Moshi 打造 AI 推薦引擎，助能源交易員掌握市場脈動

當 Anekha Sokhal 交易能源衍生性商品時，要掌握市場動態意味著追蹤的資訊量遠超任何個人所能閱讀。現在，身為 Moshi 的執行長，她正在打造她過去夢寐以求的工具：一個能將市場資訊與交易員投資組合相關聯的推薦引擎。

在紐約 AI 工程師大會上，Anekha 與 swyx 討論了她從數學、摩根大通到創立 Moshi 的歷程，以及為何實用的 AI 需要符合人們實際的工作方式。她將 Moshi 形容為 Bloomberg、Claude 和 Netflix 結合後的產物：包含市場數據、用於處理數據的介面，以及為交易員量身打造的推薦功能。

Anekha 提到，許多 AI 工程師正承受著來自管理層的巨大壓力，因為他們被告知「你就是整個團隊」。這意味著他們需要獨自建立一個通常需要十人團隊才能完成的系統。她也分享了在會議中與客戶交流的經驗，以及為何在招募人才之前，了解用戶需求更為重要。

Anekha 的學術背景是數學、運籌學、統計學和經濟學，她笑稱當時這被認為是「書呆子」的學科，如今卻是人人稱羨的 AI 領域。她從一開始就對數據充滿熱情，並在摩根大通從事新興市場和商品衍生性商品的交易工作，期間她意識到數據將帶來市場的轉變。

為了追求創業夢想，她離開摩根大通，並獲得富布賴特獎學金來到美國，因為美國擁有卓越的創業環境。在美國期間，她深入機器學習研究，與 Stability AI 合作發表論文，並與 NASA 合作進行了許多有趣的工作，這些經歷最終引導她創立了 Moshi。

Moshi 的目標是為金融交易員提供即時洞察，初期專注於商品、能源和宏觀市場。她解釋說，Moshi 處理的數據量極為龐大，在您說完一句話的四秒鐘內，Moshi 就能學習到 300 個新資訊，遠超人類處理能力的極限。

Moshi 處理的數據類型非常多元，包括結構化數據，如期貨市場的時間序列和所有技術分析指標；以及非結構化數據，如新聞、社群媒體（例如 X，即 Twitter）和播客音訊等替代數據。此外，Moshi 還能整合用戶的私有數據，例如內部研究報告或獨家供應鏈資訊。

Moshi 將這些公開和私有數據點匯集起來，進行數據清理、轉換，並運用統計學和機器學習進行標記，建立一套完整的本體論。隨後，這些數據被整合到 Moshi 的多維圖形資料庫中，最終以軟體形式呈現，每次開啟 Moshi，用戶都能看到與其投資組合相關的最新資訊，並能透過大型語言模型在 30 秒內獲得通常需要數天才能找到的答案。

針對「新 Bloomberg」的說法，Anekha 認為 Moshi 是一種不同類型的軟體。她將 Moshi 形容為「如果 Bloomberg、Claude 和 Netflix 有了孩子」，那就會是 Moshi。這強調了 Moshi 不僅提供數據和介面，更擁有獨特的推薦系統。

Moshi 內建的推薦系統能幫助交易員發現與其當前關注點相關的二階和三階衍生資訊。例如，如果一位石油交易員正在關注某個特定事件，Moshi 會立即告知他，某家能源股票公司的動態可能間接影響石油市場。這種透過連接圖譜而非傳統新聞流來獲取關鍵資訊的能力，正是 Moshi 致力於實現的目標，因為這正是她過去交易時所渴望的工具。