You are the Team — Anekha Sokhal, Moshi

门票与申请现已开放：AIE CODE——今年最后一场旗舰 AIE 活动。

当 Anekha Sokhal 从事能源衍生品交易时，要跟上市场动态，需要追踪的信息量远远超出任何个人的阅读能力。如今，作为 Moshi 的首席执行官，她正在打造自己曾经梦寐以求的工具：一个将市场信息与交易员投资组合中真正重要的内容连接起来的推荐引擎。

在 AI Engineer New York 大会上，Anekha 与 swyx 对谈，讲述了她从数学和 JPMorgan 走向创办 Moshi 的历程，以及为什么实用的 AI 必须契合人们真实的工作方式。她将 Moshi 描述为 Bloomberg、Claude 和 Netflix 生下孩子后可能的样子：市场数据、与之交互的界面，以及为交易员量身定制的推荐。

他们还谈到可信来源、文档提取、自建还是购买模型，以及那些被告知“你就是整个团队”的 AI 工程师所面临的压力。Anekha 分享了她在大会上与客户交流的心得，以及为什么见用户要先于招人。

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 —— 文档提取

AI Engineer New York

时间戳

0:00 —— AI Engineer New York 与“你就是整个团队”

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 —— 可信来源与信号

17:13 —— 自建还是购买模型与文档提取

18:20 —— AI Engineer New York

20:32 —— 客户会面与社区

23:54 —— 招聘与和客户交流

25:55 —— swyx 进入 AI 领域的历程

文字记录

自动生成的文字记录；措辞可能有误。已省略说话人标签。

0:00 其实我把在纽约的行程延长了，因为我本来打算今天离开。现在我们周四又有会议，延长了一天；周五，又延长了一天；周一。然后现在还有人说，嘿，我们是做能源的，我们去休斯顿聊吧。所以我们在大会之后又排满了一周的会议。AI 工程师这个话题很有意思，因为很多人觉得被管理层的压力压得喘不过气来。要做什么？因为现在人们会说，我们不需要一个团队，你就是整个团队。于是感觉就是，嘿，我现在得自己把这一整套系统搭起来。但这套系统通常是由 10 个人来完成的。好了，我们现在在录音室里。这是我今年最后一期 AIE 播客，嘉宾是来自 Moshi 的 Anekha。欢迎。非常感谢。

1:01 我说得对吗，Anekha？是的，你说得对。你的背景引起了我的兴趣，因为我曾是一名交易员，而你现在是一位创始人。是的。而且你刚才也跟我讲了你的经历。我很想听你亲自说说。据我所知，这是你第一次参加 AIE。你是怎么知道我们的？做演讲的体验如何？之后又发生了什么？嗯，首先，感谢 AIE 的每一位工作人员，这是一次非常棒的经历。也感谢你们邀请我上这档播客。我非常兴奋能分享我的经历。而且，我认为我们生活在一个变化极快的时代，我遇到的每个人都有点不知所措。所以，能够分享我在经历中所获得的一切真的很有帮助，因为我本科读的是统计学和数学，也就是现在人人都在说的 AI。因此，谈论这个话题以及它的发展历程非常有意思，而且能和一位前交易员交流也总是很棒的。

2:02 顺便分享一下这方面的“伤疤”。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，也就是华威大学的 MORSE 专业。那时候大家都说，天哪，太书呆子气了。我以前很讨厌告诉别人。而现在呢，哇。是啊，大家都说，天哪，机器学习，AI。是的。还有衍生品。所以我学了那些。我的背景是从英国华威大学开始的，然后我知道自己想做交易。我不知道你进入交易行业的经历是怎样的，但我想要一份节奏快、和数据相关的工作，因为我非常喜欢数据。当我读到关于交易的内容时，我无法想象自己会从事任何其他职业。所以我下定决心要做这一行。于是我得到了第一份投资银行和交易的实习，然后在摩根大通（JP Morgan）开始了我的实习。

3:04 我最初在新兴市场部门工作，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能源衍生品领域。因为我有数据背景，我总是从……我想把它拆解成各个不同部分的角度来看待市场。例如，在大宗商品领域，很多东西都与基本面、各种新闻以及实际发生的事件有关。我一直着迷于从零开始构建。所以在我做交易的时候，我看到了一种转变，就是数据先行，然后某些事情将会发生。也就是那时我离开了摩根大通，因为我想成为一名企业家和创始人。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不可思议的创投环境。随随便便就拿了个富布赖特奖学金。

