The Recommendation Engine for Commodity Traders — Anekha Sokhal, Moshi

前摩根大通能源衍生品交易员 Anika 创办 Moshi，用 AI 实时处理交易员数据：她说一句话的 4 秒里，Moshi 已学到 300 件新事。

一个交易员转行做 AI，做出的产品被问"是不是新彭博"，她的回答是"彭博、Claude 和 Netflix 生的孩子"。这期最有意思的不是产品本身，而是她讲清楚了：为什么给交易员做 AI，难点不在模型，而在"把数据推到他眼前"这件事。

Moshi 不是又一个资讯终端，它把交易员每天要看的东西——行情、基本面、新闻、推特、播客——全部嚼碎，只推跟他持仓相关的那一条。

• 处理量级：她说一句话的 4 秒内，Moshi 处理了 300 条新信息；用户问一个问题，30 秒给答案，人工通常要几天。
• 数据分两类：公开数据（期货时间序列、技术指标、供需基本面、新闻、X、播客音频）加上用户私有数据（自己信任的分析师、内部订阅、甚至"霍尔木兹海峡有几艘 LNG 船"这种独家统计）。
• 产品形态：所有数据清洗后打标签、建本体，塞进一张 N 维图，再输出成"每次打开都有新东西"的软件——推送为主，查询为辅。

客户把私有数据交给你，你转手发给第三方，这件事本身就谈不下来。

• 自研的理由：一是数据合规，客户会追问"你们怎么处理我的数据"；二是团队里大部分人跟 NASA 有过合作，有能力自己训，包括一个专门读脏 PDF 的视觉语言模型。
• 对小团队的建议：没有工程团队就直接用现成方案，她明确说这取决于团队处在什么阶段。
• "新彭博"之争：她承认彭博的聊天功能很强——交易员在聊天框里成交几十亿美元——但 Moshi 的差异是推荐系统：油企的动作会间接影响油价，这种二三级关联靠新闻流推不出来，得靠图。

她本来今天该离开纽约，结果会议排到了下周一，还有人追着约休斯顿。

• 工程师的困境：管理层说"不需要团队，你就是团队"，一个人要搭过去 10 个人的系统；有人已经搭完了，同事不点开用，却继续抱怨这个问题。
• 招聘的噪音：一个岗位挂了 4 天收到 2500 份申请，其中不少是签证不允许工作的"陪跑"简历。
• 她给会议主办方的建议：别一对一见，学投行路演——五个客户一起见，问题都差不多，效率高得多。

"如果彭博、Claude 和 Netflix 生了个孩子，那就是 Moshi。"

• 做垂直 AI 产品时，把"推荐/推送"当第一功能而不是查询框：用户不会主动问，但会点开推到他眼前的那条。Moshi 把推荐系统当护城河，而不是把模型当护城河。
• 客户数据敏感的场景，自研小模型（如文档解析）本身就是销售话术——"你的数据不出我们的系统"比模型分数更能拿下单子。