与Bitget AI负责人对话：AI交易能够接近高分，但难以实现完美

正文：

本期播客专注于 Bitget 的 AI 交易产品布局。Bitget AI 负责人 Bill 博士分享了他从传统 AI 研究转型至加密行业的经历，并详细介绍了过去一年多来 Bitget 在 AI 交易产品上的发展历程：从最初的市场信息捕捉、新闻整理与信号分析，到结合用户历史行为进行风险画像和个性化建议，再到通过 Agent Hub、Telegram 及类似 Claude Code 的交互方式降低 AI 交易的使用门槛。

访谈中还探讨了 AI 在交易中的局限性：虽然 AI 已显著提高普通用户的信息处理能力和辅助决策效率，但仍无法完全取代顶级交易者；未来的竞争不仅在于模型的能力，更在于安全体系、成本控制、产品流畅度、长期记忆系统以及对用户真实交易习惯的持续学习。双方还讨论了 AI 交易是否会出现“赢家通吃”现象，以及策略是否会迅速失效的问题，得出的结论是市场依然复杂，人性和黑天鹅事件使得交易难以被单一系统完全掌控。

猫弟：欢迎大家收听这一期的《吴说不加密播客》。今天的嘉宾是 Bitget AI 负责人 Bill 博士。请您先介绍一下自己，以及您是如何进入加密行业的？另外，我也想了解您在 AI 方面的背景，因为我听说大家都称您为 Bill 博士，您是专攻 AI 的吗？

Bill 博士：我在 2009 年获得博士学位，期间一直专注于 AI 领域。我在学习期间曾多次参与企业和研究机构的交流活动，并参加了许多国际会议。

毕业后，我在一家海外研究院从事了四年的人工智能研发。随后，我加入了一家国内的大企业，负责搜索推荐和自然语言处理，担任自然语言处理部门的负责人。之后，我又在一家海外电商公司工作了四年，负责整体 AI 研发，接着又在另一家大型企业负责全球营销算法的研发，总共积累了十六年的相关经验。

去年年初，我接到了猎头的联系，得知 Bitget 有一个机会。虽然我之前没有在加密行业工作过，但我对金融一直很感兴趣，并且有多年美股和港股的交易经验，因此决定尝试一下。

当时我对 Web3 的了解并不深入，只是有一些基础知识，所以面试前我有些紧张。结果面试很快就通过了，我获得了入职 Bitget 的机会，担任 AI 负责人，至今已超过一年。这段经历让我感到非常兴奋，每天都面临新的挑战和项目，尽管压力很大，但也充满成就感。

对我而言，最大的变化在于认知的冲击。因为我之前对 Web3 只是略有耳闻，没有真正深入参与，所以进入这个领域后，我几乎是边学习边进行项目，生活变得非常充实。

猫弟：Bitget 主要以交易产品为核心。您如何看待“AI + 交易”这一趋势？它是否已经进入可行阶段，还是更多地被视为市场炒作？如今，几乎所有行业都在拥抱 AI。您认为目前的 AI 实用性更强，还是其中仍有蹭热点的成分？

Bill 博士：在我看来，对 Bitget 而言，这已经不是噱头，而是一个必需品。因为在过去七年里，Bitget 并没有专门的 AI 团队，甚至算法应用相对较少，直到近两年才开始系统性投入。核心原因在于 AI 已经成熟，能够真正融入交易场景，为降低成本、提升收入和交易效率带来了实际价值。

交易本身极其复杂，不同用户的认知、风险偏好、策略和操作方式各不相同，因此关键不在于“是否要做 AI”，而在于 AI 如何切入交易流程的不同环节。

如果说完全的自动化，像全自动驾驶那样，现在还做不到；但在辅助决策方面，分环节、分层次的辅助已经变得非常可行。实际上，不论是 Bitget 还是其他公司，都在探索这一方向，并且已经获得了一定的市场红利。

例如，一些交易者主要关注短期走势和量化信号，以前需要跟踪多个屏幕和数据，现在 AI 可以帮助整合信息和辅助判断。还有一些用户通过新闻、财报和社交媒体做决策，信息搜集和整理的工作也可以通过 AI 显著提升效率。

更进一步，用户希望 AI 不仅帮助他们寻找信息，还能提供更具体的策略建议，比如仓位、方向和杠杆，甚至直接准备好交易按钮。更高阶的应用甚至接近资产管理的模式。

因此，我们的判断是，虽然 AI 不可能完全替代顶级的专业交易员，但对于普通用户而言，已经可以替代 95% 的工作，这在今天已经进入实用阶段。

猫弟：您的意思是，第一层的功能已经相对成熟，比如帮助用户了解项目背景、做信息整理和辅助判断。那么 Bitget 现在的 AI 产品更侧重于前期的辅助决策，还是已经开始向具体执行迈进了呢？

Bill 博士：这要从去年说起。我入职一个月后，我们就启动了 Agent 方向。当时，Agent 还是一个新概念，大家都在摸索。最初，我们尝试了一个名为“Meme 捕手”的项目，因为当时 Meme 币非常火，市场信号迅速且复杂，用户很难及时抓住交易机会。

这个产品经过两个月的开发，效果还不错，但功能相对单一，主要聚焦于抓取 Meme 相关信号。后来我们将其升级为 GetAgent，最初的目标是满足第一层需求，即信息收集和整理。因为这部分工作本质上是体力活，只需优化流程和模型，就能显著提升效率。

因此，我们最初的重点是提升信息处理能力，包括定制币圈的重要新闻源，确保这些高质量信息能为模型分析提供支持，而不是让模型单纯在全网搜索。这样做后，信息收集和分析的准确性大幅提高，用户满意度也显著上升。

但是，随着时间的推移，用户开始提出更高的需求，他们不仅希望获取信息，还希望得到决策建议。例如，做多还是做空、购买多少、适合什么风险等级的策略。于是我们结合用户的历史交易记录进行分析，评估他们的风险偏好和交易习惯，从而提供更个性化的建议。

因为信息层面的内容相对通用，但在交易层面，差异性非常大。不同用户在面对同一问题时，可能会得出截然不同的答案。因此，GetAgent 逐渐向个性化匹配的方向发展，这部分也进行了很多细节的打磨。

我们甚至实现了执行层面的功能。例如，用户可以直接说“帮我买 10U 的比特币”，系统会迅速准备好交易按钮，用户确认后即可下单。当然，前提是指令必须足够明确，不能模糊不清。

这一功能上线后，确实有用户开始使用，交易量也在增加。但后来我们发现，如果继续向“直接帮用户下单”这一方向深入，用户可能会产生误解，认为该产品已能为他们带来盈利。一旦出现亏损，用户的预期与现实之间便会形成矛盾。

因此，我们调整了方向，并没有继续优先优化自动下单，而是将重心回归到信息收集、聚合分析和个性化服务上，力求将这些能力打磨得更加扎实。

今年年初，我们推出了 Agent Hub。它并不是像 GetAgent 那样在应用内进行问答式交互，而是针对高级用户，支持他们通过编程调用底层能力，以命令行等方式完成交易。

这个方向当时受到了关注，但使用门槛仍然较高。因为真正会编程并使用命令行进行交易的人非常有限，大多数用户仍然是普通交易者，他们需要更简单、更直接的产品体验。

因此，我们将入口放到了 Telegram 上。用户只需打开链接并登录 Bitget 账户，就可以通过类似 Agent 的方式进行交易，整体体验也更为顺畅。

来源：Odaily星球日报