Moshi CEO Anekha Sokhal：AI 工程师为何会被告知“你就是整个团队”
You are the Team — Anekha Sokhal, Moshi
Moshi CEO Anekha Sokhal 在访谈中谈到，AI 工程师正承受独自搭建整套系统的压力，并分享了自己从能源衍生品交易转向创业的经历。Moshi 正在打造面向交易员的推荐引擎，将市场信息与交易员的投资组合需求联系起来；访谈还讨论了可信信息源、文档提取以及自建或采购模型。
AIE CODE 的门票和申请现已开放——这是今年最后一场旗舰 AIE 活动。
交易能源衍生品时，Anekha Sokhal需要追踪的信息多到任何人都读不过来，才能及时掌握市场动态。如今，作为 Moshi 的 CEO，她正在打造自己当年希望拥有的工具：一款将市场信息与交易员投资组合中的重要事项联系起来的推荐引擎。
在 AI Engineer New York 活动上，Anekha 将与 swyx 一同聊聊她从数学和 JPMorgan 走向创立 Moshi 的历程，以及为什么实用的 AI 必须契合人们的实际工作方式。她形容 Moshi 就像是 Bloomberg、Claude 和 Netflix 生出的孩子：它整合了市场数据、用于处理这些数据的界面，以及针对交易员量身定制的推荐。
他们还谈到了可信来源、文档提取、模型自建还是采购，以及被告知“你们就是整个团队”的 AI 工程师所面临的压力。Anekha 分享了她从会议期间与客户交谈中学到的经验，以及为什么要先与用户见面，再考虑招聘。
观看本期节目
节目说明
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 — 文档提取
时间戳
0:00 — AI Engineer New York 与“你们就是整个团队”
0:54 — 认识 Anekha Sokhal
2:09 — 从数学到能源衍生品
3:46 — 富布赖特项目与成为创业者
5:45 — Moshi 为交易员提供什么
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
12:03 — 从仪表板到工作流程
15:03 — 可信来源与信号
17:13 — 自建还是采购模型，以及文档提取
18:20 — AI Engineer New York
20:32 — 客户会面与社群
23:54 — 招聘与客户交流
25:55 — swyx 进入 AI 领域的历程
文字稿
自动生成的文字稿；措辞可能有误。已省略说话人标签。
0:00 所以我实际上延长了在纽约的停留时间，因为我们现在——我本来今天要走的。现在周四又安排了会面，于是多待一天；周五又安排了会面，又多待一天；到了周一，我现在又有了新的会面。还有人跟我说：“嘿，我们做能源行业。来休斯敦聊聊吧。”所以，会议结束后的一周，我们的日程都排满了。AI engineers 这场活动挺有意思，因为很多人都觉得管理层施加的压力让他们不堪重负。要做什么呢？因为现在人们会说：“我们不需要一个团队，你们就是整个团队。”于是就变成：“嘿，我现在得自己搭建整套系统。”但通常那套系统需要 10 个人来做。好，我们现在在录音室。这是我参加 AIE 的最后一期播客，嘉宾是来自 Moshi 的 Anekha。欢迎。非常感谢。
1:01 我说对了吗，Anekha？是的，说对了。你的背景引起了我的兴趣，因为我以前是交易员，而你现在是一位创业者。没错。你刚才也跟我聊了聊你的经历。我想听你亲自讲讲。据我所知，这是你第一次参加 AIE。你是怎么知道我们的？发表演讲的体验如何，之后又发生了什么？嗯，首先，感谢 AIE 的所有人，这次经历真是太棒了。也感谢你们邀请我参加播客。我很高兴能分享我的经历。而且我觉得，我们正生活在一个瞬息万变的时代，我跟每个人交谈时，都会觉得大家压力都很大。所以能够分享我的经历真的很有帮助，因为我本科主修统计学和数学，而现在大家都把它们称为 AI。聊聊这段经历及其演变很有意思，也总能和一位前交易员交流。
