Moshi CEO Anekha Sokhal：把市场数据变成交易员可执行洞察

Moshi 如何将市场数据转化为可执行的洞察，以及为什么 AI 工具必须契合交易员的工作流。Latent.Space10月22日·27分钟收听本次对话27分钟阅读文字记录在 YouTube 上观看

AIE CODE 的门票和申请现已开放——这是今年最后一场旗舰级 AIE 活动。

Anekha Sokhal 从事能源衍生品交易时，要跟上市场动态，就意味着需要追踪远超任何人阅读能力的信息量。如今，作为 Moshi 的 CEO，她正在打造自己当年希望拥有的工具：一个将市场信息与交易员持仓中真正重要的内容关联起来的推荐引擎。

在 AI Engineer New York 上，Anekha 与 swyx 一起讨论了她的成长路径——从数学和 JPMorgan 到创立 Moshi，以及为什么有用的 AI 需要契合人们实际工作的方式。她将 Moshi 形容为 Bloomberg、Claude 和 Netflix 结合后可能诞生的产物：市场数据、用于处理这些数据的界面，以及为交易员量身定制的推荐。

他们还谈到了可信信源、文档抽取、自建模型与采购模型的取舍，以及那些被告知“你就是团队”的 AI 工程师所承受的压力。Anekha 分享了她在会议上从客户对话中学到的东西，以及为什么见用户要先于招聘。

观看本期节目

在 YouTube 上观看 Anekha Sokhal

节目笔记

Moshi——Anekha 的公司

Anekha Sokhal——背景与工作

GIQ 研究论文——访谈中讨论的研究

Reducto——文档抽取

AI Engineer New York

时间戳

0:00——AI Engineer New York 与“你就是团队”

0:54——认识 Anekha Sokhal

2:09——从数学到能源衍生品

3:46——富布赖特奖学金与成为创始人

5:45——Moshi 为交易员做什么

6:10——处理海量市场数据

9:03——Bloomberg 与市场工作流

10:03——Bloomberg、Claude 和 Netflix

12:03——从仪表盘到工作流

15:03——可信信源与信号

17:13——自建还是采购模型，以及文档抽取

18:20——AI Engineer New York

20:32——客户会议与社区

23:54——招聘与和客户交流

25:55——swyx 进入 AI 的路径

文字记录

自动文字记录；措辞可能包含错误。说话人标签已省略。

0:00 所以我实际上延长了在纽约的停留时间，因为我们——本来我今天就要走的。我们现在周四有会议，又延长了一天，周五，又延长了一天，周一。然后现在还有会议，人们说，嘿，我们做能源的，咱们在休斯顿聊聊。所以我们会议结束后这一周基本排满了会议。AI Engineer 这场很有意思，因为很多人感觉被管理层的压力压得喘不过气。要做什么？因为现在人们说，我们不需要一个团队，你就是团队。所以就像，嘿，我现在得自己搭建整个系统。但那个系统通常是由 10 个人来做的。好，我们在演播室。这是我为 AIE 做的最后一期播客，嘉宾是来自 Moshi 的 Anekha。欢迎。非常感谢。

2:02 就这一点分享一些实战创伤吧。你学过金融微积分，比如随机微积分吗？是的，我学过。我的本科学位是数学、运筹学、统计学和经济学，在 Warwick 读的 MORSE。当时所有人都说，天哪，太书呆子了。我讨厌告诉别人。现在则是，哇。是啊，大家都说，天哪，机器学习、AI。是啊是啊。然后是衍生品。所以我做过这些。我的背景始于英格兰的 Warwick，然后我知道我想做交易。我不知道你进入交易行业的故事是什么，但我想要的是节奏快、与数据相关的东西，我绝对热爱数据。当我读到交易是什么的时候，我无法想象自己从事任何其他职业。所以我就下定决心要做这个。于是我在投资银行和交易领域拿到了第一个实习，然后在 JP Morgan 拿到了实习，从那里开始。

