專訪 Bitget AI 負責人 Bill：AI 交易時代，我們離“躺賺”還有多遠

作者：Frank，PANews

一隻“小龍蝦”攪動了整個科技圈。OpenClaw 的橫空出世讓所有人興奮不已，在一臺普通個人電腦上，AI 可以被賦予操作權限，幫你收郵件、寫代碼、甚至操作交易賬戶。網上鋪天蓋地的案例描述得很玄乎：“你都可以不用工作了”。但當真正裝上之後，大多數人發現事情並不是這樣的。

在加密交易領域，這種從狂熱到冷靜的溫差尤其明顯。過去兩年，幾乎每家交易所都推出了自己的“AI Agent”，但大多停留在聊天輔助階段，你問它一句，它給你寫一大段分析，僅此而已。OpenClaw 的出現像是打開了潘多拉的魔盒，讓所有人看到了 AI“做事”而非“說話”的可能性。

但這恰恰引發了新的挑戰。作為帶領團隊探索 AI 交易前沿的領軍人物，Bitget AI 負責人 Bill 博士對此有著深刻的體會，PANews 就此與 Bill 進行了一次深入訪談。在加入 Bitget 之前，Bill 曾先後在多個頭部互聯網及科技公司擔任高級職位，主導過多個核心算法與 AI 平臺的規模化落地，並發表過數十篇國際頂會論文與數十項專利。

如今，全面負責 Bitget AI 戰略規劃與智能交易技術研發的他，正致力於推動 AI 與加密資產交易場景的深度融合。面對眼下的 Agent 熱潮，這位領軍專家的判斷極其冷靜：“大多數普通人並不習慣當管理者，突然給了 10個 AI 下屬，如何指揮、分工、考核，本身就是一門藝術。”

熱情終究會消退，但能力已經被看見。真正的問題變成了：誰能把這種能力包裝成普通人用得上的產品？

在與 Bill 的對話中，PANews 試圖從產品設計者的視角，拆解 AI 交易從概念走向落地的真實路徑。在 Bill 看來，Bitget 密集推出 Agent Hub和 GetClaw 兩款 AI 產品，並不是“看到別人做我們也做”，而是一個內部產品自然外溢的過程。“概括起來就是天時地利人和。”

天時，是 OpenClaw 引爆了市場認知；地利，是我們在去年推出的 AI 助手 GetAgent 上的持續迭代已經有了深厚積累；並在內部技術上有充分的沉澱和嘗試；人和，是團隊內部已經驗證了產品價值，順勢對外開放。”

Bitget的 AI 產品全景：從 GetAgent到 GetClaw 的三級架構

要理解 Bitget在 AI 交易上的佈局，首先需要釐清它三個產品之間的關係。在外部看來，GetAgent、Agent Hub、GetClaw 這些名字容易讓人混淆，但在 Bill 的講述中，這其實是一條清晰的演進路線。

2025年 6 月，Bitget在 App 內推出了 GetAgent，這是一個聊天機器人形態的 AI 交易助手。據 Bill 介紹，GetAgent 經歷了多輪迭代：從最初的聊天應答，逐步加入一鍵下單、新聞資訊彙總，再到擴展至美股、黃金、白銀等全品類交易，“每一次迭代都是用戶需求驅動的，越擴越多。”但無論怎麼擴展，GetAgent 的本質仍然是“聊天驅動”，它可以回答問題、給出建議，但不能幫用戶自主執行復雜的交易任務。

轉折發生在 OpenClaw 出來之後。據 Bill 透露，OpenClaw 發佈後 Bitget 迅速在內部搭建了自己的版本，“內部用完之後反饋非常好，自然就產生了一個想法：能不能把 GetAgent 也做一次大的升級？”沿著這個思路，Bitget 把內部打磨成熟的 MCP 能力封裝對外開放，於今年 2月 13 日正式發佈了 Agent Hub。

Agent Hub 面向的是“動手能力相對較強”的專業性玩家。

它提供了四層由淺入深的能力接口：

API 是原子級的接口調用，門檻最高，需要編程和密鑰管理；

MCP 扮演了“通用接口”的角色，允許外部的 AI 應用直接讀取 Bitget 的數據並執行操作；

CLI 則面向開發者，支持通過終端命令行直接調用全部 API；

Skills 是此次升級的核心，它相當於封裝好的“業務模塊”。通過 Skills，原本生硬的 API 代碼被轉化成了 AI 能夠直接調用的技能（如查詢費率、分析 K 線、盯盤、下單），AI 藉此實現了從“意圖理解”到“動作執行”的跨越。

Bill用 U 盤做了一個很直觀的類比：“U 盤本身具備存、讀、寫的存儲技能，但要讓它發揮作用，需要 USB 接口來連接設備，這就相當於 MCP。而光有接口還不夠，還需要存儲器和各種協議的配合才能完成完整的交互，這整套組合起來就構成了一個 Skill。”

