NVIDIA 與日本金融機構展示生成式 AI 如何重新定義金融服務

生成式 AI 正快速改變金融服務業，並在詐欺偵測、風險管理、投資研究與顧客互動等領域加速創新。NVIDIA 於 4 月 17 日參加由 Macnica 主辦的「NVIDIA 金融 AI Meet-up with Macnica」，NVIDIA 全球銀行策略負責人 Ase Blanco 介紹 AI 如何改造金融業務，並分享全球最新趨勢。日本主要金融機構與合作企業也登台，分享為滿足日本國內對資料主權與高精度兼顧需求所推動的最新措施。 Blanco 表示，AI 的應用不是單純的進化，而是真正意義上的革命。他強調，NVIDIA 並不只是晶片製造商，而是支撐 AI 革命的平台，從晶片、基礎設施、模型到應用程式，都以整合式堆疊提供。NVIDIA 也高度投入開源，不只公開模型，也公開訓練資料與訓練後權重，讓使用者能建立新業務。他指出，金融業必須建構可由自身掌控的智慧。 金融服務是全球獲利最大的產業，每年創造約 1.2 兆美元利潤。僅透過 AI 改善流程，就可能帶來 2,000 億至 3,400 億美元的額外利潤。另一方面，詐欺每年造成超過 5,000 億美元損失，且以每年 10% 以上速度增加，因此 AI 詐欺偵測具有龐大價值。NVIDIA 調查也顯示，99% 金融業者將持續或擴大 AI 投資，89% 已感受到 AI 帶來的營收增加或成本降低，84% 認知到開源的重要性。 Blanco 指出，未來銀行將不再由資料集驅動，而是由智慧驅動。2025 年已有多家大型銀行導入 AI Factory，這是可比擬 1960 年代導入大型主機的歷史轉折。AI 中心化銀行應結合自有專屬資料與開源模型，建立各銀行獨有的智慧。未來銀行將擁有多個專門模型，例如授信審查模型、產品與價格知識模型，以及理解顧客行為的交易模型。 AI 模型可改善既有流程，也能提升員工生產力。例如 RBC Capital Markets 將分析師原本需 40 小時的分析工作縮短至 15 分鐘，涵蓋股票數從 1,500 檔增加至 2,500 檔。GPU 也讓過去需整晚執行的風險分析與定價計算縮短至 1 小時以內，創造更多時間進行新分析、發現與機會探索。 Blanco 最後表示，金融業是資料產業，而 AI 將資料轉換為智慧。AI Factory 是擴大這項機會的基礎，技術本身已存在且可運作，真正課題在於企業如何從商業角度投資並運用 AI。每一家銀行都必須重新定義「銀行是什麼」，未來 10 年將是連續創新的時代。 隨後，日本 8 家代表性機構分享最新成果。京都大學經營管理大學院南正太郎介紹能以數學方式保證資訊品質的 LLM，以及 AI 時代所需的新 OS。KDDI 分享與 MUFG 的協作，聚焦在機密性、專業性與模型固定性需求高的金融特化 AI。大和總研介紹在本地 GPU 環境中以 NVIDIA NIM 實現語音轉文字與文章摘要的驗證。NRI 分享以金融法規應對為題，建立產業與任務特化 LLM，並在三項實務任務中達到高於 GPT-5.2 的精度。 First Accounting 介紹使用 NVIDIA Nemotron、NeMo Data Designer 與 DGX B200 建立企業文件特化 SLM，將資訊抽取精度從 89% 提升至 100%。瑞穗金融集團分享「瑞穗 LLM」的階段性建構，並探索以 NeMo Curator 與合成顧客 persona 資料強化訓練資料。樂天集團介紹金融領域 Vertical LLM 的微調設計、學習流程與效能比較。Ricoh 則展示以 Dify、Nemotron-Nano-9B-v2-Japanese、kintone 與內部儲存整合，支援財務影像讀解、事業性評估與融資稟議書草稿生成。 會場也展示加速金融 AI 應用開發的技術。Macnica 展示兼顧資料主權與 persona 型市場調查模擬的金融機構本地 LLM，並以 NVIDIA Nemotron-Nano-9B-v2-Japanese、Nemotron-Personas-Japan 與 DGX Spark 實現反映日本地理與人口分布的調查模擬。NVIDIA Inception 成員 Ippu Senkin 展示金融特化本地生成式 AI 服務 Local AI Agent，可在本地環境自律處理從文件生成到程式開發等業務。