You are the Team — Anekha Sokhal, Moshi

你就是团队 —— Anekha Sokhal，Moshi，潜在空间

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

当 Anekha Sokhal 交易能源衍生品时，保持对市场的掌控意味着要跟踪比任何人能阅读的更多信息。如今，作为 Moshi 的首席执行官，她正在构建自己渴望拥有的工具：一个将市场信息与交易员账簿关键因素相连接的推荐引擎。

在 AI Engineer New York 活动上，Anekha 将与 swyx 一起探讨她从数学和摩根大通到创立 Moshi 的历程，以及为什么实用的 AI 必须符合人们实际的工作方式。她将 Moshi 描述为 Bloomberg、Claude 和 Netflix 的结合体：市场数据、处理数据的界面，以及为交易员量身定制的推荐。

他们还讨论了可信来源、文档提取、构建与购买模型的权衡，以及那些被要求“你就是团队”的 AI 工程师所面临的压力。Anekha 分享了她在会议期间从客户对话中学到的经验，以及为什么与用户见面比招聘更重要。

观看本期节目

在 YouTube 上观看 Anekha Sokhal 的演讲

节目备注

Moshi — Anekha 的公司

Anekha Sokhal — 背景与工作经历

GIQ 研究论文 — 采访中讨论的研究

Reducto — 文档提取工具

AI Engineer New York

时间戳

0:00 — AI Engineer New York 和“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 为交易员带来的价值

6:10 — 处理海量市场数据

9:03 — Bloomberg 与市场工作流程

10:03 — Bloomberg、Claude 和 Netflix 的结合

12:03 — 从仪表盘到工作流程

15:03 — 可信来源与信号

17:13 — 构建或购买模型与文档提取

18:20 — AI Engineer New York

20:32 — 客户会议与社区建设

23:54 — 招聘与与客户沟通

25:55 — swyx 进入 AI 的历程

转录文本

自动转录；措辞可能存在错误。省略了发言人标签。

0:00 实际上我延长了在纽约的逗留时间，因为我们现在原本今天应该离开。我们现在已经安排了周四的会议，又延长了一天到周五，再延长了一天到周一。现在我有会议，人们说：“嘿，我们在能源领域，我们在休斯顿谈吧。”所以我们现在在会议结束后的一周内安排满了会议。AI 工程师是一个有趣的案例，因为其中很多人感到来自管理层的压力让他们不堪重负。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。”所以这就变成了：“嘿，我现在需要自己构建整个系统。”但通常这个系统需要 10 个人来完成。好的，我们现在在录音室。这是我与来自 Moshi 的 Anekha 的最后一次 AIE 节目。欢迎。非常感谢。

2:02 顺便分享一些经历中的"战争伤疤"吧。你当时学过金融微积分，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，也就是华威大学的Morse专业。当时很多人觉得这简直太书呆子了，我特别讨厌向别人解释这个。但现在大家却都惊叹于机器学习和AI，真是让人感慨。说到衍生品交易，我确实做过相关工作。我的职业生涯始于英国华威大学，之后我明确想要进入交易领域。虽然不清楚你当初是怎么进入交易行业的，但对我而言，这是一份能与数据打交道、节奏飞快的工作，我简直对数据着迷。当我了解到交易工作内容时，就完全确定自己要从事这个职业。我先在投行和交易部门实习，后来在摩根大通获得了实习机会并开始工作。

3:04 我最初在新兴市场交易台工作，之后转到大宗商品部门从事衍生品交易。我的职业生涯大部分时间都专注于能源衍生品领域。由于有数据背景，我总是试图将市场拆解成各个组成部分来分析。例如在大宗商品领域，很多因素都与基本面、新闻事件和实体市场动态相关。我特别着迷于从零开始构建分析框架。在从事交易工作期间，我注意到市场正在发生转变，数据开始成为预测事件的重要依据。正是在这个时候，我选择离开摩根大通，决定成为一名企业家和创始人。我想创办一家数据公司，因此获得了富布赖特奖学金来到美国，因为这里拥有令人难以置信的创业环境。顺便说一下，我就是这么偶然获得了富布赖特奖学金。

4:06 是的，我想我讲有趣故事的方式是这样的：我曾在伦敦上瑜伽课。当时我想到，我父母经营着一家珠宝生意。在大学创业之前，我曾兼职做过一家计算机视觉初创公司。于是我开始思考，珠宝行业存在哪些问题？比如虚拟试戴。这让我产生了成为创始人的想法。我思考着，如何才能成为最适合创业的国家里的创始人？我希望成为一名能够谈论技术的创始人。这发生在2020年到2021年之间。当时我发现富布赖特奖学金提供了一个数据奖学金，而且整个英国只给了一个。我心想，我来到这里的方式就是通过富布赖特奖学金，而且他们只给了一个。这非常有趣，因为我不确定你们是否还记得2020年，当时疫情肆虐，天然气市场疯狂波动。当时天然气市场出现了前所未有的

