纽约梅隆银行部署AI超级计算机

近期，美国银行业巨头纽约梅隆银行（BNY）部署了NVIDIA（英伟达）的超级计算机DGX SuperPOD和DGX H100系统，成为第一家部署NVIDIA人工智能数据中心基础设施的银行。纽约梅隆银行计划使用NVIDIA的AI Enterprise软件来支持人工智能应用程序的构建和部署，并管理其本地AI基础设施。

纽约梅隆银行总部位于纽约，拥有240年的历史，专注资产托管和资产管理等业务，是全球最大的托管银行和证券服务公司。截至2023年，管理资产达1.8万亿美元，托管资产达45.7万亿美元。

新系统配备了多台NVIDIA DGX系统和NVIDIA InfiniBand网络，基于DGX SuperPOD参考架构，为BNY提供了强大的的计算处理性能。在新系统的支持下，纽约梅隆银行计划利用NVIDIA的AI Enterprise软件，利用其本地AI基础设施来构建和部署跨各种功能的AI应用程序，包括存款预测、支付自动化、预测性交易分析、日终现金余额等。

纽约梅隆银行在金融服务业的AI和加速计算方面一直处于前沿。在2023年的一次全公司演习中，纽约梅隆银行发现了600多个人工智能场景，其中数十个用例已经在使用NVIDIA NeMo、NVIDIA Triton Inference Server和NVIDIA Base Command等NVIDIA AI Enterprise软件进行开发。

• Triton Inference Server是推理服务软件，可以简化AI推理或使训练有素的AI模型投入使用。

• Base Command为DGX SuperPOD提供动力，提供NVIDIA软件的最佳选择，使企业和数据科学家能够加速AI开发。

• NeMo是一个端到端平台，用于开发定制的生成性AI，包括培训工具、检索增强生成工具、护栏和工具包、数据管理工具以及预训练模型，为企业提供一种简单、经济高效且快速的方式来采用生成式人工智能。

NVIDIA DGX™平台是由NVIDIA公司设计和生产的一系列高性能计算系统，专门用于人工智能和深度学习的工作负载，为研究人员、开发者和企业提供强大的AI计算能力，以支持复杂的数据分析、模型训练和推理任务。企业可以使用DGX平台来开发和部署AI应用，如图像和语音识别、自然语言处理、推荐系统等。平台的主要特点和功能有：

• GPU加速：DGX系统配备了多个NVIDIA Tesla GPU，这些高性能图形处理单元（GPU）专为并行处理和AI计算而设计。

• 深度学习优化：DGX平台针对深度学习框架和算法进行了优化，可以大幅加快神经网络模型的训练和推理速度。

• 集成系统：DGX系统是完全集成的解决方案，包括硬件、软件和开发工具，旨在简化AI项目的部署和管理。

• 大规模并行处理：DGX系统能够执行大规模并行处理任务，这对于处理大型数据集和复杂模型至关重要。

• AI软件栈：DGX平台通常预装了NVIDIA的AI软件栈，包括CUDA、cuDNN和其他深度学习库，以及流行的深度学习框架，如TensorFlow、PyTorch等。

• 易于扩展：DGX系统设计允许轻松扩展，可以与其他DGX系统或NVIDIA的Seal GPU加速平台集成，形成更大规模的AI计算集群。

NVIDIA公司宣称，DGX能够实现高达144 petaflops的AI性能（新支持的FP4精度），并拥有1.4TB GPU内存和64TBps内存带宽。与上一代相比，万亿参数模型的实时推理速度提高了15倍。

纽约梅隆银行非常注重人工智能的应用，在该领域，公司的愿景是利用AI和机器学习增加自动化，以数据驱动的决策为客户提供价值，提高洞察力。

• 设立专门的部门：2023年5月，纽约梅隆银行在都柏林建立一个新的人工智能中心（AI Hub），主要负责推动纽约梅隆银行在人工智能（AI）、机器学习和数据分析领域的创新。AI Hub目前已投入生产超过20个支持AI的解决方案，包括预测分析、自动化和异常检测等。

• 加强专业团队建设：AI Hub汇集了数据科学、人工智能和机器学习人才。AI Hub成立之初由约30人的数字团队组成，纽约梅隆银行的目标是到2025年底将该团队人数增加一倍。

• 持续扩大IT投入：在财报中，纽约梅隆银行披露了软件和设备（ICT）费用，呈逐年上升的趋势。2023年，纽约梅隆银行的年度ICT支出18亿美元，在非息支出中占比13%。这笔支出的主要部分用于从供应商那里获取软件、ICT服务以及网络和通信，并聚焦在人工智能、大数据、云、区块链等技术应用领域。

• 参加行业组织：纽约梅隆银行作为创始成员参加了新加坡金融监管局（MAS）于2019年发起的倡议Project Veritas，该倡议组织为人工智能的使用制定了FEAT原则（公平、道德、责任和透明度），旨在促进金融机构在人工智能和数据分析应用方面的负责任使用。