2:02 也想分享一下这方面的苦与乐。你学过金融数学吗？比如随机微积分？学过。我本科读的是数学、运筹学、统计学和经济学，在 Warwick 学的 MORSE。当时大家都觉得，天哪，太书呆子气了。我都不愿意告诉别人。现在大家的反应却是：哇。是啊，大家都说，天哪，机器学习、AI。对，对。还有衍生品。我学过这些。所以我的职业生涯起步于英国 Warwick，之后我就知道自己想做交易。我不知道你当初为什么选择做交易，不过我想做一份节奏快、与数据有关的工作，因为我非常喜欢数据。我读到关于交易的介绍时，觉得自己简直无法想象从事其他职业，所以就一心想做交易。后来我拿到了第一份投资银行交易实习，接着又在 JP Morgan 获得了一份实习，从那里开始了我的职业生涯。
3:04 我最初在新兴市场交易台工作，后来转到大宗商品部门，在那里做衍生品交易。所以我职业生涯的大部分时间都在做能源衍生品。由于我有数据方面的背景，我总是想从市场的角度出发，把它拆解成各个部分来看。比如说，在大宗商品领域，很多事情都取决于基本面、各种新闻以及实体市场的动态。所以我一直着迷于从零开始构建东西。做交易时，我看到了这种转变：先是数据，然后某件事就会发生。于是我离开了 JP Morgan，想真正去创业，成为一名创始人。不过我想做一家数据公司。于是我获得了 Fulbright 奖学金，来到美国，因为你们这里的风投生态太棒了。就这么轻轻松松地拿了个 Fulbright。
4:06 是啊，我想我讲这个有趣故事的方式是，我当时在伦敦上瑜伽课。我说，我父母经营一家珠宝生意。我在大学时，曾在自己的创业公司之前，兼职做过一家计算机视觉初创公司的项目。所以我就想，哦，珠宝行业有哪些问题？哦，比如虚拟试戴。于是我开始想成为一名创业者。我想，怎样才能在最适合创业的国家成为创业者呢？我想，我要成为一名能够谈论技术的创业者。那是在2020年、2021年左右。我发现 Fulbright 有一个数据奖学金名额，整个英国只有一个。所以我想，我来这里的途径就是申请 Fulbright 奖学金，而他们只给一个名额。这真的很有意思，因为我不知道你还记不记得2020年，那时正值新冠疫情，天然气市场行情剧烈波动。所以当时天然气市场的波动非常剧烈
5:06。我参加 Fulbright 面试时，他们问我，你怎么看未来？我谈到了大家都在经历能源市场危机这一全球性问题，以及数据与此有何关联。所有人都能理解我说的话，因为当时天然气价格疯狂上涨，电费也在疯狂上涨。于是我来到了美国，深入开展机器学习研究，与 Stability AI 合作在 ICLR 上发表了论文，与 NASA 合作，还做了很多非常有意思的工作，这些后来都引领我创办了 Moshi。那么 Moshi 是什么？我们正在打造一个我希望自己交易时就能用上的程序。我们为金融交易员提供实时洞察，首先面向大宗商品、能源和宏观市场。我们处理的数据量远超人类所能处理的范围，告诉你此刻对你的投资组合而言所有重要的信息
6:09。你们会处理什么样的数据？能否举例说明数据类型和数量级？数据类型和数量级。先说数量级吧。我向别人解释时有个有趣的说法：我说完这句话需要四秒钟，而在同样的时间里，Moshi 已经学到了300个新信息。这就是我们处理的数据量。至于数据类型，这很大程度上源于我对自己会如何交易的钻研。我会把市场拆分成各种不同类型的数据，交易员会查看这些数据来决定进行什么交易，以及如何管理风险。我会分析市场，然后说，数据分为结构化数据和非结构化数据。有期货市场的时间序列数据，也有与之相关的所有技术分析。因此，我们会查看所有这些统计指标、各种技术指标以及所有移动平均线。
