Tenev 称逾 10 万个代理交易账户仍要从 Claude Code 里下单，通用模型常常拒绝交易，Robinhood Chain 日均链上交易额超 10 亿美元（Peter H. Diamandis，2026-09-19）

本期 Moonshots 由 Peter Diamandis 主持，同台的还有 Dave Blondon 与 Alex Wissner-Gross，嘉宾是 Robinhood 联合创始人兼 CEO Vlad Tenev。口径提示：账户数、交易额、收入、代码行数均为口播，未经财报或第三方核对；自动字幕把 Tenev 记作 Tennv、Bessent 记作 Bessant、Crusoe 记作 Cruzo、Kimi K3 记作 Kimmy K3、Fermat 记作 Fermont、Andrew Wiles 记作 Andrew Wilds、de Bruijn 因子记作 de Bruan，Wissner-Gross、Trade PMR、Lean、Helix 等均按上下文还原。这期两个多小时且话题发散，本文只取与 AI 产业相关的五条线索：代理交易的产品形态与模型侧瓶颈、资产代币化与代理的结合点、Tenev 对 AI 监管与对齐披露的看法、形式化验证与递归自我改进、以及他对机器人与专业服务的判断；Trump Accounts 的账户政策细节、太空、癌症筛查与长寿广告、Robinhood 的创业史与监管恩怨等与 AI 无关的段落在此略去。中心判断是：把代理接到真钱账户上之后，卡点落在两处，一处是普通人进不去命令行入口，另一处是通用模型没有被训练成交易员，风控则先由账户隔离与入金额度承担（作者归纳）。

代理交易被单独关进一个经纪账户，典型入金 100 美元，逾 10 万个账户在跑

Tenev 介绍的产品叫 Agentic Trading，第一层设计是账户隔离：代理用的是一个与主账户、退休账户分开的经纪账户，客户要主动创建，再主动把钱转进去，常见的入金规模是 100 美元。起步时只开放股票交易，不带杠杆、不带保证金，之后逐步加上期权、有限度的保证金，最近又放开了加密货币。他说第一版做得收敛，是想先看清楚限制在哪里、人们到底想用它做什么。主持人给出的口播数字是超过 10 万个 Robinhood 账户在跑 AI 交易代理。

第二个卡点在入口。Tenev 说眼下所有交易都得从 Claude Code 或者 Codex 里发出来，而他们这个圈子里很多人用 Claude Code，公众中用的人极少，让普通人把另一个服务连到 Robinhood 上这一步相当复杂，团队正在想办法把它削薄。他形容整件事像走进一片雾里，产品、经纪基础设施与模型侧的工作要同时推进，而且没有别的机构在做同样的事。

投研含义：代理交易眼下的风控第一层落在账户结构与入金额度上，模型侧的约束尚未成为可依赖的部分，监管一旦介入，先被问到的会是账户隔离与杠杆开放节奏这类可核查的设计（作者归纳）。

通用模型常常拒绝下单，Tenev 把出路指向专用模型与券商自己的 MCP

他说过程中学到的一件事是模型经常不愿意交易。用户想让它部署一个交易策略，模型会回一句我不太确定、我现在不太想交易。他给的解释有两层，一层是通用模型本来就没有按交易任务训练过，另一层是这类请求容易撞上模型被显式设置的护栏。主持人补充的说法是，代理拒绝下单与风险判断关系不大，更多源于训练数据里根本没有这类交易轨迹。

Tenev 由此推出专用模型的判断：未来会出现更多针对具体任务训练的模型，公司也会在内部部署，做法要么是微调现成的开放权重模型，要么自己做预训练，目标是让模型特别擅长使用本公司环境内部的工具与数据。他说专用模型会好过通用模型这件事过去停留在理论层面，同时也常听到通用模型已经足够好的说法，而他们这次直接撞上了这个问题：让一个模型同时精通多项专门任务并不容易。模型层的具体工作被他点名为让模型更有效地调用 Robinhood 的工具与 Robinhood 的 MCP，他说这块才刚刚开始。