但 Agent Hub 對普通用戶依然有門檻。

於是在 3月 14 日，Bitget 推出了 GetClaw，一個基於 Telegram的 AI 交易助手，開箱即用，不需要安裝任何東西。用戶通過鏈接進入，登錄賬戶就能使用，平臺承擔大模型的調用成本，用戶完全無感。Bill 將其歸納為一句話：“普通用戶推薦使用 GetClaw，這是一個已經組裝完成，可以立即開玩的工具；專業玩家推薦使用 Agent Hub，選擇適合的 Skills，像拼樂高一樣，打造自己的城堡。”

這三個產品形成了一個清晰的遞進關係：GetAgent 打磨了底層的 MCP 能力，沉澱到 Agent Hub 中對外開放，又把這些能力嵌入 GetClaw，降低到最低使用門檻。從聊天機器人到開發者工具再到一鍵式產品，Bitget的 AI 產品線覆蓋了從極客到小白的全部用戶光譜。

“說一句話就能盯盤”，AI 交易真正改變了什麼

產品架構只是骨架，真正讓用戶興奮的是 AI 在具體場景中帶來的體驗變革。在與 Bill 的交流中，一個反覆出現的關鍵詞是“門檻”。

傳統的交易流程是一條漫長的鏈條：獲取資訊、分析決策、下單執行、盯盤監控、覆盤總結，每一個環節都依賴人工操作。如果想做條件交易或量化策略，用戶要麼自己寫程序調 API，要麼在平臺上配置一堆複雜的參數。

在 Bill 看來，這正是 AI 最有價值的切入點：“這些功能不用 Skills或 GetClaw 也能實現，寫程序就行。但問題是，寫程序對程序員簡單，對普通用戶門檻太高。今天我們做的事情，就是讓用戶說一句話就能實現同樣的效果。”

他舉了一個具體的例子：用戶說“當比特幣在一分鐘內跌了 3%，幫我加倉 50%”，背後系統就會自動轉化為一個定時任務，這個任務其實需要完成三件事：

1. 實時監控比特幣價格
2. 每分鐘計算價格差值
3. 一旦滿足條件立即執行加倉操作

這種以前只有程序員才能實現的邏輯，現在任何人說一句話就能完成。

GetClaw 上線不到 40 個小時，盯盤提醒就成了最爆發的使用場景。這並不意外，在傳統平臺上配置盯盤預警，用戶需要理解各種指標參數，“配半天還不一定成功”。而現在，即使是 MACD、CCI 這類多指標複合盯盤邏輯，用戶用自然語言描述需求，系統就能幫你實現。

但 Bill 認為，AI 盯盤真正的變革不只是“能做到”，更在於“能調優”。“傳統平臺上配不好就放棄了，但現在你可以跟它說'錯了，反思一下怎麼改'，改到滿意為止。”這種可以持續迭代的交互方式，對龐大的長尾用戶群體來說是一個巨大的滿足。

在傳統股票市場，量化交易的比重越來越高，在相對成熟的美國市場甚至能超過 70%。普通散戶進場面對的是微秒級競爭的機構對手，幾乎毫無勝算。Bill把 AI 交易的意義概括為一種“平權”：“Bitget在 AI 領域的願景是讓 1 億用戶比肩華爾街，換言之，讓他們達到頂級交易員的操作邏輯和執行能力。過去是想到了卻做不到，今天是隻要能想到就能做到。”

信任的四道鎖，AI 操作真金白銀時的安全邊界

當 AI 從“給建議”走向“替你執行”，功能的強大反而不是最大的挑戰，信任才是。在 Bill 看來，這一點怎麼強調都不為過：“普通用戶最擔心的事情是'用它安不安全'。這個信任度一定要建立好。一旦出現一兩次安全問題，就沒人用了。”

圍繞這個核心顧慮，Bitget 設計了四層隔離體系。

• 第一層是身份隔離，每次對話精準識別用戶身份
• 第二層是記憶隔離，不同用戶之間的對話記憶完全隔離混淆，保證個人隱私不被洩露
• 第三層是權限控制，什麼數據、什麼工具可以調用，由角色控制
• 第四層是憑證與資金隔離，API Key 只限觸發使用，交易在子賬號沙盒中執行

子賬號沙盒機制是一個很務實的設計。Bill 舉例說：“比如主賬號有 1000 美金，用戶可以只劃轉 50 美金到子賬號給 AI 操作，這樣風險可控得多。”這意味著即使 AI 出現判斷失誤，風險敞口也被嚴格控制在用戶預設的範圍內。

這種安全優先的思路也體現在 Bitget對 Skills 市場的態度上。目前，所有的 Skills 都由官方開發和維護，並沒有開放給第三方。Bill 對此的解釋很直接：“如果開放 Skill Market 讓更多人參與建設，不可避免會產生安全問題。比如有黑客說'我也給你放一個進去'，用戶用了發生資金損失，那就不合適了。我們叫寧缺毋濫，寧願沒有，也不要玩了把錢虧光了。畢竟在資產市場，賺得快不如活得久。”