5:06 波动性。当我进行富布赖特面试时，他们问我："你怎么看待未来？"我谈到全球能源市场危机这一普遍问题，以及数据如何与之相关。当时所有人都能理解我的观点，因为天然气价格疯狂上涨，他们的电费账单也变得难以承受。这最终让我来到美国，深入进行机器学习研究，在ICLR会议上与Stability AI合作发表论文，还与NASA展开合作，做了大量非常有趣的研究，这些经历最终引导我来到了Moshi。那么Moshi是什么？Moshi，我们正在构建一个我当年交易时希望拥有的程序。我们为金融交易者提供实时洞察，目前主要针对大宗商品和能源市场以及宏观市场。我们所做的，就是处理远超人类处理能力的数据，实时告诉你所有影响你投资组合的重要信息。

6:09 你们会处理哪些类型的数据？能给我们一些数据类型和数量级的概念吗？数据类型和数量级。让我先从数量级说起。我向人们解释这个概念时，常用的一个有趣方式是：我用四秒钟说这句话的时间，Moshi已经学习了300个新信息。这就是我们处理数据的规模。就数据类型而言，这让我非常兴奋，因为这涉及到我如何交易的思维方式。我会把市场拆解成所有不同的数据类型，这些是交易者用来决定交易策略和管理风险的数据。我将市场分为结构化数据和非结构化数据，包括期货市场的时序数据，以及围绕它的所有技术分析。我们正在分析所有这些统计指标，各种不同的技术指标，所有移动平均线。

7:11 这是其中一个数据集，显然它会持续更新。接下来我们关注的是基本面市场的时序数据。在某些大宗商品市场中，供需关系变化非常显著。然后我们还要处理非结构化数据，新闻是最明显的例子。此外还有各种替代数据源，比如X数据、播客中的音频数据、X Twitter的数据。是的，X Twitter，你肯定读过Twitter。理解所有这些不同类型的数据，我认为这就是公共数据的可获取性。还有一种完全不同的数据类型，即用户的私有数据。在交易时，你肯定也有类似的数据，比如你关注的分析师名单。我无法直接告诉你，嘿，你应该去读这个人，因为你已经有了需要关注的对象。此外还有你订阅的特定信息源，以及你内部掌握的数据，对吧？

8:11 举个例子，我们接触的一些公司，如果他们在交易市场（比如能源市场），他们会有专门人员跟踪霍尔木兹海峡通过的液化天然气（LNG）船舶数量。这些数据都是用户独有的。我们将这些数据点整合，完成数据清洗和转换，然后通过统计分析和机器学习进行标注，构建完整的本体论体系。最终将数据输入Moshi，形成多维图结构。最终输出的是一套软件，会主动向你推送数据。每次你打开Moshi，都会看到与你的投资组合相关的新信息，你也可以主动提取数据。LLM，我能在30秒内给你答案，而通常这需要你几天时间。人们常说这是"新的彭博终端"吗？你不喜欢被描述为"新的彭博终端"吗？这确实是个有趣的问题。

9:13 显然，彭博终端就是那个800磅的大猩猩（无论英式说法如何）。我知道彭博终端有其独特优势，比如彭博聊天功能，这是平台的一大亮点。对于不了解的人来说，交易员会在聊天中完成数十亿美元的交易，而且有标准化的公式。我进入NLP领域的起点，就是将彭博聊天内容解析成结构化定价表用于日志记录，这就是我们当时进行期权定价的方式。彭博聊天确实有其独特价值。我不会说我们是"新的彭博终端"，而是说我们是完全不同类型的软件。我认为这样表述最直接。我不确定这个说法有多具争议性，但如果说彭博、Claude和Netflix有一个孩子，那会是Moshi。你们有视频？Netflix。

10:14 我们实际上有一个内部开发的推荐系统。如果你是交易员，当你关注某一项时，实际上你更关心的是第二、第三阶导数，但你可能不会立即意识到这一点。明白了。因此我们构建了一个完整的推荐系统，举个例子，如果是一位石油交易员，此时有一家能源类股票公司正在做某件事，这会间接影响石油价格，你此刻就需要了解这个信息。你不会从新闻流中获得这个信息，但通过一个连接图谱，它会向你展示这种关联。因为当这两个信息点同时出现时，你只能通过人工连接这些信息，或者通过模仿人类思维的推荐系统来实现。这就是我们试图做到的，因为我希望当年交易时也有这样的系统。是的，你知道，Netflix 的成瘾性设计其实是个坏例子。