7:11 这是一个数据集。当然，它在不断更新。我们接下来要看的数据集是基本面市场的时间序列。尤其是在一些大宗商品市场中，需求和供给数据很多。然后我们会看非结构化数据。新闻显然是其中一种。但还存在大量替代数据。例如，有 X 数据，还有播客中的音频数据。X，Twitter。X，Twitter，是的。你会阅读 Twitter。好的。所以要理解所有这些不同类型的数据。我认为这就是数据的公开可用性。还有另一种完全不同的数据，就是用户的私人数据。我相信你交易时也有这种情况：你会关注一些分析师。我不能过来告诉你，嘿，你应该去读某个人的内容，因为你已经有自己需要关注的人了。然后你还会有自己关注的订阅内容。你也会有内部数据，对吧？
8:11 比如，我们交谈过的一些公司，如果它们交易市场、交易能源市场，就会有专人掌握通过霍尔木兹海峡的 LNG 船只数量。因此，有大量数据是用户个人拥有的。我们把这两类数据结合起来，完成所有数据清洗和数据转换。然后我们分析统计数据和机器学习数据，为其添加标签，并在此基础上构建完整的本体。接着，我们把它放入 Moshi 这个 n 维图中。然后生成输出，也就是一款向你推送数据的软件。所以每次你打开 Moshi，都能看到与自己投资组合相关的新内容。你也可以提取数据。LLM 会在 30 秒内给你答案，而通常这需要你花上几天时间。那么，人们经常说你们是新的 Bloomberg 吗？还是你不同意这种说法？你不喜欢被称为新的 Bloomberg？是的，这是个有趣的问题。
9:13 因为很明显，那就是一只 800 磅重的大猩猩，或者说英国人所说的 800 磅重的大猩猩。是的，我认为 Bloomberg 有一些很棒的功能，其中 Bloomberg chat 是这个平台非常出色的一部分。是的，对于不了解这一点的人来说，交易员会通过聊天完成数十亿美元的交易。而且有一套标准化公式。我进入 NLP 领域时，实际上就是把 Bloomberg chat 解析成结构化的定价表，用于我的日志。我们就是这样进行期权定价的。是的，Bloomberg chat 是其中一项功能。我不会说我们是新的 Bloomberg。我会说，我们是一种不同类型的软件，并不是……我想这是最容易的说法。我不知道这有多具争议性。但如果 Bloomberg、Claude 和 Netflix 生了一个孩子。Netflix。那它就是 Moshi。你们有视频？Netflix。
10:14 我们确实有一个内部构建的推荐系统。如果你是交易员，正在关注某件事，那么你此刻其实会关心它的二阶和三阶衍生影响，而你未必能立刻意识到这一点。我明白了。于是我们构建了一整套推荐系统。举个简单的例子，回到石油交易员的场景：如果一家能源类股票公司正在做某件会间接影响石油市场的事，你现在就需要知道。你不会从新闻流里得到这类信息，而是会通过一个关联图谱看到它。因为如果这两个信息点此刻同时出现，你唯一能做到这一点的方式，要么是靠人把它们联系起来，要么是靠模仿人的系统，也就是某种能够做到这一点的推荐系统。但这正是我们努力实现的，因为我真希望自己交易时就有这样的工具。是啊。不过你知道，Netflix 那种让人上瘾的机制也有不好的一面。
11:15 确实如此。不过，是啊，这很有意思。我觉得 RecSys 是 AI 最重要的组成部分之一。作为 AIEs 的策展人，我每年都会设立一个 LLM RecSys 专题。工程师往往没有意识到它有多重要。比如这个专题的出席率不高，尽管有些人正是这些系统背后的推动者——他们负责 YouTube 的 RecSys、Netflix 的推荐系统，还有 Instagram 和 TikTok 的推荐系统。可就是没人来。我就想，你们什么意思？对 RecSys 不感兴趣吗？我觉得这真的很有意思。我认为部分原因是他们让这件事显得太简单了，就好像，哦，这不过是……可这明明是整个公司里最重要的系统。没错。而且我想说，有些公司在某种与之相关的事情上做得非常好，比如 Spotify 和 Instagram：人们用 AI 做出来的东西，