3:04 我先是在新兴市场交易台，然后转到大宗商品，在那里做衍生品交易。所以我职业生涯的大部分时间都在能源衍生品领域。因为我有数据背景，我总是从想要把市场拆解成各个不同部分的角度来看待它。比如在大宗商品中，很多是关于基本面、关于不同的新闻和不同的实体动态。所以我一直着迷于从零开始搭建。所以当我做交易的时候，我看到了这种转变：先是数据，然后某件事将会发生。就在那时我离开了 JP Morgan，去——其实我想成为一名创业者和创始人。但我想做一家数据公司。所以我拿到了富布赖特奖学金来到美国，因为你们这里有如此惊人的风险投资环境。就这么轻描淡写地拿了个富布赖特。

4:06 是啊，我猜我讲这个故事的方式挺有趣的，我当时在伦敦上一节瑜伽课。是这样的，我父母有一家珠宝生意。我在大学创业之前还兼职做过一个计算机视觉初创公司。所以我就想，哦，珠宝领域有哪些问题？哦，比如虚拟试戴。所以这就促使我想成为一名创始人。我想，我怎样才能在最适合做创始人的国家成为创始人？我又想，我想成为一个能谈论技术的创始人。所以这是大概 2020、2021 年的事。我发现富布赖特有一个数据奖学金，全英国只有一个名额。所以我就想，我来这里的路就是富布赖特奖学金，而他们只给一个。这真的很好笑，因为我不知道你还记不记得 2020 年新冠时期，天然气市场疯狂波动。所以当时天然气市场出现了疯狂的

5:06 波动性。所以当我参加富布赖特面试时，他们问我，你喜欢什么，你如何看待未来？我谈到了全球性问题，即每个人都在经历能源市场危机，以及数据与此的关系。每个人都能理解我在说什么，因为油价疯狂，他们的电费也在疯涨。所以这把我带到了美国，来到这里，深入机器学习研究，与 Stability AI 一起在 ICLR 上发表论文，与 NASA 合作，做了很多很多非常有趣的工作，这又把我带到了 Moshi。那 Moshi 是什么？Moshi，我们正在打造的是我交易时希望自己拥有的那个程序。我们所做的是为金融交易员提供实时洞察，从大宗商品和能源市场以及宏观市场开始。我们所做的是处理比人力所能及更多的数据，告诉你现在所有对你的投资组合重要的事情

6:09。你们会处理哪些类型的数据，能让我们大致了解类型和数量级吗？类型和数量级。那我先从数量级说起。我向人们解释的一个有趣方式是，我向你说这句话需要四秒钟。而在同样的时间里，Moshi 已经学到了 300 件新事物。这就是我们处理的数据量级。就数据类型而言，这非常符合我对如何交易的极客式思考。我会把市场拆分成交易员用来决定进行什么交易以及如何管理风险的所有不同类型的数据。所以我所做的是把市场拿出来，然后说，嗯，有结构化数据和非结构化数据。有期货市场的时间序列，以及围绕它的所有技术分析。所以我们看所有这些，比如统计指标、所有不同的技术指标、所有移动平均线。

7:11 那是一组数据。显然它在不断更新。我们看的下一组数据是基本面市场的时间序列。所以特别是在某些大宗商品市场，有大量的需求和供应。然后我们看非结构化数据。新闻是显而易见的一个。但还有所有存在的另类数据。例如，有 X 数据。有播客上的音频数据。X Twitter。X Twitter，是的。你读 Twitter。好。所以理解所有这些不同类型的数据。我会说这就是数据的公开可用性。还有另一整类数据，即用户的私有数据。所以我确信你交易时也有这种情况，就是你有你在意的分析师。我不能跑来告诉你，嘿，你应该，你知道，读这个人，因为你自己有你需要的人。然后你会有你在意的订阅。你会有你的内部数据，对吧？

