AI驅動的交易尚未達到「iPhone時刻」，即每個人口袋裡都裝著一個算法強化學習的投資組合管理器，但專家表示，類似的情況即將到來。

事實上，當AI的力量面對動態且對抗性的交易市場時，會遇到勢均力敵的挑戰。與那些通過無數自動駕駛汽車循環學習準確識別交通信號的AI代理不同，無論多少數據和建模都無法預測未來。

這使得完善AI交易模型成為一個複雜且要求嚴格的過程。成功的衡量標準通常是評估盈虧(P&L)。但在如何客製化算法方面的進步正在產生能夠持續學習平衡風險和回報的代理，以應對多種市場條件。

Recall Labs的首席營銷官Michael Sena表示，允許風險調整指標（如夏普比率）來指導學習過程會增加測試的複雜性。Recall Labs是一家已經運營了約20個AI交易競技場的公司，社區在這裡提交AI交易代理，這些代理在四到五天的時間內進行競爭。

「當談到掃描市場尋找超額收益時，下一代建設者正在探索算法客製化和專業化，考慮用戶偏好，」Sena在採訪中表示。「針對特定比率而非僅僅原始盈虧進行優化，更像是傳統市場中領先金融機構的工作方式。所以，我們會考慮諸如最大回撤是多少，為了獲得這個盈虧你的風險價值有多少？」

回顧一下，最近在去中心化交易所Hyperliquid上進行的交易競賽涉及多個大型語言模型(LLMs)，如GPT-5、DeepSeek和Gemini Pro，這在某種程度上為AI在交易世界中的位置設定了基準。這些LLMs都被給予相同的提示並自主執行，做出決策。但根據Sena的說法，它們表現並不好，僅略微優於市場。

「我們採用了Hyperliquid比賽中使用的AI模型，並讓人們提交他們建立的交易代理來與這些模型競爭。我們想看看交易代理是否比基礎模型更好，特別是在增加了專業化之後，」Sena說。

Recall比賽的前三名都被客製化模型所佔據。「有些模型無利可圖且表現不佳，但很明顯，那些採用這些模型並在其上應用額外邏輯、推理、數據源等的專業交易代理，表現優於基礎AI，」他說。

AI交易的民主化引發了一個有趣的問題：如果每個人都使用相同水平的複雜機器學習技術，是否還會有超額收益可覆蓋？

「如果每個人都使用相同的代理，而該代理為每個人執行相同的策略，這是否會自我崩潰？」Sena說。「它檢測到的超額收益是否會因為它試圖為其他所有人大規模執行而消失？」

Sena表示，這就是為什麼那些最有條件從AI交易最終帶來的優勢中受益的人是那些有資源投資開發客製化工具的人。他補充說，就像在傳統金融中一樣，產生最多超額收益的最高質量工具通常不是公開的。

「人們希望盡可能保持這些工具的私密性，因為他們想保護那些超額收益，」Sena說。「他們為此付出了很多。你看到對沖基金購買數據集。你可以看到家族辦公室開發的專有算法。

「我認為神奇的最佳點將是有一個產品作為投資組合管理器，但用戶仍然可以對自己的策略有發言權。他們可以說，'這是我喜歡的交易方式，這些是我的參數，讓我們實施類似的東西，但讓它變得更好。'」