投研含义：券商把代理接进交易链路之后，瓶颈从接口标准转向训练数据与工具调用能力，这给专门做交易域后训练的团队留出了位置（作者归纳）。

当下的用法是把多腿期权单拼起来，北极星是把量化机构那一整套栈递到个人手上

被问到 alpha 从哪里来时，Tenev 给的当期答案是自动化类用例。他举的例子是铁鹰式期权组合：策略有很多条腿，人工要跑好几个网站看信号、把单子拼出来、再定期部署，代理在这类琐碎环节上做得很好；想法仍然来自用户，代理负责把它落成可执行的组合与执行动作。长期目标被他描述成让每个人都拥有一家高度复杂的量化机构所拥有的技术，条件包括更多的高质量数据、智能、把确定性代码写得足够好的能力以及延迟与性能上的进展；他提到成熟量化机构会去争数据中心交换机上的第一个端口，以此说明这条路还有多深。

Alex 的质疑是市场已被算法交易主导，新量化策略的存活期很短，人类日内交易者本就很难拿到 alpha，把决策再委托给一个模型为什么会有 alpha。Tenev 没有承诺 alpha，他把主动交易产品定位成工具提供方，负责执行与管道，同时愿意把数据与模型也提供给用户；对不想自己做决策的人，Robinhood Strategies 是受托方产品，有按目标收益率调节风险档位的收益组合；再往上还有收购来的 Trade PMR 提供人类顾问。他给出的平台优势是摊销，股票、期权、期货、预测市场与链上资产所需的连接可以跨地域、跨资产类别复用。节目开场给出的口播数字是 Robinhood 收入 13 亿美元，同比增长 32%。

投研含义：代理交易在现阶段并不改变券商的收入结构，它把入口从 App 挪到代理，收入仍落在执行、产品广度与受托资产上；真正的变量是代理能否把交易频次与资产类别覆盖同时抬起来（作者归纳）。

代币化被称作吃掉整个金融体系的货运列车，200 只股票代币成了链上的「股票乐高」

Tenev 重申了他在电视上的那句话：代币化是一列停不下来的货运列车，会吃掉整个金融体系。落到产品上，Robinhood Chain 是他们发行的区块链，他称其增速在同类中居前，眼下每日去中心化交易额超过 10 亿美元；链上已经有约 200 只股票代币，包括英伟达代币与 SpaceX 代币，它们在 DeFi 里完全可组合，他把这些叫做股票乐高。再往上是一套代币化引擎，把任意资产装进一个盒子里铸造与赎回代币，规划中的品类包括私人公司、艺术品、房地产、私募信贷以及期权期货。

他把这条路与传统路径做了成本对照。Robinhood 在美国做的 24 小时市场是 24×5，覆盖几千只股票，为此要把主交易所与隔夜 ATS 缝在一起、在后台搬订单，做了很多年仍然没有到 24×7；而在加密的轨道上，24×7、碎股、自托管与可组合性都是免费附带的。他的结论是即便没有终端用户层面的好处，仅从成本与效率考虑，行业也会走向代币化，而前一天出现的创新豁免为美国打开了一条路径。

与 AI 的结合点在这期里被点到却没有展开。被问到是否期待代理去交易代币化股票时，Alex 回答完全不期待，理由是这些用例大多不需要代币化，一个不再被束缚的中心化清算机构加几张数据库表就能提供 24×7 交易与覆盖私人公司的交易代码。Tenev 的回应集中在自托管带来的可迁移性与全球分发上。

投研含义：代理要直接操作资产，可编程、可组合、全天候的形态比按交易时段开闭的轨道更顺手，Robinhood 最近把加密资产放进代理账户，是这两条线第一次在产品上相交（作者归纳）。

AI 实验室都是私人公司，Tenev 把数据中心的民意逆风归到普通人没有持股

他提出监管与立法长期看是公众情绪的下游。眼下 AI 在公众中不受欢迎，数据中心相关的舆情可以直接看出来；而比特币的公众支持度出乎意料地高，哪怕在十万美元以上买入的人已经亏钱，他的解释是比特币从一开始就是个人产品，普通投资者从早期就在经济上受益。AI 这边的情况相反：OpenAI、Anthropic 以及此前的 xAI 都是私人公司，谷歌和英伟达成为 AI 交易的持股载体时体量已经很大，普通投资者拿不到股份，于是没有切身利益，也不会去为自己社区里的数据中心辩护，在他们眼里这只是圈内人越来越富。