8:11 比如我们交谈过的一些公司，如果他们在交易市场、交易能源市场，他们会有人专门负责通过霍尔木兹海峡的 LNG 船数量。所以有所有这些对用户个人而言的数据。所以我们把这两个数据点放在一起，做所有的数据清洗、数据转换。然后我们看统计和机器学习，给它打标签，在它之上创建我们的整个本体。然后我们把它放进 Moshi，像 n 维图。然后我们产生输出，也就是一个把数据推送给你的软件。所以每次你打开 Moshi，你都会看到与你的投资组合相关的新东西。而且你可以拉取数据。所以 LLM，我会在 30 秒内给你答案，而通常这要花你几天。所以人们常说这是新 Bloomberg，还是这是你不同意的说法？你不喜欢被描述成新 Bloomberg？是的，这是个有趣的问题。

9:13 因为显然那是 800 磅的大猩猩，或者不管 800 磅大猩猩的英式说法是什么。是的，你知道，我认为 Bloomberg 有某些功能，其中 Bloomberg 聊天是平台的一个极好方面。是的，对于那些不知道的人，交易员会在聊天中交易数十亿美元。而且有一个标准化公式。我进入 NLP 的入口实际上是把 Bloomberg 聊天解析成我日志的结构化定价表。我们就是这样进行期权定价的。是的，有 Bloomberg 聊天，那是一回事。我不会说我们是新 Bloomberg。我会说我们是另一种类型的软件，并不是。我认为这是最简单的说法。我不知道这有多大争议。但如果 Bloomberg、Claude 和 Netflix 有了一个孩子。Netflix。那就会是 Moshi。你们有视频？Netflix。

10:14 我们实际上有一个推荐系统，是我们内部构建的，就是如果你是交易员，你正在看一件事，你实际上现在关心的是二阶和三阶导数，而你不会立刻知道。我明白了。所以我们构建了一整个推荐系统，一个简单的例子，如果我们回到比如一个石油交易员，有一家能源股票公司正在做某件事，会间接影响石油，你现在就需要知道。你不会从新闻流中得到这个。你会从一个连接图得到这个，它向你展示这一点。因为如果这两个信息点现在同时出现，你能做到的唯一方式要么是人，能够把那些连接起来，要么是模仿人的东西，比如一个能做到这一点的推荐系统。但这就是我们试图做的，因为我希望我交易时能有那个。是的。嗯，你知道，Netflix 有一整个成瘾性元素，那是不好的。

11:15 确实有。但没错，这非常有意思。我觉得 RecSys 是 AI 最重要的部分之一。作为 AIEs 的策展人，我实际上每年都有一个 LLM RecSys 专场。而工程师们往往不重视它有多重要。比如它的参与度并不高，尽管推动这些东西的一些人，我是说，他们为 YouTube 做 RecSys，为 Netflix 做 Netflix 的，为 Instagram 和 TikTok 做。然后就像没人来。我就想，你什么意思？你对 RecSys 不感兴趣？你知道，我觉得它真的很有意思。我认为部分原因是他们让它看起来太容易了。就像，哦，这太像……这是整个公司里最重要的系统。没错。而且我会说，可能还有与之相关的东西，我认为一些公司做得非常好，比如 Spotify、Instagram，就是人们推出 AI 后带来的一件事

12:15 现在每个人都能构建自己的 Claude 仪表盘，对吧？就像，嘿，我自己做的。太好了。太好了。如果你想让别人也用它，那就是把你的大脑放进仪表盘，或者把你的大脑放进某个东西里。试着让一个新用户把它融入自己的工作流。这时你处理的就不再是一个问题，而是一个 UI 问题，也就是他们如何与它交互？因为有时候用户并不总是会用它。这些平台做得非常好的一点是，它们把数据推送给你，这就像钩住了你。所以你自然甚至都没意识到自己在平台上，你就想，哦，我想要那个。不，不，我其实想要那个。所以我们一直在公司内部尝试理解 UI 与推荐系统之间的关系。因为我们的论点是，如果你解决了一个，你自然也就解决了另一个。我认为这是当下的一件大事，也就是如果每个人都在构建软件，你如何让它真正成为人们会用的软件？这是个挺有意思的观点。