4:06 是的，我想讲一个有趣的故事。当时我在伦敦上瑜伽课。我父母是做珠宝生意的。在我大学创业之前，我还做过一个计算机视觉初创公司的副业。于是我就想，珠宝行业有哪些问题呢？比如虚拟试戴。这让我萌生了成为创始人的想法。然后我想，怎样才能在一个最适合创业的国家成为创始人呢？我还想，我希望成为一个能谈论技术的创始人。那大概是2020、2021年的事了。我发现 Fulbright 有一个数据奖学金，而且在整个英国只发一个名额。所以我就想，我来到这里的途径就是 Fulbright 奖学金，而他们只发一个。这真的很搞笑，因为我不知道你是否还记得2020年，当时是新冠疫情，天然气市场疯涨。天然气市场的波动简直疯狂

5:06 无比。所以我参加 Fulbright 面试时，他们问我，你如何看待未来？我就谈到了全球性的能源市场危机问题，以及数据如何与之相关。每个人都能理解我在说什么，因为当时天然气价格疯涨，电费账单也疯涨。这让我来到了美国，深入从事机器学习研究，在 ICLR 上与 Stability AI 合作发表了论文，与 NASA 合作工作，做了很多非常有趣的工作，然后这一切让我来到了 Moshi。Moshi 是什么？在 Moshi，我们正在打造我当年做交易时希望拥有的程序。我们为金融交易者提供实时洞察，从大宗商品和能源市场以及宏观市场开始。我们处理的数据量远超人力所能及，告诉你当下与你的投资组合相关的所有重要信息

6:09 。你会处理什么样的数据？能给我们一个大概的类型和数量级的概念吗？类型和数量级。那我先从数量级说起。我向别人解释的一个有趣方式是：我对你说一句话需要四秒钟，而在同样长的时间里，Moshi 已经学到了300件新事情。这就是我们处理的数据量级。至于数据类型，这很大程度上源于我对如何做交易的痴迷。我会把市场拆分成交易员用来决定做何种交易以及如何管理风险的所有不同类型的数据。所以我把市场分为结构化数据和非结构化数据。有期货市场的时间序列，还有围绕它的所有技术分析。所以我们关注所有这些统计指标、所有不同的技术指标、所有的移动平均线。

7:11 这是一个数据集。显然它在不断更新。我们看的下一个数据集是基本面市场的时间序列数据。所以在一些大宗商品市场中，存在大量的供需数据。然后我们看非结构化数据。新闻是最显而易见的。但还有所有这些另类数据。例如，有 X 数据。有播客上的音频数据。X Twitter。X Twitter，是的。你读 Twitter。好的。所以要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获取性。还有另一整类数据，就是用户的私人数据。我相信你做交易时也有这个，就是你关注的那些分析师。我没法跑来跟你说，嘿，你应该读这个人的东西，因为你自己已经知道该看谁了。然后你会有你关注的订阅源。你会有自己的内部数据，对吧？

8:11 就像我们接触的一些公司，如果它们在交易市场、交易能源市场，它们会有专门负责通过霍尔木兹海峡的 LNG 船数量的人。所以所有这些对用户来说是个性化的数据。我们把这两类数据点结合起来，做所有的数据清洗、数据转换。然后我们运用统计学和机器学习，打上标签，在其之上构建我们完整的本体论。然后我们把它放进 Moshi 的多维图谱中。然后我们产出输出结果，也就是一款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内容。而且你可以拉取数据。所以 LLM，我能在 30 秒内给你答案，而通常这需要你花好几天。所以人们经常说「新 Bloomberg」吗？还是说你不同意这一点？你不喜欢被描述成新 Bloomberg？是的，这是个有趣的问题。

9:13 因为显然它就是那头 800 磅的大猩猩，或者不管「800 磅大猩猩」的英式说法是什么了。是的，你知道，我认为 Bloomberg 有某些功能，比如 Bloomberg 聊天，那是这个平台非常棒的一个方面。是的，对于不了解的人来说，交易员会在聊天中成交数十亿美元的交易。而且有一个标准化的公式。我进入 NLP 领域的起点，实际上就是把 Bloomberg 聊天解析成结构化的定价表，用于我的日志。我们就是那样做期权定价的。是的，Bloomberg 聊天是一回事。我不会说我们是新 Bloomberg。我会说我们是一种不同类型的软件，它不是……我觉得这是最容易说清楚的方式。我不知道这会有多大争议。但如果 Bloomberg、Claude 和 Netflix 生了个孩子。Netflix。那就是 Moshi。你们有视频？Netflix。