11:15 确实如此。不过这非常有趣。我认为 RecSys 是 AI 最重要的组成部分之一。作为 AIE 的策展人，我每年都会设置一个 LLM RecSys 专题。但工程师们往往不理解它的重要性。尽管一些推动这些系统运行的人，比如负责 YouTube 推荐系统、Netflix 推荐系统、Instagram 和 TikTok 的团队，他们都在做 RecSys，但参与的人却很少。我就会想，你们不感兴趣吗？我觉得这非常有趣。我认为部分原因在于他们让这个系统看起来太简单了。好像这不过是公司中最重要系统之一，但人们却很少关注。我认为有些公司做得很好，比如 Spotify 和 Instagram，他们通过 AI 推出了某些东西。

12:15 现在每个人都可以构建自己的 Claude 仪表板，对吧？就像，嘿，我自己搭建了这个。很好，很好。如果你想让其他人使用它，那就是把你的大脑放在仪表板里，或者把你的大脑嵌入到某个系统中。尝试让新用户将它整合到他们的工作流程中。这样你就不再处理问题本身，而是处理用户界面问题，即他们如何与它交互？因为有时用户并不总是使用这些功能。这些平台做得很好的一点是，他们会将数据推送给用户，这种推送会吸引用户。你自然不会意识到自己正在使用平台，而是会说：“哦，我想要这个。”不，不，我实际上想要这个。因此，我们公司一直在尝试理解用户界面与推荐系统之间的关系。因为我们的假设是，如果你解决了一个问题，自然也会解决另一个问题。我认为这目前是一个重要趋势，即当每个人都在构建软件时，如何让这些软件真正被用户使用？这是一个有趣的视角。

13:19 是的，这有点像是先有鸡还是先有蛋的问题。不过，我忘记提到我的背景了。我曾在伦敦从事货币期权交易，后来又在利率市场工作过一段时间。我的职业路径和很多人类似，通常是从EMEA地区开始，然后进入G10市场。至少我们这么称呼这些货币市场。当时我们需要处理大量信息，而如今的大语言模型（LLMs）显然能更高效地处理这些数据。十年前我做这些工作时，还没有现在这样的工具。但如今我看到的情况已经不同了。后来我转到了买方机构，那里需要像你们一样为替代数据付费。事实上，我们是巴利亚斯尼最早尝试使用X数据流或Twitter数据流的机构之一。是的，这是一项极其昂贵的服务，每月要支付30万美元才能获取所有推文。过去这项服务是免费的，但研究人员可以免费使用。而像对冲基金这样的机构则必须付费购买，但数据中存在大量噪音。因此，我对此持保留态度，因为我不确定是否应该根据这些信息进行交易。有时人们只是随意发表言论，有时人们会试图通过发布信息来操纵市场，但这些信息其实并不重要。不过，我们也会使用其他类型的替代数据，比如卫星数据或信用卡数据等。

14:19 我不认为我了解过它是否曾经免费。研究人员可以免费使用，但如果你是像对冲基金这样的机构，就必须付费购买。而且数据非常嘈杂。因此，我对此持保留态度，因为我不确定是否应该根据这些信息进行交易。有时人们只是随意发表言论，有时人们会试图通过发布信息来操纵市场，但这些信息其实并不重要。不过，我们也会使用其他类型的替代数据，比如卫星数据或信用卡数据等。在买方机构，我最常问的问题是：你们在查看我的数据吗？可能不是。但如何向人们保证这一点？如何与你甚至无法看到的系统进行集成？我认为这里其实涉及两个问题：第一个问题是，如果存在如此多的数据，如何判断哪些数据是重要的？当我们分析X数据时，这通常是我们与用户交流时自然会涉及的话题，甚至可以扩展到任何类型的数据。

15:20 我们发现，人们往往会有他们信任的特定人物，他们会关注这些行业声音，尤其是在大宗商品领域。这些声音可能包括大宗商品供应商、液化天然气（LNG）设施等，他们会积极在平台上发布信息，因为这是他们快速提供状态更新的最便捷方式。哇，这很有趣，因为我们的许多用户都会向我们提到这一点。例如，他们会说：“哦，原来你是通过信任某个人来找到这个信息源的。”这听起来有点可疑。是的，这正是我们发现的一种情况：我们试图尽可能多地过滤掉噪音。但当我们向某人展示这些信息时，我们会给出一个置信度评分，比如：“某人说了某件事，但周围还有其他许多信息。”因为对人们来说，真正有趣的是是否存在不同来源的信息。例如，一个例子是，有多少

