Moshi是由前摩根大通能源衍生品交易员、富布赖特学者Anekha Sokhal于近年创立的AI原生金融科技公司，定位为面向专业交易员的实时AI推荐引擎（RecSys）。其技术栈整合期货时间序列、基本面数据、新闻、X/Twitter、播客及用户私有数据（如PDF报告），依托自研本体（ontology）与n维图谱建模，每4秒处理约300个新数据点。公司明确拒绝‘新Bloomberg’叙事，主张自身是Bloomberg（市场数据）、Claude（LLM交互）与Netflix（个性化推荐）三者的混合体，核心差异在于‘以工作流为中心’而非‘以仪表盘为中心’。
Moshi坚持模型自建与数据闭环：采用自研视觉-语言模型解析用户上传的非结构化文档（如扫描版PDF），全程避免调用第三方API处理敏感交易数据；在社交数据层面，通过识别可信行业信源（如LNG设施运营方）过滤噪音，并主动凸显分歧信号（例如路透社、彭博社、《华尔街日报》对同一船舶/航班数量的统计差异），将其转化为可操作的情报而非追求表面共识。
公司发展路径体现强客户导向：所有产品功能均始于与真实交易员的深度访谈，‘先开会、后招人’；当前重心为客户端获取而非扩张团队，虽近期单个岗位收到2500份简历（4天内），但Sokhal指出其中存在大量低信噪比申请，包括工作签证无效、隐蔽身份探查者及缺乏实战认知的应届生。她强调需建立‘高信号’筛选机制，区分真正有采购意愿与能力的买家（buyers）与泛泛接触者。
Moshi近期在纽约与休斯顿的金融与AI交叉会议上引发显著关注，参会者涵盖一线交易员、面临‘你即整支团队’压力的AI工程师及潜在生态伙伴；后续将通过主题 webinar 与动态小组研讨扩大触达。值得注意的是，全文未披露产品上线状态、营收、融资额或具体客户名称，所有技术描述与业务策略均基于公开访谈与活动观察，时间节点锚定于2026年10月25日之前。