13:19 是的，有点像先有鸡还是先有蛋。好吧，总之，我忘了提我在这方面的背景。我其实以前在伦敦做外汇期权交易。然后我在利率方面待过一段时间。它的职业路径非常相似，你从 EMEA 开始，然后进入也许是 G10。是的。至少我们在外汇上是这么叫的。你要摄入大量信息，而 LLM 很可能能更好地处理它。所以十年前我做这个的时候，我们还没有那些工具。但现在我看到了。然后我转到买方，开始像你一样为另类数据付费。我们其实是 Balyasny 最早做 X fire hose 或 Twitter fire hose 的少数几家之一。是的。那东西贵得离谱，每月 30 万美元的数据，你必须付费才能拿到所有推文。它以前是免费的。然后你多少要解析它们。

14:19 我不认为，我不知道它是否曾经免费过。对研究者是免费的。好吧。但如果你是对冲基金，你就得买。而且它非常嘈杂。所以我的眼睛会往上翻，因为我不知道我是否会基于那些东西交易，因为有时候人们就是随便胡说。有时候人们试图通过说些东西来操纵市场。而这其实没那么重要。但我们也会有另类数据，比如卫星信息或信用卡信息之类的。所以在买方，我的头号问题是，你在看我的数据吗？这大概不是。但你怎么让人放心？你如何与那些你甚至不一定看得见的系统集成？是的。我认为这里面有两个问题，第一个是，如果有那么多数据可用，你怎么知道什么重要？所以当我们看 X 数据时，当我们与人交谈时，这是一场自然的对话，或者让我们甚至扩展到任何类型的数据。

15:20 我们在人们身上发现的一件事是，他们确实会有自己信任的人，会关注这些行业声音，尤其是在大宗商品领域。会有大宗商品的供应商。会有 LNG，所有这些设施，它们会在上面活跃，因为这也是它们发布状态更新的最快方式。哇。所以这很有意思，因为我们发现很多用户会告诉我们这一点。所以就像，哦，好吧，所以你觉得它是一个可信来源，因为你相信某个特定的人。有点可疑。对。所以这是那种事情之一，我们找到了一种方法尽量过滤掉尽可能多的东西。但当我们向某人展示时，我们会给出一个置信度分数，就是说，好吧，有人在说这一件事，但这是围绕这场对话正在发生的其他一切。因为对人们来说有意思的是，如果有分歧的来源，比如一个例子是有多少

16:21 船在航行，现在有多少架飞机在我们上方飞过。如果路透社在说什么，或者彭博社在说什么，华尔街日报在说什么，它们可能并不都一致。但它们不一致这件事本身就是一个数据点，因为那里是否有机会？因为没人知道。所以这就是我们试图给人们提供信息的方式。然后第二个问题是，你知道，人们的数据无处不在。我认为有不同类型的集成。第一种是，他们那些凌乱的 PDF 数据怎么办？那类数据，我们构建的是一个视觉语言模型来理解它。所以我们会拿他们可以上传到其云端版 Moshi 的数据。然后我们实际上会去拆解它，再在我们的数据库中重建起来。还有某些类型的数据，你只能连接到他们的系统。然后那更像是对话。我假设你们自己在运行这个视觉语言模型，拥有它重要吗？还是你更愿意外包，我是说，有任意数量的供应商，Reducto