• 积极引进先进技术服务：近年来，纽约梅隆银行通过积极引进技术服务商先进的人工智能应用，以提升业务效率。同时，银行还加大了相关科技公司的投资，如在Quantexa、Optimal Asset Management、BondIT、Conquest Planning、Genesis Global、Entrio中均持有股份。

2019年5月推出智能文档查询。运营团队每年可能会收到大约一百万封电子邮件，每封电子邮件都需要有人阅读，然后才能决定将其转发到何处。纽约梅隆银行应用机器学习来确定电子邮件的内容，包括结算、公司行为、税务、查询等，然后将其发送给相应的业务部门。

2019年7月推出智能营销。与Persado签署了一项为期五年的协议，使用Persado的人工智能来生成营销文案。

2021年2月推出国债交易结算失败预测。BNY使用AI来预测结算失败，帮助交易商评估其对手方未能交付或接收证券的可能性。该服务提供了一个集成的工作流程，以简化证券的可用性，提供按需借贷成本、贷款预订、抵押化和证券交付。预测结果可以帮助客户更密切地监控其日内头寸，更有效地管理流动性缓冲，以实现更有效的监管资本处理，并抵消结算失败的风险。同时，减少结算失败不仅可以限制潜在的TMPG罚款，还可以帮助客户更好地管理资金来源，并释放当前处于结算链中的资产流动性。

2021年6月推出自动化客户准入流程。BNY和Saphyre宣布合作，使用AI技术来自动化客户准入流程。Saphyre利用其专利技术，通过智能化预填充客户托管包、支持数字签名、自动设置SWIFT报告、交易消息路由和公司行动常设指令，同时智能动态跟踪市场要求及其各自的文件状态。

2021年6月推出托管协议生成流程自动化。与一家由微软M12支持的人工智能公司Evisort合作，Evisort根据纽约梅隆银行的内部规则、指导方针和流程审查新的托管协议调整了其人工智能工具，利用机器学习和自然语言处理（ML和NLP）来简化合同的生成、审查和管理。通过整合Evisort的能力，纽约梅隆银行现在可以在更短的时间内创建、定制、更新和跟踪合同，简化了线上流程，有效地提高了客户终端体验。合同的数据化还使银行能够为每个客户开发即时的“最佳初稿”，减少合同谈判次数。

2021年9月推出改善客户数据库中的实体分析。银行长期面临的挑战之一是实体解析或记录消歧，即识别并关联指向同一客户的不同记录。这对于遵守“了解你的客户”（KYC）规定、满足反洗钱和其他义务至关重要。BNY已经建立了一些复杂的软件系统来提升这一流程，但仍需要手动干预，因此BNY采用了英国软件开发公司Quantexa解决方案。Quantexa使用机器学习和多个公共数据源来增强实体解析过程。它的软件平台不仅可以进行实体解析，还能绘制和分析数据间的复杂连接网络，从而提供更深层次的洞见。

2021年10月推出自动化支付。传统上，客户服务经理需要手动将多种支付指令输入到工作流应用程序中，然后这些指令会经过多个步骤和应用程序进行验证、审查、认证和批准，最后通过手动数据输入指导最终的资金移动。

• BNY的全球机器学习和AI专家团队设计并实现了一个快速、可扩展的解决方案，用于处理支付交易。利用先进的机器学习技术，该平台提取并标准化了诸如支付金额、受益人和账户详情等数据项，以实现更无缝、自动化的电汇支付流程。 

• 客户通过BNY的专有数字认证工具接收付款以供审查和认证。 

• 在BNY最终审查和批准后，平台生成SWIFT指令以实现资金移动。

2021年11月推出AI强化合规性检查。BNY的资金服务业务采用Pelican AI的SSLO解决方案，以减少需要合规人员进行合规性检查的误报（false positives）。Pelican Secure SSLO利用先进的AI技术，包括机器学习（ML）和自然语言处理（NLP），分析银行现有制裁筛查工具标记为调查的交易。该技术帮助理解和解释误报，使合规人员能够更快地解决这些问题，提高合规操作的效率的同时满足监管要求。

2023年12月推出AI强化的合规通信监控。BNY部署Behavox Quantum来加强合规性和风险管理能力。Behavox Quantum利用大型语言模型和生成式人工智能实时分析通话、电子邮件、即时消息和交易数据，以快速识别潜在的风险和不当行为。

目前，各类金融机构通过AI技术在内部运营、客户服务、产品开发和投资管理等多个方面进行创新和优化，探索AI在提高效率、增强决策能力、个性化服务和风险管理中的潜力。

近期海外金融机构在人工智能领域的举措详见华锐研究所《资管科技洞察》2024年4月刊，具体请咨询华锐市场经理或研究所邮箱[email protected]