OpenClaw 的前車之鑑證明了這種謹慎的合理性。它在個人電腦上以幾乎不設限的方式運行，雖然讓人激動，但也催生了一個荒誕的新產業，“幫你乾淨卸載龍蝦”本身也成了一門賺錢的生意。

在大模型調用層面，Bitget 在初期選擇了平臺承擔成本而非讓用戶自行配置 Token。一方面是出於安全考慮，另一方面則是技術原因，“我們的 Skills和 MCP 與內置的多種大模型做了深度適配優化，如果用戶隨意切換其他模型，效果會大打折扣。”目前平臺為每位用戶每天提供 10 美金的免費調用額度，後續會根據市場反饋調整定價模式。

80%的事能做，20%的決策還得靠人

聊到 AI 交易的現實能力邊界，Bill 坦言現實並不樂觀：“現在網上有人給 AI 100 美金讓它去賺到 1000 美金，結果發現這種粗放式的操作，虧光的概率非常高。”

AI 交易的能力，在今天還不能保證幫用戶賺到錢。Bill 用“二八原則”來概括當前的真實狀態：在完整的交易流程中（可能涉及 100 件事），AI 可以高效完成其中 80 件繁雜的工作，比如信息整理、實時監控、條件執行、數據覆盤。但是，真正決定盈虧的 20 件核心決策，AI 還做不到。

去年 Bitget 搞了一個玩票性質的 AI 交易員比賽，測試 AI 的能力邊界，結果提供了一個鮮活的註腳：很多 AI 策略最終以虧損收場。原因並不複雜，AI 沒有情緒，聽上去是優勢，但也意味著它無法響應“突然發生戰爭”這類黑天鵝極端事件。Bill 提到，以前美股市場大量讓 AI 執行交易時，也出現過插針暴跌暴漲的異常現象。

“今天更多是一個高級輔助的作用，就像自動駕駛 L1到 L5 的過渡一樣。”Bill 用這個類比來定位當前 AI 交易的發展階段。從趨勢來看，AI 的能力確實在一個一個攻克剩餘的難關，但涉及長期創造力和極端情境下的共情判斷，機器仍有明顯的瓶頸。

不過 Bill 也給出了一個相對樂觀的判斷：“圍繞全自動交易的技術閉環，可能在明年就能基本實現，但這並不意味著它能保證持續盈利。”換句話說，“能跑”和“能賺”之間，還隔著一段不短的距離。

從交易工具到“AI 賬戶操作系統”，Bitget 的終局構想

既然短期內 AI 還無法完全替代人類交易員，那 Bitget的 AI 戰略終點在哪裡？Bill 給出了三個維度的回答。

第一個維度是“全景交易”，這也呼應 Bitget 此前提出的 UEX (Universal Exchange) 戰略。不只是加密貨幣，隨著資產代幣化的推進，黃金、白銀、美股等傳統金融品類都在接入。Bitget 希望用 AI 幫助用戶在一個平臺上完成全品類的交易操作，“讓用戶具備華爾街交易員的全品類覆蓋能力”。

第二個維度是全球化生態拓展。結合 Bitget Wallet 的能力，在 Web3 支付和全球化商業場景中引入 AI，降低跨境交易和支付的操作門檻。

第三個維度，也是 Bill 描述得最有畫面感的一個方向，是打造基於 Bitget 的“長期賬戶操作系統”。這個概念的核心是建立一個“高信任的資金執行層”，未來會有多個 Agent 協同幫用戶做各方面的事情，而支撐這一切的基底是一套跨端、跨場景的“長期記憶系統”。

在 Bill 的描述中，這套記憶系統會把用戶過往的交易習慣、歷史操作、甚至在 App 裡的點滴行為都分析整合，形成一個深度的個人畫像。“確保用戶在不同平臺、不同場景下的交易邏輯保持長期一致性，而不是割裂的碎片化體驗。”這種持續學習和適配的能力，是區別於一次性工具的根本所在。

他用了一個很日常的類比來解釋這種漸進信任的過程：“就像最初買家政機器人只是讓它掃地，用久了信任它之後，才願意讓它承擔更多事情。”AI 需要先在小事上證明自己可靠，然後逐步獲得更大的權限和信任，最終的目標是“陪你成長，伴隨你的資產增值”。

從 GetAgent到 Agent Hub 再到 GetClaw，Bitget的 AI 產品在不到一年的時間裡完成了從聊天機器人到任務執行層的跨越。各大交易所的密集佈局也表明，AI 交易已經不再是一個可有可無的方向，而是未來競爭的基本能力。

然而，從當前的現實來看，AI 更擅長取代的是交易中的“體力活”而非“腦力活”。80%的繁雜工作可以交給機器，但決定盈虧的那 20%核心判斷，恐怕仍然需要人類自己做出。技術可以降低交易的門檻，但無法完全消除交易的風險。

AI 讓每個人都拿到了華爾街的工具箱，但工具箱裡裝的是機會，也是敬畏。