17:24 这就像是一种不生成文档的处理方式。拥有自己的模型，还是直接用现成的，这有多重要？我认为这是很多公司现在都在纠结的问题。对我们来说，第一个问题是，如果有人把他们的数据交给我们，我们不想把它发给第三方。因为市面上确实有系统能帮你做这些事。但你要确保已经就他们如何处理这些数据达成一致：他们拿它做什么？这是第一个问题。第二个问题是，如果你没有工程师团队，那现成方案是个很好的选择。但如果你像我们一样有工程师团队——一个有趣的事实是，团队里大多数人都在某种程度上与NASA合作过——那他们就想自己构建模型。但不是每个人都有这样的条件。所以，你知道，我认为这真的取决于你团队处在什么阶段。嗯，明白了。好，那么说到你的演讲，你显然从中获得了很多主动联系。

18:28 这是我们第一次做聚焦金融的活动。所以我真的不确定能吸引到哪些人。显然，我们为这批受众做了大量宣传和推广。你最后都和什么样的人聊了？嗯，我们——那是个绝佳的机会，因为我们一直在接连不断地和人交流。而我们最初以为会感兴趣的人群之外，过去一小时里有人在LinkedIn上给我发消息说，嘿，我看了你的演讲。你在休斯顿吗？我们能见个面吗？或者，嘿，你在纽约吗？我们能见个面吗？我们接触到的人里有很多交易员，要么在基金、咨询行业，然后AI工程师是个很有意思的群体，因为他们很多人都觉得被管理层的压力压得喘不过气。要做什么？因为现在人们说，我们不需要一个团队，你就是那个团队。所以就像，嘿，我现在得独自构建这整个系统

19:31 了。但那个系统通常得由10个人来做。所以很多人跟我们聊，他们说，嘿，我需要构建一个系统。但你知道，我需要一群智能体吗？可要是哪里出问题了呢？有意思的是，嘿，我把系统建好了。人们告诉我他们需要它。它就在他们的邮箱里。没人点开它。但他们又抱怨自己有这个问题。那我该怎么办？所以这是一个方面。然后是合作。你知道，我们一直在见人，有人说，嘿，你们在做这个。这很有意思，因为我们在做那个。我们之后聊聊吧。所以我实际上延长了在纽约的停留，因为我们现在——我本来今天要走。我们现在周四有会，又延了一天，周五，又延了一天，周一。然后现在还有人约我说，嘿，我们在能源行业。咱们在休斯顿聊吧。所以我们会议结束后的那一周都排满了会。天哪。是啊。我的团队跟我说，嘿，Anekha，又一个人报名了。又一个人报名了。所以这特别酷。

20:32 做这些一对一的会面有意思吗？我猜是因为他们需要私下问你一些事。当你本可以去做业务或做产品的时候，安排这么多会议似乎效率很低。是啊。我们尽量对人有帮助，我们会先开一次初步会议，但之后我们真的想弄清楚你要解决的问题是什么，然后制定一个计划。所以我们现在已经在做一些事情来简化流程，比如因为收到的主动联系太多，我们正在办第一场网络研讨会。我们没法总是做这些一对一的会面。更一般地说，我在买方的时候，银行实际上会替我们安排这些会议。是啊。他们会来到像这样的小房间。会有那种圆桌会议。我一次见五个人。比如我会说，我是一家公司的CFO，我需要做投资者关系。

21:33 我一次见五家基金，而我会是那五家基金之一。我会设想我们未来能为你做什么——这个我还没落地，但我们应该在活动现场办会议。就像你——这说得通。人们看了你的演讲。他们想多跟你聊。他们应该能报名，然后你可以一对五。而且很可能所有这些问题的答案都一模一样。其实那会是个很棒的主意，因为另一个——因为我们在金融行业时就这么做过，那真是个好主意。因为我们有过一次，嗯，有时候你甚至不知道你要见的人长什么样。好吧。所以你在试着拍你所在位置的照。真的吗？就像，嘿，在这儿见我，在这儿见我，然后给他们打电话。所以这样的主意会很棒。就像分配好的会议室。是啊。就像，嘿，我是说，这整层楼都是，但我们得预先分配给其他演讲者，不过，嗯，我们想做些动态分配。我只是不知道怎么把它推动起来。我在试着跟你一起把它填满。这样你就不用飞到休斯顿，甚至就算他们在纽约，你也不用去他们办公室。

