在 AI Engineer New York 的播客节目中，Moshi 首席执行官 Anekha Sokhal 与 swyx 对谈，回顾了自己从数学研究走向能源衍生品交易、再到创业的经历，并解释了这家公司想为交易员解决什么问题。
Sokhal 在英国华威大学（Warwick）攻读数学、运筹学、统计学与经济学。她从一开始就认定自己要做交易：这份工作节奏快、与数据紧密相关。她的职业生涯始于摩根大通的实习，先在新兴市场部门，后转至大宗商品部门做衍生品交易，大部分时间聚焦能源衍生品。她说，由于自身的数据背景，她习惯把市场拆解成各个组成部分——商品市场中与基本面、新闻和实体供需相关的一切。交易时她观察到市场正在向数据驱动转变，于是离开摩根大通，决心创办一家数据公司。
她通过富布赖特奖学金（Fulbright）来到美国，当时该奖学金在全英只发放一个名额。她回忆说，2020 年新冠疫情导致天然气市场剧烈波动，她在面试中谈及能源市场危机与数据的关系，而高企的天然气价格和电费让每个人都能感同身受。到美国后，她深入机器学习研究，在 ICLR 发表论文，与 Stability AI 合作，并与 NASA 有合作项目，这些经历最终促成了 Moshi 的诞生。
Moshi 的定位是“我当年做交易时希望拥有的那个程序”。它为金融交易员提供实时洞察，起步于大宗商品、能源和宏观市场。其核心能力是处理远超人力所能及的数据量，提炼出与用户投资组合相关的信息。Sokhal 用了这样一个比喻：说出一句话只需四秒，而在这四秒里 Moshi 已经学到了 300 件新事物。
数据来源可以拆成几类。一类是结构化的期货市场时间序列以及围绕它的技术分析，包括各类统计指标、技术指标和移动平均线，这类数据持续更新。另一类是基本面市场的时间序列，在部分大宗商品市场中供需数据尤为关键。再一类是非结构化数据，新闻是最明显的来源，此外还有各种另类数据，比如 X 平台（原 Twitter）上的内容和播客音频。最后还有用户私有数据：交易员自己信任的分析师、订阅的信息源以及公司内部数据。Sokhal 举例说，有些交易能源市场的客户会有专人负责统计通过霍尔木兹海峡的液化天然气船只数量。
Moshi 把这些数据汇总后进行清洗和转换，再运用统计与机器学习方法打标签，并在其上构建本体（ontology），最终汇入 Moshi 的 n 维图谱中，输出为一款主动推送信息的软件：用户每次打开 Moshi 都会看到与自身持仓相关的新内容，也可以主动提问，让大模型在 30 秒内给出通常需要数天才能得到的答案。
当被问到 Moshi 是否算“新彭博”时，Sokhal 表示不愿这样被定义。她承认彭博聊天是平台的出色功能——交易员在聊天中完成数十亿美元的交易，她本人涉足自然语言处理，正是从把彭博聊天解析成结构化的定价表开始。但她说 Moshi 是另一类软件，并半开玩笑地形容：如果彭博、Claude 和 Netflix 生个孩子，那就是 Moshi。她解释说，Moshi 内部自建了推荐系统：交易员关注某一件事时，其实当下还需要知道与之相关的二阶、三阶传导影响，而这些并不会自动浮现。她以石油交易员举例：如果某家能源股公司做出会间接影响油价的举动，新闻流未必能立刻传达，而一个相互连接的图谱可以发现两个信息点之间的关联并立即提示。
对谈还涉及可信信源与信号筛选、“自建模型还是采购模型”的抉择以及文档提取等话题。Sokhal 也在会上分享了从客户交流中学到的东西，并强调在招人之前要先与用户见面。
访谈开头，两人还谈到 AI 工程师群体的处境：许多人感到来自管理层的巨大压力，因为公司会说“我们不需要一个团队，你就是团队”，这意味着一个人要独自搭建通常需要十个人完成的系统。Sokhal 认为，在这样快速变化的时期，分享经验对大家很有帮助。她也提到，自己在纽约的行程被会后与客户的会面排得满满当当，甚至有人邀请她去休斯顿继续谈能源方面的合作。