Razorpay 联手 NVIDIA 和 AWS 推出 AI 支付基础模型，重塑交易成功率与欺诈防御

支付科技公司 Razorpay 近期构建了一个先进的 AI 基础模型，旨在大幅降低交易失败率，并显著提升其庞大支付网络中的欺诈检测能力。

这款命名为“Vulcan”的创新模型，其训练数据规模惊人，涵盖了近三万亿数据点及四十亿笔实际支付交易。

Vulcan 在处理每笔交易时，能够深入分析约 3,000 个关键信号，从而为支付路由优化、复杂欺诈识别、精准风险评估以及个性化结账体验提供全面的智能支持。

在技术支持方面，NVIDIA 的高性能 GPU 为 Vulcan 模型的训练与日常运行提供了核心算力保障。与此同时，亚马逊云科技 (AWS) 则通过其强大的 Amazon SageMaker 平台，为模型的开发与部署提供了关键的云服务支持。

不同于传统依赖多个独立机器学习模型的做法，Vulcan 实现了突破性的整合，将上述各项功能统一置于一个共享的智能层之下，从而构建了一个更为高效和协同的系统。

通过这一集成化平台，系统能够智能地选择成功率最高的支付路径，实现对跨商户交易的广泛欺诈检测，并对货到付款 (COD) 订单中的退货风险进行前瞻性评估。

“由 AI 驱动的支付基础模型，其价值远不止于解决当下的特定问题。每一次成功的或失败的支付，都将成为系统自我学习的宝贵经验，从而持续优化未来的每一笔交易。这使得 Vulcan 的发布更像是一个关键的里程碑，它标志着印度支付体系正迈向一个能够自我演进、持续优化的新时代。”

目前，Vulcan 的部分核心组件已在 Razorpay 的支付网络中投入实际运行。包括 Blinkit、Bachatt 和 redBus 在内的众多客户，都已在真实支付环境中体验到这一前沿技术的赋能。

据 Razorpay 报告，通过应用 Vulcan，其整体支付成功率获得了 8% 至 10% 的显著提升。

此外，该系统在未增加额外警报的前提下，成功检测并有效阻止的国际信用卡欺诈数量是过去的八倍，同时识别出的欺诈或争议交易数量也达到了原来的五倍。

Razorpay 进一步透露，其“Magic Checkout”功能成功将偏好的 UPI 应用推荐给多达 40% 的购物者，此举每月助力商户额外完成 10 万至 20 万笔的销售交易。

展望未来，Razorpay 计划将 Vulcan 的应用范围逐步扩展至身份验证、支付路由、欺诈检测以及借贷等更为广泛的金融服务领域。