22:34 大家进来，把会开完，然后就出去。我其实觉得那会是个很棒的主意。比如给这个人安排一个30分钟的时段，然后大家报名。就随你想怎样。对。就像更小规模的一对一。那是个很棒的主意。对。对。呃，我是说，还有别的什么，我想我们还能做得更好，或者你在会议上还有其他体验，我觉得这是我参加过组织得最好的会议，不，不，说真的。比如我拿到的那些高质量指南的数量，而且一切都超级清晰，比如演讲者团队、分组讨论室，嗯，演讲者休息室，我觉得休息室从来没这么好过。呃，对。所以剪了头发。我知道。我没做面部护理。我做了面部护理和按摩。对。我知道你剪了头发。我确实剪了头发。对。呃，我，我，我是说，我们确实想好好招待演讲者。呃，这次绝对是，呃，超出了预期，这要感谢cognition做了这些。但是，呃，对，我是说，呃，组织是一回事。

23:38 我确实认为，就商业价值和效率而言，我认为那是一个重要的，呃，要素。比如我们想把这个，呃，你知道，做成对你们招聘和销售都有用的东西，你知道，我不知道该怎么平衡，因为，对，你到底，什么对你更重要，招聘还是销售？所以就我们而言，我们刚招了人，也计划继续招，嗯，我们一直在见人，但现在的优先事项是见客户，那是优先事项，不一定是招聘。嗯，因为我认为在招聘方面，我们一直从LinkedIn获得持续的内推。真的吗？对。我，我们有一个职位挂出来。我们不得不把它关了。它只开放了四天。我们收到了2500份申请。好吧。嗯，所以这本身就很难处理，但见那些想买的人，还有那些，因为我认为有些人有问题，但他们不想买。还有些人有问题并且想买。然后你试图找到那个匹配，那真是，

24:39 我还没找到任何做过那件事的人。嗯，好吧，但我真的很喜欢你这个一对一的主意。对。对。我是说，基本上我是在把我以前作为对冲基金人士所拥有的东西转移到这个市场，也就是AI和金融。对。嗯，好吧，我们明年会试着做那个。我们会试着成为那个决定性的东西。嗯，我认为在招聘方面，所以那是买方，那就清楚了。我认为，我认为我在那方面肯定能更好地帮到你。呃，在招聘方面，我也想帮你。对。好吧。比如2500太多了，其中大部分是噪音。所以你需要一个更好的筛选器。我有强烈的看法。好吧，请讲。还有很多人也在以那种方式做，就像是暗中进行，不是，他们在货比三家，他们在打探。你有那种情况，但你也有那种，比如法律上不允许工作的情况。所以那里面有很多噪音。比如签证，那周围也有很多噪音。所以当我第一次，比如我是第一次创业的创始人，当我第一次

25:41 开始的时候，你不知道那些事。你不了解那个，比如市场。对。而且那方面有很多噪音。对。好吧，我们，我们会试着为你提高那个信号。我们想成为一个高信号的会议。嗯，我只是很感激你花时间陪我们，也恭喜你的成功。非常感谢。我很想，我有一个问题，就是你是怎么，你转到了AI。呃，就，就决定开始。呃，好吧，我，我离开了，呃，对冲基金界。我转到了科技行业，然后当AI浪潮来临时，我意识到我最好非常、非常快地行动，呃，来建立这个领域。嗯，所以我做了AI工程的博士后，呃，开始了这个，这个会议和媒体相关的东西，因为我，我在骨子里非常是个媒体人。对。呃，在我心里。嗯，我确实有点怀念交易，但这非常有成就感，因为我得以见到真实的人，而不是整天盯着屏幕。呃，对，我感觉一样。好吧，谢谢你。我想我们得走了。非常感谢。谢谢。谢谢。感谢阅读

稍微领先于曲线。