10:14 我们实际上有一套内部自建的推荐系统，它的理念是：如果你是一名交易员，正在关注某件事，你现在真正关心的其实是二阶和三阶导数，而这一点你不会立刻意识到。我明白。所以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：如果有一家能源股票公司正在做某件事，会间接影响到石油，你需要立刻知道这一点。你不可能从新闻流里获得这个信息。你会从一个关联图谱中得到它，它会把这呈现给你。因为如果这两个信息点现在同时出现，唯一的办法要么是一个人能够把这些联系起来，要么就是一个模仿人类的系统，比如推荐系统，能够做到这一点。但这就是我们努力去做的，因为我真希望我当年交易的时候能有这个东西。是啊。嗯，你知道，Netflix 有一整套让人上瘾的机制，这并不好。

11:15 确实如此。不过，是的，这非常有意思。我认为推荐系统（RecSys）是 AI 最重要的组成部分之一。作为 AIE 的策展人，我实际上每年都有一个 LLM RecSys 分会场。而工程师们往往意识不到它有多重要。虽然有些支撑这些系统的人——我是说，他们为 YouTube 运营推荐系统，为 Netflix 运营推荐系统，还有 Instagram 和 TikTok——但这个会场的出席率并不高，几乎没什么人来。我就纳闷了，这是什么意思？你们对推荐系统不感兴趣吗？你知道，我觉得它真的很有意思。我认为部分原因在于他们把它做得看起来太简单了。就好像，哦，这太……这可是整个公司里最重要的系统。没错。而且我会说，可以说还有一些与之相关的东西，我认为有些公司做得非常好，比如 Spotify、Instagram，这是人们用 AI 做出来的一件事

12:15 就是现在每个人都能搭建自己的 Claude 仪表盘，对吧？就像，嘿，这是我亲手做的。很棒，很棒。但如果你想让别人也来用它，那就是把你的大脑放进一个仪表盘里，或者放进某个东西里。试着让一个新人把它纳入他们的工作流程。这时你面对的就不再是一个（技术）问题了，而是一个 UI 问题，即他们该如何与之交互？因为有时候用户并不总是那样使用。这些平台做得非常好的一件事是，它们会把数据推送到你面前，这会把你钩住。所以你自然甚至都没意识到自己在平台上，然后你会想，哦，我想要那个。不，不，我其实想要那个。所以我们公司内部一直在努力理解 UI 和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，自然也就解决了另一个。我认为这是当下的一件大事，即如果每个人都在构建软件，你如何才能让它真正成为人们会使用的软件？这是一个挺有意思的观点。

13:19 是的，有点鸡生蛋蛋生鸡的问题。总之，我忘了提一下我的背景。我以前其实在伦敦做外汇期权交易。然后我在利率部门待过一段时间。职业路径非常相似，你先从 EMEA 开始，然后可能转到 G10。是的，至少货币方面我们是这么叫的。你会吸收大量信息，而 LLM 可能处理得更好。我 10 年前做这些的时候还没有这些工具。但现在我看到了。后来我转到了买方，在那里你开始付费购买替代数据，就像你做的那样。我们实际上是 Balyasny 最早做 X fire hose 或 Twitter fire hose 的几家之一。是的。那东西贵得离谱，每月大约 300,000 美元，你必须付费才能获取所有推文。它以前是免费的。然后你需要解析它们。

14:19 我不认为——我不知道它是否曾经免费过。它对研究人员是免费的。好的。但如果你是一家对冲基金，你就必须购买。而且它非常嘈杂。所以我皱起了眉头，因为我不知道我是否会基于这些进行交易，因为有时候人们就是胡说八道。有时候人们试图通过说一些话来操纵市场。这其实没那么重要。但我们也会有其他替代数据，比如卫星信息或信用卡信息之类的。所以在买方，我最关心的问题是：你在看我的数据吗？可能没有。但你如何向人们保证？你如何与那些你甚至不一定能看到的系统集成？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，你怎么知道什么是重要的？所以当我们查看 X 数据时，这是我们与人交谈时的自然话题，或者让我们把它扩展到任何类型的数据。

15:20 我们发现人们确实会关注他们信任的人，关注行业中的这些声音，尤其是在大宗商品领域。会有大宗商品供应商。会有 LNG，所有这些设施都会在那里活跃，因为这是他们发布状态更新最快的方式。哇。所以这很有趣，因为我们发现很多用户会告诉我们这些。所以就像是，哦，好吧，你把它当作可信来源，因为你相信某个特定的人。可疑。对。所以我们已经找到一种方法来尽可能地过滤，但当我们向某人展示时，我们会给出一个置信度评分，好吧，有人说了这件事，但这是围绕该对话发生的所有其他事情。因为对人们来说有趣的是，如果存在分歧的来源，比如一个例子是，有多少

