巴菲特终会老去，这意味着顶级交易员也无法 24 小时盯住全球市场。金融市场真正稀缺的是持续处理信息、验证策略、执行纪律的系统能力。过去普通人问 AI，只能得到一个策略想法。@SuperiorTrade_ Superior Trade 想做的，是把自然语言、回测、风控、部署和监控全部接起来，让 Prompt 真正走向 Position
哪怕是巴菲特这样的顶级投资者，也绕不开生儿为人的局限性。2025 年，94 岁高领的巴菲特在伯克希尔年会上宣布年底卸任 CEO，并推荐 Greg Abel 接任。巴菲特执掌伯克希尔超过 60 年，几乎是人类长期投资能力的象征，但即便是股神最后也要把组织交给更年轻的接班人
这就说明一个问题，金融市场里最稀缺的东西，是持续处理复杂信息、持续做出判断、持续执行纪律的能力
你说人类交易员当然可以有直觉、有经验、有盘感。但实际上人的注意力是非常有限的，精力是有限的，情绪是波动的，执行是会变形的。一个人不可能 24 小时同时盯住上百个市场，也不可能持续处理价格、成交量、资金费率，更不可能每一个交易想法都立刻写成策略、回测、风控、上线、监控
这也是为什么顶级机构很早就开始把交易系统机器化
Renaissance Technologies 的 Medallion Fund，长期被视为系统化交易史上最极端的案例之一。它并不依赖某个交易员人工拍脑袋下单，而是依靠数学模型、数据、统计信号和高度工程化的执行体系，在 1988-2018 年间实现了约 39% 的费后年均回报，累计交易收益超过 1000 亿美元
还有 @twosigma Two Sigma 这样的量化基金，也很早就把机器学习用于市场研究、信号生成和交易模型优化。Two Sigma 在过往录得 57.55% 的净回报，成为当年最亮眼的量化基金之一
但问题是，普通人没有 Renaissance，也没有 Two Sigma
比如你今天想用 AI 做交易，流程往往是断裂的。你可能先去问 @ChatGPTapp ChatGPT，让它帮你写一个策略，然后把策略逻辑复制出来，自己找工具改代码、做回测、调参数
如果结果看起来还不错，又要再去连接交易所 API，设置仓位、风控、止损和监控。真正上线之后，还要自己盯盘、看回撤、看资金费率、看执行情况。AI 给了你一个想法，但从想法到仓位，中间仍然隔着一整套复杂系统
这也是 Superior Trade 想切入的位置
Superior Trade 给自己的定位是 Financial Infrastructure for Autonomous Capital，也就是面向自主资本的金融基础设施，它试图把这个过程连成一条完整链路
用户不再只是问 AI帮我写一个策略，而是可以从一句自然语言开始，把交易意图逐步转化为结构化策略，再进入回测验证、风险检查、部署执行和后续监控。它想解决的不是某一个功能点，而是从 Prompt 到 Position 的完整闭环
对于普通交易者来说，最难的往往不是产生一个想法，而是把这个想法真正执行出来。一个人可能很容易想到我想做 HYPE 的突破策略，也可能很容易让 AI 写出一段交易逻辑，但接下来怎么回测？怎么确认参数？怎么设置止损？怎么避免过拟合？怎么部署到真实交易环境？
Superior Trade 想把这些摩擦压缩掉
在 Superior Terminal 这一Superior Trade的关键性产品中，用户可以把图表、新闻、社交信号、市场叙事转化为结构化的策略想法，再进入回测、验证、部署和监控。它的意义是把发现机会—研究策略—验证逻辑—部署执行—观察结果放在同一个环境里
也因此，Superior Trade中还有Intelligence 模块，它会覆盖 159 个 @HyperliquidX Hyperliquid alts，以及完整的 HIP-3 universe。HIP-3 universe 的重要性在于，它不只包括普通 crypto 永续合约，还包括追踪传统资产的永续市场，比如股票、指数、大宗商品和外汇
也就是说 Superior Intelligence 扫描的不只是 MON、WLD、LINK、AAVE、AVAX、HYPE、ZEC、BNB 这些 crypto 资产，也会把 SP500、原油、布伦特原油、部分股票类资产和指数类资产纳入同一个市场雷达里
Superior Trade 的边界从加密扩展到了更大的金融市场
