Moshi：让交易 AI 围绕持仓工作，而不只是汇总新闻
交易员缺的不是信息，而是相关性
Anekha Sokhal 曾在摩根大通从事交易工作，职业经历主要集中在能源衍生品领域。对她而言，交易的一项核心难题是：市场信息的增长速度，早已超过个人能够阅读和消化的范围。
创办 Moshi 后，她希望打造自己做交易时就想拥有的工具：把市场信息与交易者的持仓组合联系起来，帮助用户识别当下值得关注的变化。
按照她的介绍，Moshi 正在构建面向金融交易者的实时洞察产品，首先聚焦大宗商品、能源和宏观市场。它的定位不是单纯汇总新闻，而是围绕用户关心的市场与组合提供个性化推荐。
市场信息不只有新闻
Sokhal 的产品思路延续了她分析市场的方式：先拆解交易决策涉及的信息，再把不同类型的数据结合起来。
她介绍的数据类别包括：
- 行情与技术指标：期货市场时间序列，以及移动平均线等技术分析指标。
- 基本面数据：尤其是大宗商品市场中的供需时间序列。
- 非结构化信息：新闻、X 上的内容，以及播客音频等。
- 用户私有数据：用户关注的分析师材料、订阅内容和内部数据。
最后一类尤其体现了交易工具的个性化需求。交易者通常已经有自己信任的分析师、订阅服务和内部研究材料，新工具需要理解这些既有的信息使用习惯，而不是要求所有人采用同一套阅读清单。
从信息看板转向交易工作流
Sokhal 用一个形象的比喻描述 Moshi：把 Bloomberg、Claude 和 Netflix 的特点结合起来——既有市场数据，也有处理信息的交互界面，还有面向个人的推荐。
这个比喻对应了三层产品能力：
- 获取市场信息，覆盖交易判断所需的不同数据类型。
- 提供处理信息的界面，让用户能够围绕这些信息开展工作。
- 根据用户需求推荐内容，将注意力引向与其持仓相关的变化。
其中的重点是：有用的交易 AI 应当适应交易者实际工作的方式，而不只是增加一个展示信息的看板。
先接触用户，再考虑扩充团队
在 AI Engineer 纽约活动期间，Sokhal 与潜在客户交流后，接连增加了后续会面安排，其中也包括能源行业人士。她强调，直接与用户见面应当先于招聘扩张。
她还提到，部分 AI 工程师正承受一种新的管理预期：过去需要多人完成的系统，如今被期待由一个人借助 AI 建起来。“你就是整个团队”既是对效率提升的期待，也反映了工程师面临的压力。
Moshi 的案例提供了一个值得讨论的产品问题：当信息处理能力越来越强，工具的价值究竟体现为处理了多少内容，还是能否把相关信息放进用户真正的决策流程？目前这些介绍呈现的是产品定位与设计思路，尚不能据此判断其对交易表现的实际影响。