16:21 船只正在出发，此刻有多少架飞机正在我们头顶飞行。如果路透社、彭博社或《华尔街日报》发表了某些说法，它们之间可能并不一致。但它们意见不一致本身就是一个数据点，因为这是否意味着存在机会？因为没有人知道。这就是我们试图为人们提供信息的方式。第二个问题是，你知道，人们的数据分散在各处。我认为存在不同类型的整合方式。第一种是关于他们杂乱的PDF数据，我们为此构建了视觉语言模型来理解这些数据。我们将允许用户将数据上传到Moshi的云版本，然后我们实际去解析这些数据，并将其构建到我们的数据库中。对于某些类型的数据，你必须连接到他们的系统，这更像是一个对话。你认为，假设你自己在运行这个视觉语言模型，拥有它是否重要？或者你更倾向于采用现成的解决方案？比如，有各种供应商可以选择，比如Reducto

17:24 就是一个非文档处理的解决方案。拥有自己的模型与使用现成的模型相比，有多重要？我认为这是很多公司目前正在激烈争论的问题。对我们来说，第一个问题是，如果有人将数据交给我们，我们不希望将数据发送给第三方。因为确实存在一些系统可以为你完成这些操作。但你必须确保就数据处理方式达成一致，他们对数据做了什么？这是第一个问题。第二个问题是，如果你没有工程师团队，这将是一个很好的解决方案。但如果你像我们一样拥有工程师团队，一个有趣的事实是，团队中的大多数人曾在某种程度上与NASA合作过，他们希望构建自己的模型。但并非所有人都具备这样的条件。因此，我认为这真的取决于你作为团队所处的位置。明白了，好的。然后在你的演讲中，你似乎收到了很多来自这方面的反馈。

18:28 这是我们第一次专注于金融领域的活动。因此，我确实不确定我们能邀请到谁。显然，我们为这个团队进行了大量宣传和推广。你最终和哪些人进行了交流？是的，这是一次绝佳的机会，因为我们一直在连续与人们进行交流。最初我们以为的兴趣程度，结果却出现了许多人在过去一小时内通过LinkedIn给我发消息，比如：“嘿，我看到了你的演讲，你在休斯顿吗？我们可以安排一次会面吗？”或者“你在纽约吗？我们可以安排一次会面吗？”我们接触到的人中有很多交易员，他们来自基金公司或咨询公司，而AI工程师则是一个有趣的群体，因为其中许多人感到来自管理层的压力巨大。要做什么？因为现在人们常说：“我们不需要团队，你就是团队。”因此，他们现在需要构建整个系统。

19:31 我自己。但这样的系统通常需要10个人来完成。很多人和我们谈过，他们说："嘿，我需要构建一个系统。但你知道吗，我是否需要使用智能体集群？但万一出问题怎么办？"有趣的是，有人告诉我："我构建了这个系统，人们告诉我他们需要它，这在他们的邮件里。但没人点击它。但他们却抱怨有这个问题。我该怎么办？"这是其中一个领域。然后是关于合作。我们一直在和人们见面，他们说："嘿，你们在做这个？这很有趣，因为我们也在做这个。我们之后可以聊聊。"因此，我实际上延长了在纽约的停留时间，因为我原本今天就要离开。现在我们周四有会议，又延长了一天到周五，再延长到周一。现在我还有会议，人们说："嘿，我们在能源领域，我们在休斯顿见吧。"所以，我们在会议结束后的一周内安排了满满的会议。天哪。是的。我的团队还说："嘿，Anekha，又有一个人报名了。又一个人报名了。"这真的很酷。