16:21 有多少艘船在航行，此刻我们头顶上有多少架飞机在飞。如果 Reuters 说了什么，或者 Bloomberg 说了什么，《华尔街日报》又说了什么，它们可能并不一致。但它们不一致这个事实本身就是一条数据，因为这里面有没有机会？因为没人知道。所以我们就是这样尝试向人们提供信息的。然后第二个问题是，人们的数据分散在各处。我认为整合有不同的类型。第一种是，他们那些杂乱的 PDF 数据怎么办？那正是我们构建的东西——一个用于理解这些数据的视觉语言模型。我们会获取他们可以上传到其云端版 Moshi 的数据，然后我们实际去把它拆解，再在我们的数据库中重新构建。还有某些类型的数据，你必须直接连接到他们的系统。然后这就更像是一场对话了。我假设你们是自己运行这个视觉语言模型的，拥有它是否很重要？还是说你愿意外包——我的意思是，供应商有好几家，Reducto

17:24 就是一个非文档处理类的。拥有自己的模型与直接使用现成的方案相比，有多重要？我认为这是许多公司目前正在纠结的问题。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，我们不想把它发送给第三方。因为市面上确实有系统可以替你做这些事。但你要确保你们之间有协议，说明他们如何处理这些数据？他们拿它做什么？这是第一个问题。第二个是，如果你没有工程师团队，那（用现成方案）是个很好的解决方案。但如果你像我们一样有工程师团队，一个有趣的事实是，团队中大多数人都曾在某种程度上与 NASA 合作过，那他们就想要自己构建模型。但并非人人都有这个条件。所以，我认为这真的取决于你作为一个团队所处的阶段。是的，明白了。好的，那么回到你的演讲，你显然从中收到了很多主动联系。

18:28 这是我们第一次举办面向金融领域的活动。所以我当时真的不确定能请到谁来参加。显然，我们为这批观众做了大量的推介和宣传。你最终都和什么样的人交谈了？是的，这对我们来说是一个绝佳的机会，因为我们一直在接连不断地与人交谈。而我们最初以为会感兴趣的点，实际情况是——过去一小时里有人在 LinkedIn 上给我发消息说，嘿，我看了你在 CoT 的演讲。你现在在休斯敦吗？我们能约个会吗？或者，嘿，你在纽约吗？我们能约个会吗？我们接触到的人的类型包括很多交易员，有的在基金，有的在咨询公司，然后 AI 工程师是一个有意思的群体，因为他们中的很多人感到被管理层的压力压得喘不过气来。要做什么？因为现在人们会说，我们不需要一个团队，你就是团队。所以就变成了，嘿，我现在得把这一整套系统都构建出来

19:31 我自己。但那个系统通常要 10 个人才能做出来。所以很多人来找我们说，嘿，我需要构建一个系统。但是，你知道的，我需要一群 agent 吗？可万一出了问题怎么办？有意思的是，嘿，我把系统做出来了。人们告诉我他们需要它。它就在他们的邮箱里。没人，没人去点它。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，我们一直在见各种人，人们会说，嘿，你在做这个。这很有意思，因为我们在做这个。之后我们聊聊吧。所以我实际上延长了在纽约的停留时间，因为我们现在……我本来今天就要离开的。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。然后我现在还有一些会议，人们说，嘿，我们是做能源的，我们在休斯顿聊吧。所以我们把会议日程排满了一整周，就在大会之后。天哪。是啊。我的团队还说，嘿，Anekha，又有一个人报名了。又有一个人报名了。所以这超级酷。

