Revolut宣布成立 Revolut Research，作為其AI組織內的專責研究部門。這個部門並非單純再引入一套外部AI工具，而是要把針對銀行業的機器學習研究，變成可在實際業務中使用的產品能力；同時亦會成為 PRAGMA 的研究及開發基地。56

「自己打造，而非後加上去」是甚麼意思？

Revolut所說的 「build, don’t bolt on」，可理解為「自己打造，而不是把不同工具逐件加上去」。傳統做法可能是為防詐騙、信貸評分、客戶分群和產品推薦，各自建立一套模型、數據表及人手設計的特徵，結果形成互不相通的模型孤島。

Revolut希望改用一個由內部主導、可重複使用的銀行模型骨幹，讓不同業務在同一層「行為智能」之上運作。當中包括：

• 信貸評分及違約風險評估；
• 詐騙偵測；
• 客戶分群及互動分析；以及
• 個人化金融產品推薦。610

換句話說，研究部門的目標不是為每一項新服務另起爐灶，而是先訓練一個能理解金融行為的共同基礎，再按不同任務作調整。610

PRAGMA是甚麼？

PRAGMA全名為 PRe-trained Banking Foundation Model，即「預訓練銀行基礎模型」。根據已發表的研究，PRAGMA是一系列以 Transformer 為基礎的編碼器模型，專門處理由多種來源組成、時間長短不一的銀行事件紀錄，例如付款、轉賬，以及其他產品使用和客戶行為訊號。1

模型採用自我監督式的「遮罩建模」方式預訓練：系統會隱藏部分事件或資料，再嘗試根據上下文推算缺失內容，藉此學習客戶金融活動之間的模式。已公開的PRAGMA模型由約 1,000萬至10億個參數組成。1

訓練數據涵蓋幾大？

現有資料顯示，PRAGMA以原始、帶有時間標記的銀行事件作訓練，涵蓋約 2,600萬個客戶歷史紀錄、合共 240億宗事件，涉及 111個國家。110

這些事件不只包括單一類型的交易，而是不同金融產品及客戶行為的組合。這種設計讓模型可以先掌握較廣泛的金融行為，再以較輕量的方式調整至信貸、詐騙或推薦等特定用途。

需要留意的是，PRAGMA並不是NVIDIA單方面開發的產品；較準確的說法是 Revolut與NVIDIA共同開發。Revolut負責銀行業務場景及數據應用，NVIDIA則提供加速運算及相關AI技術支援。1013

NVIDIA H100如何支援訓練？

NVIDIA的案例研究指出，PRAGMA運行於NVIDIA加速運算基礎設施，並使用 NVIDIA H100 GPU，配合Nebius AI Cloud，以及序列封裝和動態批次處理等方法，令大規模預訓練可以在指定時間窗口內完成。10

不過，現有可見資料並未獨立證實所使用的H100數量或整個GPU集群的具體拓撲。因此，較穩妥的說法是：資料支持PRAGMA採用NVIDIA加速運算及H100基礎設施，但不足以確認一個精確的H100集群規模。1610

公司公布的效能提升

NVIDIA的Revolut案例研究表示，PRAGMA相對於現有生產環境基準模型，帶來以下結果：

• 識別信貸違約風險的準確度提升 2.3倍；
• 捕捉到的詐騙個案增加 65%；
• 詐騙警示的精準度提高 17%；以及
• 產品推薦的相關性提高 41%。6

這些數字是Revolut及NVIDIA公布、以生產環境基準作比較的結果，並非經獨立機構審核的全行業測試，因此不應直接視為所有銀行或所有客戶情況下都能複製的表現。6

成立研究部門前，已有甚麼進展？

Revolut Research的成立，並不是從零開始。公開紀錄顯示，PRAGMA的基礎模型研究已經發表，而NVIDIA在6月公布的案例研究亦描述了Revolut如何嘗試以共同模型骨幹，整合原本分開處理詐騙、信貸、客戶互動及推薦的系統。16

因此，今次宣布更像是把一項已有研究成果及部署測試的研發工作，正式制度化，並賦予它持續研究及對外交流的組織定位。16

研究部門將如何對外交流？

Revolut表示，Revolut Research計劃：

• 發表人工智能及銀行模型相關研究；
• 開放部分研究框架予外界使用；
• 參與在柏林舉行的GTC Berlin；
• 參加ACM International Conference on AI in Finance（ICAIF），即ACM人工智能金融國際會議；以及
• 每季舉辦科學交流聚會。

至於外界報道提到的個別高層姓名及完整引述，現有較高權威的公開材料未能全部獨立核實，相關細節仍應以Revolut原始發布為準。

與Revolut擴張有何關係？

這項計劃出現之際，Revolut正把業務擴展至超過 8,000萬名客戶及 40多個市場。當客戶、產品和監管要求同步增加，風險管理及個人化服務便不能只靠一套套互不相干的模型維持一致性。34

Revolut的法國實體最近亦在法國審慎監管及處置局（ACPR）和歐洲中央銀行共同審批後，取得完整銀行牌照。公司會先支援法國業務，再逐步推進西歐其他市場的擴展。

從實際業務角度看，Revolut Research想建立的是一層可重用的核心銀行AI能力：先用廣泛金融行為訓練一個共同模型，再把它調整至不同的受監管決策及客戶體驗，而不是每推出一項產品便重新建立一套機器學習系統。610