12:15 如今每个人都能构建自己的 Claude 仪表盘，对吧？就像是在说：嘿，这是我自己做的。很好，很好。但如果你想让别人也用它，那它就只是把你的想法放进一个仪表盘，或者放进某个工具里。试着让一个新用户把它融入自己的工作流程吧。这样一来，你面对的就不再是原来的问题，而是一个 UI 问题：他们该如何与它交互？因为用户有时并不会一直使用它。这些平台有一件事做得非常好：它们会主动向你推送数据，让你着迷。于是你甚至没意识到自己正在使用这个平台，就会想：哦，我想要这个。不，不，我确实想要这个。因此，我们一直在公司内部尝试理解 UI 与推荐系统之间的关系，因为我们的观点是，如果你解决了其中一个问题，自然也就在解决另一个问题。我认为这就是当下一个很大的问题：如果每个人都在构建软件，怎样才能让他们做出真正有人愿意使用的软件？这个观点挺有意思的。
13:19 是的，有点像先有鸡还是先有蛋的问题。好吧，不管怎样，我还忘了提一下我的相关背景。实际上，我以前在伦敦交易货币期权。之后我又在利率领域待了一段时间。职业路径非常相似，都是从 EMEA 开始，然后可能转到 G10。是的，至少我们在货币领域是这么称呼的。你会接收大量信息，而 LLM 可能确实能更好地处理这些信息。所以，10 年前我做这件事时，我们还没有这样的工具。但现在我看到了这种变化。之后我转到了买方，开始购买另类数据，和你们做的一模一样。实际上，我们是 Balyasny 最早尝试获取 X 的全量数据流，也就是 Twitter 全量数据流的少数几家机构之一。是的，那是一种贵得离谱的数据服务，每月要花大约 $300,000 才能获取所有推文。它以前是免费的。然后你大概会对这些内容进行解析。
14:19 我不确定它以前是否真的免费。我想它对研究人员是免费的。好的。但如果你是对冲基金之类的机构，就得购买。里面的噪声也很多。所以我会皱起眉头，因为我不知道自己是否会依据这些内容进行交易，有时人们只是随口胡扯，有时人们会试图通过放出消息来操纵市场。而且这些信息并没有那么重要。不过我们也会使用其他另类数据，比如卫星信息、信用卡信息之类的。所以在买方，我最想问的是：你们在看我的数据吗？大概不会。但你们如何让别人放心？如何与那些你们甚至未必能看到的系统集成？是的，我认为这里面有两个问题。第一个是，如果有这么多数据可用，你们怎么知道哪些重要？所以，当我们看 X 数据时，和人们交流时自然会聊到这个话题，或者我们甚至可以把范围扩大到任何类型的数据。
15:20 我们发现，人们确实会有自己信任、愿意关注的业内人士，尤其是在大宗商品领域。大宗商品供应商、LNG 设施等都会有人活跃在上面，因为这是他们发布状态更新最快的方式。哇。所以这很有意思，因为我们发现很多用户都会跟我们提到这一点。也就是说，哦，好的，你觉得这是可靠的信息来源，因为你相信某个特定的人。挺可疑的。对吧？所以我们一直在想办法尽可能过滤信息。不过，在向用户展示时，我们会给出一个置信度评分：好的，有人说了这件事，但围绕这场讨论还有其他哪些情况正在发生。因为人们感兴趣的是，如果有相互矛盾的信息源，比如说有个例子是，数量有多少
16:21 有多少艘船正在航行，现在有多少架飞机在我们上空飞行。如果 Reuters、Bloomberg 或《华尔街日报》在报道某件事，他们的说法可能并不完全一致。但他们说法不一致这一事实本身就是一条数据，因为这是否意味着存在机会？因为没人知道。所以我们就是这样努力为人们提供信息的。第二个问题是，你知道，人们的数据散落在各处。我认为有不同类型的集成。第一种是那些杂乱的 PDF 数据怎么办？我们为处理这类数据构建了一个视觉语言模型来理解它。我们会接收他们上传到 Moshi 云端版本的数据，然后实际去拆解这些数据，再将其整理到我们的数据库中。有些类型的数据则必须连接到他们的系统。这就更像是一场沟通。假设你们是自己运行这个视觉语言模型，那么拥有它重要吗？还是说你会考虑，我是说，供应商有很多，比如 Reducto