20:32 这些一对一会议有趣吗？我想是因为他们需要私下询问你一些问题。但当你本可以构建业务或产品时，安排这么多会议似乎效率很低。是的。我们尽量帮助人们，我们会先进行初步会议，但真正想了解的是你解决的问题，然后制定后续计划。因此我们现在正在采取一些措施来优化这个流程，因为我们收到了大量外部请求，所以我们正在举办首次网络研讨会。我们无法一直进行这些一对一会议。更普遍地说，当我处于买方时，银行实际上会为我们安排这些会议。是的。他们会来到这样的小房间，有圆桌会议。我会一次见五个人。比如，我会说："我是某家公司的CFO，我需要做投资者关系。"我一次见五个基金，而我本人就是其中之一。我想象着未来我们可以为你做什么，虽然我现在还没完全启动这个计划，但我们应该进行现场会议。比如，你在那里，这很有意义。人们看了你的演讲，他们想和你多聊聊。他们应该能报名，你一次可以见五个人。而且，所有这些问题可能都是相同的。实际上，这个想法很棒，因为我们在金融领域过去也这样做过，这确实是个好主意。因为我们有一次，有时你甚至不知道你要见的人长什么样子。好的，所以你试图拍下你所在的位置的照片。真的吗？就像："嘿，来这里见我，来这里见我，然后打电话给他们。"这样的想法会很棒。比如，分配一个会议房间。是的，就像："嘿，这个整层楼都是这样，但我们不得不提前分配给其他演讲者，但我们想做一些动态分配。我只是不知道如何开始。我正试图和你一起完善这个方案。所以，你不需要飞到休斯顿，甚至如果他们在纽约，你甚至不需要去他们的办公室。"

22:34 大家都进来，完成各自的会议。你就可以离开了。我觉得这个想法其实挺不错的。比如为这个人安排一个30分钟的时段，然后让大家报名。想怎么安排就怎么安排。是的，比如更小一点的时段。这个主意很好。是的，是的。嗯，我的意思是，还有其他方面我们可能可以做得更好，或者你在会议上有没有其他特别的体验？我觉得这是我参加过的组织得最好的会议了，真的。我获得的高质量指南数量之多，而且非常清晰，比如演讲团队、分组讨论室，还有演讲者休息室。我觉得休息室的设置从来没有这么好过。嗯，对了，理发。我知道，我没有做面部护理。我做了面部护理和按摩。是的，我知道你剪了头发。我也剪了头发。嗯，我的意思是，我们确实希望吸引演讲者。这次活动绝对超出了预期，这要感谢认知团队的努力。不过，嗯，组织工作本身就是一件很不容易的事。

23:38 我认为从商业价值和效率的角度来看，这是一个重要的因素。我们希望打造一个对你们招聘和销售都有用的平台。但我不知道如何平衡这两者，因为对你来说，招聘和销售哪个更重要呢？就我们目前的情况而言，我们刚刚完成了招聘，计划继续招聘，但我们现在的主要任务是会见客户，而不是招聘。因为我觉得在招聘方面，我们从LinkedIn上持续收到大量申请。真的吗？是的，我们曾发布过一个职位，必须关闭它，这个职位开放了四天，收到了2500份申请。嗯，这本身就很棘手，但会见那些真正想购买的人和那些虽然有需求但不想购买的人，这之间的区别很重要。你们需要找到那些真正有需求并且愿意购买的人。

24:39 我还没有遇到过任何一个人成功做到这一点。嗯，不过我真的很喜欢你提出的一对一交流的建议。是的，是的。我的意思是，我基本上是把以前在对冲基金领域积累的经验，比如人工智能和金融，转移到了这个市场。嗯，我们会尝试在明年做到这一点，努力成为这个领域的权威。我认为在招聘方面，这对应着购买行为，而且很明确。我觉得我在这方面可以更好地帮助你们。在招聘方面，我也想帮助你们。是的，2500份申请太多了，其中大部分都是噪音。因此，你们需要更好的筛选方式。我对此有很强的看法。好的，请继续。有很多人以隐蔽的方式进行类似的行为，比如他们是在购物，或者在窥探。你们也有这种情况，但你们也有那些法律上不允许工作的人。因此，这种情况下存在很多噪音，比如签证问题，这也带来了大量噪音。当我第一次创业时，当我第一次

25:41 开始，你还不了解这些事情。你还不了解市场情况。对。这方面的噪音很多。是的。好吧，我们会努力为你筛选出更清晰的信号。我们希望成为高价值信号的会议。嗯，我很感激你花时间与我们交流，也祝贺你的成功。非常感谢。我有个问题，就是你是如何进入人工智能领域的？嗯，我只是决定开始。嗯，我离开了对冲基金领域，转向了科技行业。当人工智能浪潮来临时，我意识到自己必须非常迅速地行动，以建立这个领域。因此，我做了人工智能工程岗位，并创办了这个会议和媒体相关业务，因为本质上我是个媒体人。是的，我内心深处确实如此。虽然我偶尔还是会怀念交易，但这份工作非常充实，因为我可以见到真实的人，而不是整天盯着屏幕。嗯，我也有同感。好吧，感谢你。我想我们得走了。非常感谢。谢谢。谢谢。