人工智能驱动的交易尚未达到“iPhone时刻”，即每个人口袋里都携带着一个算法化的强化学习投资组合管理器，但专家表示，这样的时刻即将到来。

事实上，当面对动态的、对抗性的交易市场时，人工智能的力量也会遇到挑战。与通过无尽的自驾车电路学习准确识别交通信号的人工智能代理不同，任何数量的数据和建模都无法预测未来。

这使得优化人工智能交易模型成为一个复杂且要求严格的过程。成功的衡量标准通常是评估利润和损失（P&L）。但在如何定制算法方面的进展正在催生出能够在面对多种市场条件时不断学习平衡风险和回报的代理。

允许风险调整指标，如夏普比率来指导学习过程，增加了测试的复杂性，Recall Labs的首席营销官Michael Sena表示，该公司已经运行了20个左右的人工智能交易场所，社区提交人工智能交易代理，这些代理在四到五天的时间内进行竞争。

“在扫描市场寻找阿尔法时，下一代构建者正在探索算法定制和专业化，考虑用户偏好，”Sena在一次采访中说。“针对特定比率进行优化，而不仅仅是原始的P&L，更像是领先金融机构在传统市场中的运作方式。因此，考虑诸如你的最大回撤是多少，你的风险价值是多少以获得这个P&L？”

退一步说，最近在去中心化交易所Hyperliquid上的交易比赛涉及了几个大型语言模型（LLMs），如GPT-5、DeepSeek和Gemini Pro，基本上设定了人工智能在交易世界中的基准。这些LLMs都接收了相同的提示并自主执行，做出决策。但根据Sena的说法，它们的表现并不好，几乎没有超过市场。

“我们使用了Hyperliquid比赛中使用的人工智能模型，并让人们提交他们构建的交易代理与这些模型竞争。我们想看看交易代理是否比基础模型更好，增加了专业化，”Sena说。

Recall的比赛中前三名由定制模型获得。“一些模型没有盈利且表现不佳，但显然，采用这些模型并应用额外逻辑、推理和数据源等的专业化交易代理，表现优于基础人工智能，”他说。

人工智能驱动的交易的民主化引发了有趣的问题——如果每个人都在使用相同水平的复杂机器学习技术，是否还会有任何阿尔法可供覆盖。

“如果每个人都在使用相同的代理，并且该代理为每个人执行相同的策略，这种情况会不会自我崩溃？”Sena说。“它检测到的阿尔法是否会消失，因为它试图为其他人以规模执行？”

这就是为什么那些最有能力从人工智能交易带来的优势中受益的人，最终将是那些有资源投资于定制工具开发的人，Sena说。他补充道，在传统金融中，产生最多阿尔法的高质量工具通常不是公开的。

“人们希望尽可能保持这些工具的私密性，因为他们想保护那部分阿尔法，”Sena说。“他们为此付出了很多代价。你可以看到对冲基金购买数据集的情况。你也可以看到家族办公室开发的专有算法。”

“我认为神奇的甜蜜点将是有一个产品，它是一个投资组合管理器，但用户仍然可以对他们的策略有一定的发言权。他们可以说，‘这就是我喜欢交易的方式，这些是我的参数，让我们实现类似的东西，但让它更好。’”

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。