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情。安排这么多会议看起来非常低效，而你本可以用来打造业务或打造产品。是的。我们尽量为人们提供帮助，我们会安排一次初步会议，但之后我们真正希望能了解你要解决的问题是什么，然后再制定计划。所以我们现在正在做的一些事情来优化这个流程，比如我们正在举办我们的第一次网络研讨会，因为我们的主动咨询量太大了。我们不可能总是做这些一对一的会面。更普遍地说，当我在买方的时候，银行实际上会为我们安排这些会议。是的。他们会来到像这样的小房间里。会有一张圆桌。我会一次见五个人。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，而我会是这五家基金中的一家。我想象一下我们未来能为你做什么，虽然我还没有，我还没有把这个想法落地，但我们应该在现场做会议。比如你……这很有道理。人们看过你的演讲。他们想和你多聊聊。他们应该能够报名，然后你可以一次见五个人。而且可能所有这些问题都是一模一样的。而且，那其实会是个好主意，因为另一个，因为我们过去在金融行业就是这么做的，那真是个好主意。因为我们有一次，嗯，有时候你还不知道要见的人长什么样。所以你得试着拍下你所在的地方的照片。真的吗？就像，嘿，在这里见我，在这里见我，然后给他们打电话。所以这样的主意会很棒。就是安排一个指定的会议室。是的。就像，嘿，我是说，整个这一层都是这样的，但我们不得不把它预先分配给其他演讲者，但是，嗯，我们，我们想做一些动态分配。我只是不知道怎么，你知道的，把这个搞起来。我正试着和你一起把它梳理清楚。这样，你就不用飞去休斯顿，甚至，即使他们在纽约，你也不用去他们的办公室。

22:34 大家都进来，把会开完，然后你就可以走了。我其实觉得那是个好主意。比如给这个人留一个 30 分钟的时段，然后报名。就随你安排。对。比如一对一的小型会。那是个好主意。是啊。嗯，我是说，还有没有其他我们，我觉得我们可以做得更好的地方，或者你在大会上有什么其他体验？我觉得这是我参加过的组织得最好的大会，真的，真的。比如我得到的高质量指导非常多，而且非常清晰，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有这么好过。嗯，对。所以理发了。我知道。我没做面部护理。我做了面部护理和按摩。对。我知道你理发了。我确实理发了。对。嗯，我，我，我是说，我们确实想款待演讲者。嗯，这次绝对是，嗯，超出了预期，这要感谢 cognition 这么做。但是，嗯，对，我是说，嗯，组织是一回事。

23:38 我确实认为，就商业价值和效率而言，我觉得这是一个重要的，嗯，要素。比如我们想把这个，嗯，做成对你既有用又可以用于招聘和销售的东西，你知道，但我不知道如何平衡，因为，是啊，你更看重哪个，招聘还是销售？就我们而言，我们刚招过人，而且计划继续招，嗯，我们一直在见各种人，但目前的优先事项是见客户，这是优先事项，不一定是招聘。嗯，因为我觉得我们在招聘方面的情况是，我们持续从 LinkedIn 收到投递。真的吗？对。我们曾经发布过一个职位。我们不得不关闭它。它开放了四天。我们收到了 2500 名申请者。好吧。嗯，所以这本身就很难处理，但见那些想买的人，以及那些，因为我觉得有些人有这个问题，但他们不想买。有些人有这个问题并且想买。然后你试图找到那个匹配，这很

24:39 我还没找到任何做到这一点的人。嗯，不过，所以我真的很喜欢你的一对一想法。对。对。我是说，所以基本上我是把我以前作为对冲基金经理的经验转移到这个市场，也就是 AI 和金融。对。嗯，好吧，我们明年会尝试这样做。我们会努力成为权威的存在。嗯，而且我认为在招聘方面，那是买方，那很清楚。我觉得，我觉得我在那方面肯定能更好地帮助你。嗯，在招聘方面，我也想帮助你。对。好吧。比如 2500 人太多了，而且大部分是噪音。所以你需要一个更好的筛选器。我有一个强烈的看法。好吧。请说。有很多人也在以一种隐蔽的方式做这件事，他们在物色，他们在刺探。你有这种情况，但你还有，就是那种在法律上不允许工作的人。所以这里面有太多噪音。比如签证，那周围也有太多噪音。所以当我第一次，比如我是一个第一次创业的创始人，当我第一次

25:41 刚起步的时候，你并不了解那些东西。你不了解市场。对。而且与之相关的噪音很多。是啊。好吧，我们会努力为你提供更高信噪比的内容。我们想办一场高信噪比的大会。嗯，我很感激你能抽出时间与我们在一起，也祝贺你取得的成功。非常感谢。我有一个问题，就是你是如何转向 AI 的。呃，就是，就是决定开始做这个。呃，嗯，我离开了对冲基金领域，进入了科技行业，然后当 AI 浪潮来临时，我意识到我必须非常非常快地行动，来在这个领域站稳脚跟。于是，嗯，我做了 AI 工程师的博客，呃，还创办了这个大会和媒体相关的内容，因为我，我骨子里是个做媒体的人。是啊。呃，我多少有点想念做交易的日子，但这非常有成就感，因为我能见到真实的人，而不是整天盯着屏幕。呃，是啊，我也有同感。那么，谢谢。我想我们该走了。非常感谢。谢谢。谢谢。