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，在一台普通個人電腦上，AI 可以被賦予操作權限，幫你收郵件、寫代碼、甚至操作交易帳戶。 網路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朵拉的魔盒，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 交易前沿的領導人物，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階職位，主導過多個核心演算法與 AI 平台的規模化落地，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 策略規劃與智慧交易技術研發的他，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：」

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一般人用得上的產品？

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； 」

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，首先需要清它三個產品之間的關係。 的敘述中，這其實是一條清晰的演進路線。 經歷了多輪迭代：從最初的聊天應答，逐步加入一鍵下單、新聞資訊匯總，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複雜的交易任務。

轉折發生在 OpenClaw 出來之後。據 Bill 透露，OpenClaw 發布後 Bitget 可迅速搭建了 Bitget 出來之後。 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 日正式發布了 Agent Hub。

Agent Hub 面向的是「動手能力相對較強」的專業性玩家。

API 是原子級的介面調用，門檻最高，需要編程和密鑰管理；

MCP 扮演了「通用介面」的角色，允許外部的 AI 應用直接讀取 Bitget 終端並執行操作； style="text-align: start;">Skills 是此次升級的核心，它相當於封裝好的「業務模組」。 style="text-align: start;">Bill用 U 盤做了一個很直觀的類比：「U 盤本身俱備存、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。 而光有介面還不夠，還需要記憶體和各種協定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，開箱即用連結，請使用任何東西的東西套接一個用戶。 將其歸納為一句話：「」

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。從聊天機器人開發者，再到一鍵式產品，Bitget 工具 產品線涵蓋了從極客到小白的全部用戶光譜。 style="text-align: start;">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、複盤總結，每一個環節都依賴人工操作。 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，寫程式就行。 但問題是，寫入程式對程式設計師簡單，對一般使用者門檻太高。 今天我們做的事情，就是讓使用者說一句話就能達到同樣的效果。 ”

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換為一個定時任務，這個任務其實需要完成三件事：

這種以前只有程式設計師才能實現的邏輯，現在任何人說一句話就能完成。

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分級競爭的機構，幾乎毫無勝算。 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，今天是只要能想到就能做到。 ”

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，才是在普通的情況下，這一點也不強調，這一點 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
• 用戶之間完全不同的保證隔離， 。 1000 美金，使用者可以只劃轉 50 美金到子帳號給 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，並沒有讓第三方。Bill 開放給第三方問題。 例如有駭客說'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，「幫助你乾淨卸載龍蝦」本身也成了大廠賺錢的生意。 在初期選擇了平台承擔成本而非讓用戶自行配置 Token。 」目前平台為每位用戶每天提供 10 美金的免費呼叫額度，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

  20%的決策還得靠人

  Cter 10097107 現實。 美金讓它去賺到 1000 美金，結果發現這種粗放式的操作，虧光的機率非常高。 」

  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 件真正整理的工作，例如整理數據、複盤監控條件、處理元素，但是 2010 件解決方案的 還做不到。 執行交易時，也出現過插針暴跌暴漲的異常現象。 「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盈利：「閉環可能保證 」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 帳戶操作系統”，Bitget 的終局構想

  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 需要先在小事上证明自己可靠，然后逐步获得更大的权限和信任，最终的目标是“陪你成长，伴随你的资产增值”。

  从 GetAgent到 Agent Hub 再到 GetClaw，Bitget的 AI 产品在不到一年的时间里完成了从聊天机器人到任务执行层的跨越。各大交易所的密集布局也表明，AI 交易不再是可有可無的方向，而是未來競爭的基本能力。 20%核心判斷，恐怕仍然需要人類自己做出。