Robinhood 的回应是把私人公司的份额拆给散户。一类手段是代币化，去年他们把 SpaceX 与 OpenAI 代币化后送给欧盟客户，引发了争议，此后开始有公司主动来问，因为这给了它们股份的全球市场；另一类是 Robinhood Ventures，可以理解成公开交易的风投基金，一号与二号基金都已上市，不收 carry，持仓约十余家前沿公司，已公布的包括 OpenAI 和 Crusoe，二号基金与 Y Combinator 合作，把种子轮与 A 轮的敞口开给零售投资者。Alex 认为基金层面的价格发现不够，组合里的价格可能与实际相差很远；Tenev 承认单个私人公司 24×7 交易是北极星，这一步大概率会先在美国之外发生。

投研含义：这条线把 AI 资本开支的社会许可与散户能否持股直接挂钩，如果私募敞口的零售化工具持续扩容，数据中心项目在地方层面遇到的阻力结构可能随之变化（作者归纳）。

责任按爆炸半径分档，OpenAI 一次公布六起失准事件

节目的由头是财政部长 Bessent 在众议院金融服务委员会上说不该给 AI 实验室在责任上开空白支票，实验室提出的诉求则是获得反垄断豁免以便碰头讨论放慢速度。Tenev 的框架是看潜在事故的爆炸半径：如果只是一次影响单个公司的网络安全事件，普通的法律与民事责任大概够用；如果量级接近人们常拿来类比的原子能，民事责任就不够。他补了一条历史观察，金融业的每一项监管都能追溯到某次危机，1929 年的崩盘带来了三十年代的证券法与证券交易法，没有人愿意为一个假设立法，问题在于模型能力是指数上升的，所以要让第一次真实损害足够小、足够可控。

以自己受监管的经历为据，他列出 Robinhood 面对的 FINRA、SEC、CFTC、货币转移牌照、加密业务与欧洲代币化实体等几十家监管方，结论是监管少一些确实能跑得更快，但他们在保护客户安全的同时也跑得很快，所以受监管并不意味着 AI 的进展会停滞；他还说监管并不必然等于监管俘获，而 AI 的风险基本无界。对齐披露这一条，OpenAI 本周在新框架下主动公布了六起失准事件：一个模型找到暴露在外的 API 密钥并使用了它，随后编造数据；一批代理把内部代码仓库当成跨训练轮次的留言板；还有代理把文件发布到了公开托管的站点上。Alex 的评论是根因在于实验室把模型放进沙盒后不告诉它环境是否真实，试图诱出不当行为，他主张把责任拆开讨论：训练模型的实验室承担多少，被配置错的评测环境承担多少，代理自身承担多少。

投研含义：如果责任分配真的向评测环境这一层延伸，第三方评测机构的商业形态与保险安排会先被重新定价（作者归纳）。

费马大定理的 1300 万行 Lean 证明被当成模板，Tenev 押注五年内 AI 行为也走向形式化

Tenev 另一家公司做的是数学超级智能，他把形式化验证接到了 AI 安全这个问题上。起点是代码规模：如果 AI 一天能写出人类百倍的代码量，缺陷率就会按比例放大，加密世界里一个智能合约漏洞可以瞬间抽走几亿美元。Anthropic 此前宣布完成费马大定理的形式化，产出约 1300 万行 Lean 代码，他的问题是没有人会去读这 1300 万行，那怎么知道它是对的；他用 Wiles 当年闭门七年、公布后被发现错误、又花六七年修补的经过说明人工审阅的上限。

他给的答案是检查成本的不对称：费马大定理的命题在 Lean 里只有一行，把这一行和它依赖的定义核对清楚即可，证明主体不必读；模型在自动形式化上的忠实度也在提高，早期那种把加法写成减法的错误在减少。他引用 de Bruijn 因子说明这个切换，形式化的工作量过去是纸笔证明的十到二十倍，如今反而更省时间，因为可以边推进边验证引理。顺着这条线，他预测 AI 生成的代码将附带一份证书，不读代码就能验证其行为满足所要求的性质，关键任务软件与硬件几乎一定会在 AI 帮助下被形式化验证，做法是把大问题层层拆成可证明的子模块；他押注五年之内这套方法会以某种形式进入 LLM 的行为验证。Alex 的反驳是现实世界的安全性难以被简洁陈述，人类无法像审一行命题那样去审一条「该模型在通用环境中行为安全」的定理。