此外它还集成了Strategies策略库以及排行榜功能。它里面有两类内容：一类是社区或平台整理出来、已经被跟踪表现的策略。另一类是常见交易框架的标准模板。它的目标不是让用户从零开始写策略，而是给用户一个已经成型的起点。用户可以选择一个策略，把它复制到 chat 里，让 AI 帮自己调整，再进入回测和部署流程
这些模板覆盖了不同交易风格。DCA 偏长期配置，Grid 偏区间震荡，Scalp 偏短线动量，Momentum 偏趋势突破，Mean Reversion 偏价格回归，Funding 偏结构性收益
Superior Trade把这些策略做成可复制、可修改、可部署的模板，相当于给用户提供了一个策略积木库。用户不需要从空白页面开始，可以直接选一个符合自己市场判断的框架，再让 AI 帮自己调整参数
这让 Strategies 成为 Intelligence 之后的自然延伸
用户可以先在 Intelligence 里看到某个币出现 Squeeze fuel 或 Coiled spring 信号，再去 Strategies 里选择一个动量突破或波动释放类策略，复制到 chat 中修改，再通过 Backtests 验证效果，最后进入 Deployments 部署执行。整个流程由此形成闭环
这也是 Superior Trade 比普通交易工具更完整的地方
普通交易平台通常只提供行情和下单，用户需要自己完成研究、策略设计和风控。普通 AI 工具可以帮用户分析，但分析完之后很难直接连接到回测和执行
普通交易 Bot 可以执行规则，但策略设计和市场筛选仍然依赖用户。Superior Trade 把这几层放到一起：Intelligence 发现机会，Strategies 提供策略，Backtests 验证策略，Deployments 执行策略，Monitoring 跟踪结果
说完了业务面，再来看看基本面
公司主体方面，Superior Trade的香港实体是 Superior AI Labs Limited，注册时间为 2025 年 10 月 31 日。虽然公司主体很新，但创始人 Jason Kwok 的公开履历显示，Superior AI Labs 相关经历可以追溯到 2024 年 4 月左右
这意味着项目或早期原型可能早于正式公司注册就已经开始推进，后续再通过香港主体承接业务和融资。这也符合一个早期基础设施项目的发展节奏
而 @test_json Jason Kwok 则是 Superior Trade 目前公开资料中最明确的核心人物，身份是 co-founder and CEO。他毕业于香港大学，读的是 Computer Engineering的同时辅修数学，还曾担任HKU 黑客松的 team leader
从履历上看 Jason 的路径不是单一的技术开发，而是从数据产品、开发者生态、AI + Web3 基础设施，再走到 AI 交易基础设施。这个时间线对 Superior Trade 的叙事非常重要，因为它对应的是从数据到AI开发者，再到交易执行
Jason 较早的一段经历是 Origins Analytics。Origins Analytics 主要面向 NFT 与链上资产分析场景，曾完成 400 万美元种子轮融资，后续相关资产被 Treehouse 收购。对 Jason 来说，这段经历更像是一次数据产品训练：如何把链上数据、用户需求和交易决策工具结合起来，并做成可以被真实用户使用的产品
之后是 MAP Protocol Contributor。Jason的这段经历偏开发者关系与生态协作，能补足 Superior Trade 作为基础设施项目所需的外部合作和开发者沟通能力。再之后是 KIP Protocol Contributor。KIP Protocol 同样属于 AI + Web3 方向，核心更偏 AI models、apps 和 data owners 的链上交易与变现
所以把这些经历连起来看，Jason 的履历并不是突然跳到 AI 交易，而是先接触链上数据分析，再进入开发者生态和 AI + Web3 基础设施，最后把落点放到交易执行。这个路径解释了为什么 Superior Trade 会强调从 Prompt 到 Position，而不是只做一个普通交易机器人
当然，Superior Trade 仍然是早期项目，真正价值还要通过产品稳定性、真实交易表现、用户增长和风控来验证。但从创始人履历、产品定位和早期融资背书来看，它已经具备新兴 AI 金融基础设施项目的几块关键拼图，值得持续关注