17:24，它是一种非文档处理工具。拥有自己的模型有多重要？还是说直接使用现成的产品就行？我认为这是很多公司目前都在纠结的问题。对我们来说，第一个问题是，如果有人把数据交给我们，我们不想把它发送给第三方。因为有些系统可以替你完成这些工作。但你得确保你们就他们如何处理这些数据、会拿数据做什么达成了协议。这是第一个问题。第二个问题是，如果你没有工程师团队，那这就是个很好的解决方案。但如果你和我们一样有工程师团队，那有个有趣的事实是，我们团队里的大多数人都曾以某种身份参与过 NASA 的工作，他们就会想要自己构建模型。但并非所有人都具备这样的条件。所以我认为，这真的取决于你们团队所处的阶段。嗯，明白了。好，接下来聊聊你的演讲，你似乎收到了很多主动联系。
18:28 这是我们第一次举办专注金融领域的活动。所以我真的不确定能邀请到谁来参加。当然，我们非常积极地向这群人宣传和推广。你最后和哪些类型的人聊了？是的，这是个绝佳的机会，因为我们一直在接连不断地和人交流。我们最初以为大家会感兴趣的方向，结果不止如此。过去一小时里，有人通过 LinkedIn 给我发消息说：“嘿，我看到你在 Court 的演讲了。你在休斯敦吗？我们能约个会吗？”还有人问：“嘿，你在纽约吗？我们能约个会吗？”我们接触到很多交易员，有些来自基金，有些从事咨询；还有 AI 工程师，这一点很有意思，因为他们中很多人都觉得管理层施加的压力让他们不堪重负。要他们做什么？因为现在人们会说：“我们不需要一个团队，你就是整个团队。”于是就变成了：“嘿，我现在得构建整个系统……”
19:31 我自己。但通常这个系统要由10个人来完成。所以很多人都跟我们聊过，他们会说，嘿，我需要搭建一个系统。但你知道，我需要一群智能体吗？可要是出了问题怎么办？有件有意思的事：嘿，我把系统搭建好了。有人告诉我他们需要这个系统。它就在他们的邮箱里。可没人、没人点开它。但他们又抱怨自己有这个问题。那我该怎么办？这是一个方面。然后是合作关系。你知道，我们一直在和人们见面，他们会说，嘿，你们在做这个。挺有意思，因为我们也在做这个。之后我们再聊聊吧。所以我实际上延长了在纽约的停留时间，因为现在我们——我本来今天要走的。现在周四有会议，于是又延了一天；周五也有会议，又延了一天；周一也有会议。现在还有人跟我说，嘿，我们在能源行业。来休斯敦聊聊吧。所以我们把会后的一整周都排满了会议。天哪。是啊。我的团队还一直跟我说，嘿，Anekha，又有一个人报名了。又有一个人报名了。真是太棒了。
20:32 一对一交流有意思吗？我猜他们有些事需要私下问你。要安排这么多会议，感觉效率很低，毕竟你本可以用这些时间来发展业务或打造产品。是啊。我们尽量为大家提供帮助，会先开一次初步会议，但之后我们真正想做的是了解你要解决什么问题，然后据此制定计划。我们现在也在想办法让这个流程更顺畅，因为收到的主动联系太多了，所以我们要举办第一场网络研讨会。我们没法总是进行一对一交流。更普遍地说，我在买方机构工作时，银行会为我们安排这类会议。是啊。他们会把我们带到这样的小房间里。房间里会有一张圆桌。我会一次见五个人。比如说，我是一家公司的首席财务官，需要做投资者关系工作。
