Anekha Sokhal¶

Moshi 创始人——给商品、能源与宏观市场的交易员做实时洞察。英国华威大学 MORSE（数学、运筹学、统计与经济）本科；JP Morgan 新兴市场台转商品台做衍生品，职业生涯多数在能源衍生品；拿到 Fulbright 数据方向奖学金赴美（⚠️ 她自述"全英国只给一个"），与 Stability AI 合作在 ICLR 发表过论文、与 NASA 有过合作。大学期间侧着做过一个计算机视觉项目（起点是父母的珠宝生意 → 虚拟试戴）。
本库收录：2026-10-22 Latent Space × Anekha Sokhal（AI Engineer 大会 NYC 现场，swyx 主持）

⚠️⚠️ 立场提示：她是创始人，本期全部关于产品能力与数据规模的描述都是产品自述——没有一个客户案例、没有一个效果数字、没有任何第三方验证。⚠️ "同样四秒钟里 Moshi 学到了 300 件新东西"本库记为营销口径（"学到一件新东西"无定义），不作为能力指标。

✅ 两处自我削弱，本页记下：① 被问要不要自建视觉语言模型，她明说"如果你没有一支工程师团队，那么现成方案是个很好的解法"；② 她如实讲出"用户信任某个个人账号"这件事，主持人当场评价为"sketchy"，她没有反驳。

核心主张¶

来源：Latent Space 2026-10-22（本页以下全部时间戳均出自这一期）

⚠️⚠️ 为什么是推荐系统，而不是新闻流¶

（[00:10:12]–[00:11:13]）✅ 本库认为这是她本期的真论证：

⚠️⚠️ "如果你是个交易员、你在看某一件事，你真正在意的其实是此刻的二阶和三阶导数——而那些你不会立刻知道。"

例子：一个石油交易员，而有家能源股票公司在做某件会间接影响石油的事——"你现在就得知道。"

⚠️⚠️ "这个你从新闻流里拿不到。你只能从一张连起来的图里拿到。因为如果这两个信息点是现在同时出来的，那么唯一能做到的办法，要么是一个人——一个能把这些连起来的人，要么是一个模仿人的东西，也就是一个能做这件事的推荐系统。"

✅ 本库标注：这条把"信息过载"重新定义成了一个具体的问题形态——不是摘要（把多变少），也不是检索（按查询找），而是关联推荐（在用户没有查询时，推送与他持仓有二阶关系的事件）。 ✅ 而她给的可选方案只有两个（人 / 模仿人的推荐系统），这使论证可被检验：如果摘要或检索能解决，她就错了。

她自己的定位句（[00:09:11]）：⚠️ "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。……如果 Bloomberg、Claude 和 Netflix 生了个孩子，那就是 Moshi。" ✅ Netflix 指的不是视频，是推荐系统。

⚠️⚠️ "你面对的不再是数据问题，是 UI 问题"¶

（[00:12:15]–[00:13:15]）✅ 本库认为这是她本期最有迁移价值的一条：

⚠️⚠️ "AI 之后大家得出的一个结论是，现在人人都能给自己搭一个 Claude 仪表盘。'嘿，我自己做了这个。'很好。但如果你想让别人也用它——那是你的大脑装进一个仪表盘里。你试试让一个新的人把它纳入他的工作流。"

⚠️⚠️ "你面对的就不再是一个数据问题了。你面对的是一个 UI 问题——他们怎么和它交互？因为有时候用户就是不会用。"

她给的对照：那些平台做对的事是"把数据推给你，这就钩住了你"。✅ 公司内部因此在问的问题："UI 和推荐系统是什么关系？因为我们的论点是：如果你解决了其中一个，你自然也就在解决另一个。" 她的概括是："如果所有人都在做软件，你怎么让它真的成为人们会用的软件？"

⚠️⚠️ 配套的那条一手观察（来自会上找她的 AI 工程师，不是她自己的产品叙事），本库认为是本期最该保存的一句（[00:19:31]）：

⚠️⚠️ "我把系统建好了。人们告诉我他们需要它。它就在他们邮箱里。没人点。但他们还在抱怨自己有这个问题。"

✅ 本库标注：这与 Tenex 那条"生产环境里的非工程 agent 约 5%"的漏斗是同一断点的两侧——⚠️ Tenex 说的是"流程不存在所以自动化无处落脚"，她说的是"流程存在但新界面挤不进去"。 ✅ 而她给的解法（把拉改成推、用推荐系统钩住用户）恰好绕过了"让用户改变工作流"这一步，是本库目前对该断点唯一一条产品层面的具体对策。 ⚠️ 但未被验证——本期没有一个客户留存数字。 详见 AI 商业化与价值捕获。

⚠️⚠️ "它们不一致这件事本身就是一个数据点"¶

（[00:16:21]）在"有多少船在走"这类事实性问题上，路透、Bloomberg、华尔街日报可能并不互相同意：

⚠️⚠️ "但它们不一致这件事本身就是一个数据点，因为那里是不是有机会？因为没人知道。"