Revolut宣布成立 Revolut Research，作為其AI組織內的專責研究部門。這個部門並非單純再引入一套外部AI工具，而是要把針對銀行業的機器學習研究，變成可在實際業務中使用的產品能力；同時亦會成為 PRAGMA 的研究及開發基地。56

「自己打造，而非後加上去」是甚麼意思？

Revolut所說的 「build, don’t bolt on」，可理解為「自己打造，而不是把不同工具逐件加上去」。傳統做法可能是為防詐騙、信貸評分、客戶分群和產品推薦，各自建立一套模型、數據表及人手設計的特徵，結果形成互不相通的模型孤島。

Revolut希望改用一個由內部主導、可重複使用的銀行模型骨幹，讓不同業務在同一層「行為智能」之上運作。當中包括：

• 信貸評分及違約風險評估；
• 詐騙偵測；
• 客戶分群及互動分析；以及
• 個人化金融產品推薦。610

換句話說，研究部門的目標不是為每一項新服務另起爐灶，而是先訓練一個能理解金融行為的共同基礎，再按不同任務作調整。610

PRAGMA是甚麼？

PRAGMA全名為 PRe-trained Banking Foundation Model，即「預訓練銀行基礎模型」。根據已發表的研究，PRAGMA是一系列以 Transformer 為基礎的編碼器模型，專門處理由多種來源組成、時間長短不一的銀行事件紀錄，例如付款、轉賬，以及其他產品使用和客戶行為訊號。1

模型採用自我監督式的「遮罩建模」方式預訓練：系統會隱藏部分事件或資料，再嘗試根據上下文推算缺失內容，藉此學習客戶金融活動之間的模式。已公開的PRAGMA模型由約 1,000萬至10億個參數組成。1

訓練數據涵蓋幾大？

現有資料顯示，PRAGMA以原始、帶有時間標記的銀行事件作訓練，涵蓋約 2,600萬個客戶歷史紀錄、合共 240億宗事件，涉及 111個國家。110

這些事件不只包括單一類型的交易，而是不同金融產品及客戶行為的組合。這種設計讓模型可以先掌握較廣泛的金融行為，再以較輕量的方式調整至信貸、詐騙或推薦等特定用途。

需要留意的是，PRAGMA並不是NVIDIA單方面開發的產品；較準確的說法是 Revolut與NVIDIA共同開發。Revolut負責銀行業務場景及數據應用，NVIDIA則提供加速運算及相關AI技術支援。1013

NVIDIA H100如何支援訓練？

NVIDIA的案例研究指出，PRAGMA運行於NVIDIA加速運算基礎設施，並使用 NVIDIA H100 GPU，配合Nebius AI Cloud，以及序列封裝和動態批次處理等方法，令大規模預訓練可以在指定時間窗口內完成。10

不過，現有可見資料並未獨立證實所使用的H100數量或整個GPU集群的具體拓撲。因此，較穩妥的說法是：資料支持PRAGMA採用NVIDIA加速運算及H100基礎設施，但不足以確認一個精確的H100集群規模。1610

公司公布的效能提升

NVIDIA的Revolut案例研究表示，PRAGMA相對於現有生產環境基準模型，帶來以下結果：

• 識別信貸違約風險的準確度提升 2.3倍；
• 捕捉到的詐騙個案增加 65%；
• 詐騙警示的精準度提高 17%；以及
• 產品推薦的相關性提高 41%。6

這些數字是Revolut及NVIDIA公布、以生產環境基準作比較的結果，並非經獨立機構審核的全行業測試，因此不應直接視為所有銀行或所有客戶情況下都能複製的表現。6

成立研究部門前，已有甚麼進展？

Revolut Research的成立，並不是從零開始。公開紀錄顯示，PRAGMA的基礎模型研究已經發表，而NVIDIA在6月公布的案例研究亦描述了Revolut如何嘗試以共同模型骨幹，整合原本分開處理詐騙、信貸、客戶互動及推薦的系統。16

因此，今次宣布更像是把一項已有研究成果及部署測試的研發工作，正式制度化，並賦予它持續研究及對外交流的組織定位。16

研究部門將如何對外交流？

Revolut表示，Revolut Research計劃：

• 發表人工智能及銀行模型相關研究；
• 開放部分研究框架予外界使用；
• 參與在柏林舉行的GTC Berlin；
• 參加ACM International Conference on AI in Finance（ICAIF），即ACM人工智能金融國際會議；以及
• 每季舉辦科學交流聚會。

至於外界報道提到的個別高層姓名及完整引述，現有較高權威的公開材料未能全部獨立核實，相關細節仍應以Revolut原始發布為準。

與Revolut擴張有何關係？

這項計劃出現之際，Revolut正把業務擴展至超過 8,000萬名客戶及 40多個市場。當客戶、產品和監管要求同步增加，風險管理及個人化服務便不能只靠一套套互不相干的模型維持一致性。34

Revolut的法國實體最近亦在法國審慎監管及處置局（ACPR）和歐洲中央銀行共同審批後，取得完整銀行牌照。公司會先支援法國業務，再逐步推進西歐其他市場的擴展。

從實際業務角度看，Revolut Research想建立的是一層可重用的核心銀行AI能力：先用廣泛金融行為訓練一個共同模型，再把它調整至不同的受監管決策及客戶體驗，而不是每推出一項產品便重新建立一套機器學習系統。610