的成立与公司“build, don’t bolt on”理念联系起来。6目前可见的高权威资料不足以独立核实其他被提及高管的完整身份及原话，因此相关细节仍应以Revolut的正式发布稿为准。

研究部门将如何与外部社区合作？

Revolut表示，Revolut Research计划：

• 发布相关研究成果；
• 将部分框架开源；
• 参加在柏林举行的GTC活动以及ACM国际金融人工智能会议（ICAIF）；
• 每季度举办科学交流会。

这意味着该部门不仅承担内部研发职能，也希望通过论文、开源项目和学术活动建立外部研究联系。不过，具体哪些框架会开源、何时开源，现有材料尚未给出明确清单和时间表。

与业务扩张有什么关系？

这项AI计划正值Revolut扩大业务规模之际。公司希望在客户数超过8000万、覆盖40多个市场的情况下，继续提供更一致的风险管理和个性化服务。34

与此同时，Revolut的法国实体在法国审慎监管与处置局（ACPR）和欧洲中央银行参与审批后获得完整银行牌照，初期将支持法国业务，并为向西欧其他市场分阶段扩张创造条件。34

从业务角度看，Revolut Research的长期目标，是让AI从各个产品旁边的“外挂工具”，变成银行基础设施的一部分：同一个在广泛金融行为数据上预训练的模型，可以针对多个受监管决策和客户体验进行适配，而无需为每项服务重新搭建一套机器学习系统。610