前 Foresight Ventures 联合创始人 WhiteForest 发文介绍其正在开发的 AI 交易产品 Mojo，并借此批评当前市场上大量 AI Trading 产品没有触及散户交易亏损的核心问题。
WhiteForest 写道，自己曾在 Bitget 管理 5 条业务线，看过几十万散户的真实交易行为数据。一次与老朋友吃饭时，对方在产品对话框里输入「我想把手上一半 ETH 换成 SOL」，Mojo 没有直接执行，而是先提示三点：过去 12 个月中，这名用户做过 4 次完全相同的 ETH→SOL 换仓，其中 3 次做错，平均亏损 11%；上一次做出同样动作前，这名用户曾说过「如果 SOL/ETH 跌破 0.038 我一定换回来」，但后来并未执行；此外，他当前的 SOL 仓位已超过自己设定的硬上限 4 个百分点。
随后，产品只问了一句：「你现在是在做一个决定，还是在重复一件你已经做过 4 次的事？」WhiteForest 认为，这类提示让用户在犯错前重新看见自己的行为轨迹，而不是继续接收新的市场信号。
作者称散户问题不在信息不足
WhiteForest 表示，自己此前也曾认为散户亏钱的原因在于判断力、信息、分析和信号不够，但实际看到的数据并非如此。他援引国际清算银行对全球 95 个国家 2015 年至 2022 年加密交易数据的研究称，73% 到 81% 的散户亏损了本金；另据一项在 2025 年覆盖 1005 名加密散户的调查，84% 的受访者出现亏损。
在他看来，很多散户并不是没有判断，而是在执行环节不断失误：止损线已经设好，但跌破时人在开会；链上地址有动作，等到跟进时价格已经走了 20%；仓位超过自己设定的硬上限，却因为行情看起来还不错而继续等待；同一个错误 3 个月前和 6 个月前都犯过，但由于没有提醒，之后又重复了一次。
基于这些观察，他给出的结论是，散户真正缺少的不是更多判断工具，而是在关键时刻，有没有一个系统把自己过去做过的事、说过的话、设过的线，以及曾经越过的边界重新摆在眼前。
文中将现有 AI Trading 产品归为四类
WhiteForest 称，自己测试过主流 AI Trading 产品后，认为市场上的方案大致可以分为四类。
策略卡片
第一类是策略卡片。按照他的描述，这类产品通常在应用中展示一排卡片，例如 BTC 趋势 137%、SOL 突破 68% 胜率，并标注「AI 优化」。他认为，这类产品本质上只是把过去 90 天最赚钱的策略放到最前面，属于把幸存者偏差自动化；而类似模式在 2018 年就已经出现，当时的名字是跟单交易。
跟单 agent
第二类是跟单 agent，即通过追踪所谓聪明钱钱包来进行实时跟单。WhiteForest 给出的例子是：链上确认 12 秒，agent 检测 5 秒，推送到手机 3 秒，用户看到弹窗并点击确认 4 秒，等到成交时，原始那笔「聪明钱」已经提前入场 24 秒。他还提到，更糟糕的情况是，某些钱包可能只是做市商的内部对敲信号，吸引大量跟单 agent 涌入后再对外出货。
在他看来，「聪明钱」并不是一种稳定身份，而只是贴在过去收益上的标签，链上只能看到它昨天做了什么，明天会怎么做并不确定。
AI 分析对话框
第三类是 AI 分析对话框。WhiteForest 认为，这类产品往往允许用户输入「我现在应该买 BTC 吗」之类的问题，然后生成约 800 字分析，内容包括 RSI、MACD、链上资金流、社交情绪和历史类比等。他批评称，这类服务很多只是以 ChatGPT 为外壳，再调用 5 个免费 API；所谓链上数据来自 Etherscan 公开页面，社交情绪来自 LunarCrush 免费接口，历史类比则来自大模型训练数据中的文本生成。
他在文中将这类产品与 Citadel 作比较，称后者每年花费 7 亿美元购买真实市场情报，而普通用户每月支付 29 美元获得的只是免费 API 的包装结果。他还声称，用户在对话框中输入的每一句话、点击过的每一条建议、是否执行以及是否盈利，这些数据最终都会被打包出售给自营交易商。
接入 LLM 但被限制功能的产品
