NPCI 和 HDFC 推出专为印度零售银行业务构建的主权人工智能模型
核心要点
- 印度的支付支柱正在从交易扩展到人工智能驱动的银行工具，其中开源基准和合成数据是其工作的核心。
- 在 2026 年全球金融科技节上，NPCI 推出了 FiMI Banking，称其为印度首个专为零售银行设计的主权紧凑型人工智能模型。
- 通过对合成数据进行训练并构建开源模型架构，NPCI 避免了关键银行功能对外
印度的支付支柱正在从交易扩展到人工智能驱动的银行工具，其中开源基准和合成数据是其工作的核心。
印度国家支付公司负责运营该国广受欢迎的统一支付接口 (UPI) 支付系统，该组织刚刚在支付领域取得了重大飞跃。在 2026 年全球金融科技节上，NPCI 推出了 FiMI Banking，称其为印度首个专为零售银行设计的主权紧凑型人工智能模型。
该模型基于 Google 的开放 Gemma 模型系列构建，并针对印度零售银行场景进行了训练。印度最大的私营部门贷款机构 HDFC 银行正在就该项目进行合作，以进一步完善该项目。
Gloria 牛市情况、熊市情况或打破牛市情况的催化剂 — Gloria Finance 一键运行整个研究。运行剧本 →
FiMI 实际做什么
FiMI Banking 专为人工智能世界所谓的“代理任务”而设计，这意味着它可以通过多步骤流程进行推理并在遵守银行监管护栏的同时采取行动，在了解印度监管要求的情况下处理长上下文银行交互。
一个值得注意的设计选择：整个模型是根据合成数据而不是真实的客户信息进行训练的。这是确保数据主权的故意举措，随着各国抵制敏感金融数据流经受过跨境数据集训练的外国人工智能系统，这一概念变得越来越重要。
基准是真实的故事
NPCI 与 FiMI 一起推出了两款专用基准测试工具。第一个是 IndicBank Bench，其中包含 799 个脚本化多轮测试用例，涵盖六个零售银行领域。这些模拟了客户可能与银行代理之间的来回对话，其中对话早期的上下文对于以后的响应很重要。
第二个基准称为 Tau² Agentic Banking Benchmark，更进一步。它包括来自 50 个不同场景的 1,000 个任务，模拟真实的客户交互。
NPCI 计划开源这两个基准以及技术文档和评估集。这意味着开发商、银行、金融科技公司和研究人员将能够根据共同的标准测试他们自己的人工智能代理，所有这些都使用合成数据而不是专有的客户记录。
为什么这对印度以外的地区很重要
主权方面值得关注。通过对合成数据进行训练并构建开源模型架构，NPCI 避免了关键银行功能对外国专有人工智能系统的依赖。
特别是对于 HDFC 银行来说，此次合作是保持银行技术前沿的一种方式，而无需承担从头开始构建人工智能基础设施的全部成本和复杂性。 HDFC 带来领域知识，NPCI 带来规模和公共基础设施要求。