位于多伦多的 Riskfuel 使用 NVIDIA DGX系统来训练加速器，极大地加速了金融机构的工作。

为了做出最佳的投资组合决策，银行需要准确计算交易价值，同时考虑不确定的外部风险。这就要求使用高性能的算力，以尽可能实时运行复杂的衍生品模型，从而找到公平的金融合约价格。

Riskfuel首席执行官Ryan Ferguson表示：“客户肯定不希望数据不能实时同步，而是想在各种可能的情况下掌握最新的投资组合价值。”该公司是一家位于多伦多的初创企业，致力于创建用于估值和负载风险工作的AI加速器技术。

Ferguson曾在丰业银行全球银行和市场部负责证券化及信用衍生品业务。他注意到整个行业所面临的这一挑战，后来离开了原来的工作岗位，开始帮助行业解决这个问题，并于2019年创立了Riskfuel。

Riskfuel使用NVIDIA DGX系统、NVIDIA GPU和NVIDIA CUDA并行计算平台训练和开发AI模型。

Riskfuel还是英伟达初创加速计划成员。这项免费计划专为前沿初创企业所设立，并为它们提供获得NVIDIA深度学习培训中心学分、技术援助、认知支持以及与投资者联系的机会。

Riskfuel的第一个客户恰好是Ferguson的老东家丰业银行。Riskfuel帮助丰业银行赢得了行业奖项，一时间众所瞩目。

Riskfuel随后与蒙特利尔银行（BMO）合作，该银行希望提高其结构性票据模型的性能，这些模型均基于CPU运行。

蒙特利尔银行采用行业标准蒙特卡洛模拟法来处理定价请求，每个请求在单个CPU核上可能需要运行几分钟。但由于需要进行大量模拟并且每天通过多个风险场景的交易数量众多，因此速度缓慢。

试点项目显示，由Riskfuel加速并部署在NVIDIA DGX系统上的蒙特利尔银行模型版本显著提高了性能，使这家银行能够扩大客户群、提高交易流量、形成新的风险洞察并优化产品设计和选择。

蒙特利尔银行总经理兼跨资产解决方案负责人Lucas Caliri表示：“我们通过与Riskfuel和NVIDIA合作，帮助客户处理更加复杂的对冲策略，并且使用加速定价和分析做出更快、更明智的投资决策。”

Riskfuel使用NVIDIA DGX A100 (Ferguson称之为“AI主心骨”)在6.5亿个数据点进行训练，建立了自己的模型。

这家初创企业与银行合作，使用银行的CPU模型创建用于神经网络的训练数据集。这些神经网络使用PyTorch、TensorFlow或任何其他AI库在GPU上运行。然后该公司以神经网络包的形式提供其产品，使客户可以自由选择是否在NVIDIA A100、A30或是其他NVIDIA Tensor Core GPU上运行推理。

凡是使用了Rirkfuel的银行都会实现显著提速，并同时保留了相同的模型访问API。

Ferguson表示：“这就好比我们把他们的‘车’开进车库，拆掉发动机，然后装上火箭。虽然外观没有改变，但其内部已经脱胎换骨。”

虽然实现了如此之快的速度，但无论银行的要求有多高，Riskfuel的模型都不会牺牲精度。Ferguson表示银行不再需要以速度换取精度，反之亦然。

Ferguson表示：“以前银行基本上都需要在速度或精度上有所取舍，现在Riskfuel让银行能够两者兼得。”

展望未来，Riskfuel希望为银行处理速度不够快的场景提供更多解决方案。例如，银行以前必须选择运行哪些风险场景，但现在这种限制正在被消除。