21:33 我一次会见五家基金，我会是其中一家基金的代表。我在想，未来我们也可以为你们做类似的安排。我还没把这件事落实，但我们应该在现场安排这些会议。就像你刚才说的，这确实有道理。大家听了你的演讲，想和你多聊聊。他们应该可以报名，然后你一次对接五个人。这些问题大概也都一模一样。其实这主意真不错，因为我们以前在金融行业也这么做。这个主意太棒了，因为我们有过这种情况，嗯，有时候你甚至不知道要见的人长什么样。好吧。于是你就得拍照看看自己在哪儿。真的吗？就像是，嘿，在这里见我，在这里见我，然后给对方打电话。所以这种安排会很棒。比如指定一个会议室。是啊，就像，嘿，嗯，这整层楼都是会议室，但我们得提前分配给其他演讲嘉宾，不过，嗯，我们想做一些动态分配。我只是不知道该怎么把这件事推进下去。我正试着和你一起把这个方案完善出来。这样你就不用飞去休斯敦了，甚至就算他们在纽约，你也不必去他们办公室。
22:34 大家进来，把会议开完，然后就走。我觉得这确实是个好主意。比如给这个人安排一个 30 分钟的时段，然后让大家报名。随便你怎么安排。对，比如小一点的，一对一。这主意真不错。对。对。呃，我是说，还有什么我们可以做得更好，或者你在这次大会上有什么其他体验吗？我觉得这是我参加过组织得最好的大会。不是，真的。比如我收到的高质量指南数量，还有安排特别清晰，像演讲者团队、分组讨论室、演讲者休息室，我觉得休息室从来没这么好过。呃，对。还有理发。我知道。我没做面部护理。我做了面部护理和按摩。对。我知道你去理发了。我确实去理发了。对。呃，我，我，我是说，我们确实想让演讲者满意。呃，这次绝对是超出预期了，这要感谢 Cognition 做了这些。不过，呃，是的，我是说，组织活动是一回事。
23:38 我确实觉得，从商业价值和效率方面来说，这一点很重要。我们希望把这件事办得对你们有用，不管是招聘还是销售。你知道，我不知道该怎么平衡这一点，因为，是啊，招聘和销售哪个对你更重要？所以就我们而言，我们刚刚招过人，也打算继续招聘。我们一直在和人见面，但眼下的重点是见客户，这是优先事项，不一定是招聘。因为我觉得招聘方面，我们在 LinkedIn 上持续收到主动申请。真的吗？对。我记得我们只挂了一个职位，后来不得不关掉，开放了四天，收到了 2500 份申请。好吧。呃，所以光处理这些就够棘手了。但和那些想买东西的人见面，还有那些……因为我觉得有些人有这个需求，但不想买；有些人有这个需求，也想买。而你们是在努力找到这种匹配的人，这……
24:39 我还没遇到过任何做过这件事的人。呃，不过，我真的很喜欢你的一对一提议。对。对，我的意思是，我基本上是把自己以前作为对冲基金从业者积累的经验，转移到这个市场，也就是 AI 和金融领域。对。呃，明年我们会试着这么做。我们会努力成为这个领域的标杆。呃，我觉得招聘方面，购买需求已经很明确了。我觉得我肯定能在招聘上更好地帮到你。嗯，好。比如 2500 份申请太多了，而且大多数都是噪声，所以你需要更好的筛选机制。我有个很明确的看法。好，你说。还有很多人会暗中操作，不是，他们是在考察你、打探情况。你会遇到这种人，但还有些人是法律上不允许工作的。所以这里面有太多噪声了，比如签证问题，围绕这方面也有太多噪声。我第一次创业时——我现在也是第一次创业——刚开始的时候……
25:41 开始时，你不知道那些事情。你不了解市场。对。而且这方面有很多噪音。是啊。好吧，我们会努力为你提供更高信噪比的信息。我们希望办一场高信噪比的会议。嗯，很感谢你抽时间和我们交流，也祝贺你取得成功。非常感谢。我想问一个问题：你是怎么转向 AI 的？嗯，就是决定开始做。嗯，我离开了对冲基金行业，转入科技行业。后来 AI 浪潮到来时，我意识到自己最好尽快转向这个领域。所以我发了 AI 工程方面的帖子，也创办了这场会议和媒体项目，因为我本身就很喜欢媒体。嗯，这是我的本性。我有点怀念交易，但这件事很有成就感，因为我能见到真实的人，而不是整天盯着屏幕。嗯，我也有同感。好，谢谢。我想我们得走了。非常感谢。谢谢。谢谢。
来源：Latent Space · latent.space