第四类则是「真 LLM 被阉割了」的产品。WhiteForest 表示，这类团队确实接入了 Claude 或 GPT-4，也为模型付费，创始人也懂 AI，但最终却把 LLM 做成了一个对话框，后端只硬编码 5 个固定策略。按照他的说法，LLM 最有价值的泛化能力因此被放弃，不管用户说什么，系统都只会调用 5 个函数之一，也不会去追问用户是否在重复曾经犯过的错误、是否已经超出既定仓位上限，最终只是执行。
他将这种结果归因于产品 KPI 指向 MAU，而不是用户决策质量，并称在这样的逻辑下，用户只是活跃用户数字的一部分。
作者称用户并非在用 AI，而是在被 AI 采样
WhiteForest 在文中进一步提出，过去 50 年市场之所以难以完全精准收割散户，一个原因在于散户行为本身并不稳定：会累、会忘记、会中断一周、也会偶然走运一次后离场。可在他看来，AI 正在把这些不稳定性逐步记录和量化。
他写道，当一个用户在 12 个月里 4 次犯下同一个错误时，像 Citadel 这样的机构，可能会在用户自己意识到之前 0.5 秒识别出其即将再次犯错。由此，用户付费购买 AI 工具，结果却可能不是自己变强，而是让机构更清楚地掌握其冲动买入、恐慌割肉等行为模式。
围绕「赋能投资者」提出质疑
对于 AI Trading 产品常见的「赋能投资者」表述，WhiteForest 认为这个词已经被过度使用。他写道，真正的赋能，应当让一个白天上班、傍晚接孩子、凌晨 3 点才睡的人，第一次真正拥有只有机构才有的三样东西：认知、判断和执行，而且这些能力要真实附着在用户自己身上。
在他的区分中，所谓「假赋能」是把这三样东西做成廉价复制品——一个对话窗口、一个跟单按钮、一张策略卡片——再包装成升级后的工具卖给用户；而「真赋能」则是让用户具备与 Citadel 等机构同等级别的信息和判断能力。
文中给出对未来 18 个月和 5 年的判断
WhiteForest 认为，如果行业沿着现有路径继续推进，未来 18 个月里，市场上约 200 个 AI Trading 套壳产品中，至少 180 个会死掉，剩下的 20 个会被自营交易商收购，用户行为数据则会流入 Citadel 的训练管线。
他还写道，未来 5 年，没有 agent 的散户，就像加密版本的「大妈走进券商营业厅」；而有套壳 AI 的散户，则像「拿着塑料剑的步兵」，会死得更快、更精准，也更便宜。他称，这不是预测，而是照着当前路径走下去会到达的结果。
WhiteForest 借文介绍 Mojo 的定位
文章后半部分，WhiteForest 明确表示，前文那位朋友当时使用的产品就是自己做的 Mojo。
他解释称，自己之所以做 Mojo，是因为曾处在三个位置：在 Foresight Ventures 投 AI 基础设施，在 The Block 观察整个行业形态，在 Bitget 管理 5 条业务线、接触几十万散户的真实交易行为。来自这三个角度的信息，让他认为，这一代 AI 真正能做到的事情，市场上还没有人去做。
按照他的定义，Mojo 的核心不是提供更多市场信号，也不是告诉用户 SOL 会不会上涨，而是在用户即将犯下第 5 次同样错误时，把过去 12 个月中的前 4 次交易记录、说过的话、设过的线和越过的边界完整还原给用户。WhiteForest 认为，这相当于让用户第一次拥有一个真正了解自己交易行为的系统。
他据此提出，这一代 AI 真正可以做到的，不是更花哨的下单按钮，而是把机构才有的认知、判断和执行能力，完整放到普通用户身上。文中称，认知可以加载进一个 agent，冲动判断可以被一段对话制止，执行可以由全天候运行的 API 替代。
批评 VC 资金流向与机构激励
WhiteForest 还在文中提到，17 亿美元的风投资金正在推动相反方向的发展。他称，这些资金服务于 VC 的投资回报叙事，也服务于让 Citadel 在 36 个月内用 5000 万美元收购其中数据最干净的产品。按他的说法，这类收购看中的不是产品本身，而是过去 1000 天里每个散户的每一次犹豫、每一次冲动、每一次割肉所形成的数据。
他进一步写道，如果这一代 AI 最终只是让 Citadel 变得更强、让 Jane Street 赚得更多，而散户依然是被精准收割的一方，那么这种所谓的「进步」只是机构的进步，对散户而言更像是一场被包装成进步的「技术抢劫」。
文章最后，WhiteForest 表示，自己不会去做也不会投资这类产品，而是希望「把属于散户的 AI trading 还给散户」。