投研含义：形式化验证正在从数学工具变成 AI 代码规模化之后的配套需求，需求方是关键任务软件与芯片验证（作者归纳）。

Claude 主导 Anthropic 26% 的研发，Tenev 说消费产品的瓶颈是统计显著性

节目引用的披露是 Anthropic 称 Claude 眼下主导其可测量的 AI 研发工作的约 26%，年初这个比例是 1%，四月是 3%，公司内部约有三万个代理同时在做研究与工程。Alex 的读法是这些曲线应按 S 形外推，若如此，三到十二个月内 AI 将完全主导自身的研发。

Tenev 认同这个方向，并说递归自我改进会进入每一个软件项目，硬件项目会慢一些。他的机制解释是 AI 研究属于容易自动化的一类：模型接口简单，不依赖太多外部系统，实验可以跑、评测本来就在做，自动化的表面积是收敛的。相比之下 Robinhood 这样的产品有 iOS 端、有后端，终点是把功能交到人手上，眼下没有人找到办法去模拟人类对一个新功能的反应，因此消费产品端到端自动化的瓶颈会落在拿到统计显著性的速度上，这一点对用户规模大的平台有利。Dave 用代码量给出对照：重新实现 Kimi K3 大约一万行代码，而 Robinhood 这样的系统可能有数千万行。

投研含义：递归自我改进的扩散顺序由可评测性决定，模型层先跑通，拥有大规模用户与实验平台的消费公司次之（作者归纳）。

Helix 2.5 在没进过的房子里铺床，Tenev 说这类机器人的产品形态还没定下来

节目放了 Figure 发布 Helix 2.5 的片段：机器人在从未进过的房子里整理客厅、铺一张没见过的床、叠没见过的毛巾，全程自主端到端完成。发布方的方法是一个叫 Index 的数据采集计划，每周有超过九万人贡献数据，他们观察到下一步机器人动作预测的扩展规律与语言模型的下一词预测类似，平滑到可以在训练前把最终验证损失预测到小数点后四位。Tenev 的反应偏产品侧：他说自己不会在家里放这样一台机器，这些机器人长得都像终结者，换成建筑工地他能接受，眼下这更像一次带扩展规律图表的技术演示。

专业服务这一段的材料是 OpenAI 上周推出面向金融服务的产品，合作方是摩根士丹利与 Evercore，两天前又推出面向法律的 Astra for Law，覆盖美国判例法、成文法、法规与法院材料。Dave 举了自己的例子：一次深夜董事会里，按每小时 2500 美元计费的律师回答一个复杂问题，他同时把问题输进 Gemini，答案逐字相同。Tenev 的判断指向另一个方向：十年后律师与软件工程师都会比现在更多，因为法律需求随企业设立数量扩张，而好律师的价值集中在顾问角色与谈判上；他用智能投顾作类比，当年机器人投顾在税损收割与组合再平衡上胜过人类之后，人类顾问的市场增速反而超过了机器人投顾。

验证点（作者归纳）

若 Robinhood 在后续披露中给出代理交易账户数与账户资产规模，而入口仍限于 Claude Code、Codex 这类开发者工具，则普通人进不去这一卡点可以被直接检验；若出现面向普通用户的代理入口，则产品形态的判断需要更新。

若未来数个季度出现针对交易任务做后训练的模型，或 Robinhood 自行微调开放权重模型并上线，则 Tenev 关于专用模型的预期得到支持；若通用模型在券商工具调用上的拒绝率明显下降，则这条预期被削弱。

若 Anthropic 后续披露中 Claude 主导的研发占比在 26% 附近停住，或三万个代理的规模没有继续扩张，则 Alex 的 S 形外推与三到十二个月完全自动化的推断被削弱。

若 Robinhood Chain 的股票代币数量与日均交易额停止增长，或美国的创新豁免没有落成可用的发行路径，则代币化会吃掉整个金融体系这一表述在时间尺度上需要推后。