✅ 本库标注：这把来源冲突从一个要被消解的噪声问题，变成了一个要被保留并上报的信号。 ⚠️ 本库此前关于"多来源不一致"的材料都把它当作需要裁决的问题（谁对），没有一条把分歧本身当作输出。 ⚠️ 但适用前提是交易——分歧在这里有价值是因为它直接对应可交易的不确定性，未必能迁移。

数据分类学（⚠️ 产品自述）¶

（[00:05:02]–[00:08:09]）✅ 她说这"其实就是我在显摆我会怎么交易"，把市场拆成四类：

类别	内容
结构化：期货时间序列	全部技术分析——统计指标、各种技术指标、各种移动平均
结构化：基本面时间序列	"尤其在某些商品市场，供给和需求的分量很大"
非结构化：公开	新闻；⚠️ 另有 X（Twitter）数据、播客的音频数据
⚠️⚠️ 非结构化：用户私有	用户自己在意的分析师、自己的订阅、以及内部数据

⚠️⚠️ 第四类她给的例子最能说明问题："我不能过来告诉你'你该读这个人'，因为你有你需要的那些人"；内部数据的具体形态是——"如果他们在交易能源市场，他们会有专人盯着穿过霍尔木兹海峡的 LNG 船数量。"

管线：两类数据合并 → 清洗与转换 → 统计与机器学习 → 打标 → 建本体（ontology） → 放进"Moshi 的 n 维图" → 输出。⚠️ 两种模式：推（"每次你打开 Moshi，你都会看到一个与你的组合有关的新东西"）与拉（"30 秒给你通常要花几天的答案"）。

⚠️ 信任源：她如实讲出、而主持人当场判为"不靠谱"的用户行为¶

（[00:14:17]–[00:16:21]）被问"数据这么多怎么知道什么重要"，⚠️ 她给的是用户行为观察而不是算法：

"人们真的会有他们信任的那些人，他们会去追这些业内的声音，尤其在商品里。" ✅ 机制很具体：那些人就是商品的供应方——"LNG、所有这些设施，他们会在上面很活跃，因为这也是他们发布状态更新最快的方式。"
⚠️⚠️ 主持人的评价只有一个词："sketchy（不靠谱）"。 ✅ 她没有反驳，接的是"我们已经找到了尽可能过滤掉的办法"。
✅ 产出形式是置信度加语境："我们给一个置信分——好，某人说了这一件事，但这是围绕这场对话发生的所有其他事情。"
⚠️ 本库标注：关于"怎么过滤"她没给任何方法细节，而主持人的怀疑（有人胡说、有人故意操纵市场）本期没有被回答。记为一处未填的缺口。

⚠️ 自建还是用现成：两条理由，第二条是团队禀赋而不是技术必要性¶

（[00:16:21]–[00:17:24]）处理客户"乱七八糟的 PDF 数据"用的是自建的视觉语言模型；⚠️ 有些数据"就是得接到他们的系统里"。被问自建是否重要：

✅ 数据不出门："如果有人把数据给我们，我们不想把它发给第三方。……你得确保你和他们有那个关于'他们怎么处理这些数据'的协议。"
⚠️⚠️ 而第二条很诚实："如果你没有一支工程师团队，那么现成方案是个很好的解法。但如果你像我们一样有一支工程师团队——一个有趣的事实是团队里大多数人都在某种程度上和 NASA 合作过——那他们就想自己造模型。但不是每个人都有这个。所以这真的取决于你的团队在什么位置。"

✅ 本库标注：她没有把自建说成普适正确路线，而是归到数据协议 + 团队构成两个具体条件上。 🔗 与 George Kurtz 同一天给的自建安全模型四条理由并读——⚠️ 两人（同日、不同行业）给的第一条理由都是"客户的数据不想给第三方"，这是本库目前关于"为什么垂直厂商要自己训模型"最常复现的一条。

⚠️ 两条关于人的材料¶

来源：Latent Space 2026-10-22

⚠️⚠️ "现在人们说：我们不需要一个团队，你就是那个团队"（[00:18:28]–[00:19:31]）：她说在会上遇到的 AI 工程师"被管理层的压力压得不行"——"于是就变成'嘿，我现在得自己把这整套系统建出来'。可那套系统通常是 10 个人做的。" 转述的具体困惑是⚠️ "我是不是得有一群 agent？那万一有东西坏了怎么办？" 与上面那条"建好了没人点"。
✅ 本库标注：AI 与就业上"岗位被压缩"的材料多来自雇主侧或投资人侧；这一条是从被压缩的那一侧转述出来的，而且形态很具体——不是裁员，是对单个工程师的产出预期直接按 10 人团队计。 ⚠️ 样本是一场会议上的若干次对话，无规模、无行业分布，记为质性观察。
⚠️ 一个岗位四天 2,500 份申请（[00:23:34]–[00:25:37]）："开了四天就不得不关掉。" 主持人判"大部分是噪声"；⚠️⚠️ 她说自己"有一个强烈的意见"，给的噪声构成是两类：有人在"逛、在打探"（卧底）、有人在法律上根本不能工作（签证）。✅ 她加的那句是这条的价值所在："而我是第一次创业。刚开始的时候你不知道这些事。" ⚠️ 本库只记量级，不采信构成（两条归因无任何数据支撑）。