從規則型機器人到 AI 智能體：一段簡史

1987 年 10 月，自動化的賣出程式協助在單一交易日內抹去了道瓊 22.6%。今天，你可以用一句話描述一條交易規則，然後讓軟體在你睡覺時執行它。那兩個時刻之間的距離，就是交易機器人的演進：四十年來市場把越來越多的工作交給機器，通常換來效率，偶爾在公眾面前、以巨大的規模失敗。這就是那段歷史，一個時代接著一個時代——每一波開啟了什麼、弄壞了什麼、以及每一代人似乎都要痛苦地重新學一次的那個教訓。

程式交易與 1987 年的當頭棒喝

史前史是機械的。1976 年，紐約證券交易所啟用了 DOT（Designated Order Turnaround，指定訂單周轉系統），讓券商能以電子方式路由訂單，而不必把它們走過交易大廳。到了 1980 年代中期，機構正用它的後繼系統來執行「程式交易」：整籃股票作為單一指令買進或賣出。

那個十年的招牌策略是投資組合保險。這個點子單獨看是合理的：當市場下跌時，機械式地賣出指數期貨，好讓一個投資組合的下檔維持在上限之內。然後 1987 年 10 月 19 日星期一到了。下跌的價格觸發賣出，把價格推得更低，而這又從每一檔跑著近乎相同邏輯的基金那裡觸發了更多賣出。道瓊收盤下跌 22.6%，至今仍是它歷史上最大的單日百分比跌幅。

那個教訓不是「自動化很危險」。它更微妙：一條有數千個其他人也在跑的自動化規則，就不再是一個避險，而變成了一群人。黑色星期一教會了市場：相關的自動化本身就是一個風險因子，而任何規則都需要為它被允許做多少事設一道上限。事後引入的斷路器，正是那個點子，套用到全市場。

電子市場與速度競賽（1990–2000 年代）

接下來的二十年，把交易從大廳搬到伺服器。電子通訊網路直接撮合買方與賣方，線上券商把下單放進了客廳，而 2001 年的十進位化把美國最小的價格跳動從十六分之一美元縮小到一美分，壓縮了價差。到了 2000 年代中期，高頻公司正付錢把伺服器擺在離交易所撮合引擎幾公尺遠的地方，以微秒為單位競爭。

散戶交易者在那場競賽裡是旁觀者，卻是其副作用的受益者：更窄的價差、近乎即時的成交、趨向零的佣金。不過，那個時代的失敗，預演了所有關於「高速自動化」的重要事情。

2010 年 5 月 6 日，閃電崩盤在幾分鐘內把道瓊帶下約 1,000 點，然後價格大多在半小時內回復。自動化的造市商在波動飆升時同步撤退；隨著掛著的買單消失，一些大型股一度成交在一美分。兩年後，2012 年 8 月 1 日，Knight Capital 把新軟體部署到它八台交易伺服器中的七台。第八台跑著陳舊的程式碼，被一個舊旗標重新啟動，把出錯的訂單噴灑到約 150 檔股票上。這家公司在不到一小時內損失了約 4.4 億美元，並沒能以一家獨立公司的身分存活下來。

有兩個教訓被帶了下來。速度放大錯誤的速度快過它放大利潤，所以緊急停止開關與交易前風險檢查不再是可選的。而延遲的遊戲對個人永久關閉了——散戶有用的繼承從來不是速度，而是為了圍堵它而發明出來的紀律。

2010 年代：交易機器人的演進抵達散戶

自動化最先透過外匯抵達個人，MetaTrader 的「智能交易系統」（expert advisors）讓任何人都能在一個散戶券商帳戶上跑腳本化的策略。真正的爆發來自加密貨幣。那裡的交易所以 API 優先啟動、從不收盤、並在幾分鐘內結算：軟體的天然棲地。2017 年的多頭行情催生出一個由機器人平台組成的家庭手工業，提供網格機器人（一梯橫跨一個區間的買賣單）、排程 DCA 機器人、以及跟單訊號的自動化，無需寫程式。

個人第一次能在一個實盤帳戶上跑真正的 24/7 自動化。許多人至今仍在跑；演算法交易的散戶投資人區塊在 2025 年估計約為 39.5 億美元，年成長約 13.4%（Grand View Research, 2025）。自動化交易的機制已經變成一項消費者產品。

那些爆炸也相應地變了形。智能交易系統靠著在實盤崩潰的曲線擬合回測被賣出去。馬丁格爾機器人——在每次虧損後把部位大小加倍——印出穩定的小勝，直到某一波強勁趨勢抹掉整個帳戶。而一整代使用者痛苦地學會了 API 金鑰衛生，把提領權限授予了後來人間蒸發的服務。那個時代的教訓：存取被解決了，判斷沒有。一個工具是真的，並不代表它的行銷是誠實的。

從 ML 訊號到 LLM 智能體（2018 年至今）

機器學習悄悄地進場。機構在 2010 年代後期把它用於訊號研究與執行優化，而許多散戶的「AI」是貼在普通網格邏輯上的一個標籤。實質的轉變發生在 2023 年，大型語言模型讓一個新的介面成為可能：能讀取一句話、或一則新聞快訊，並把它轉換成結構化、受監控條件的軟體。

那才是這個時代和上一個時代之間真正的差別。一個 AI 智能體與經典機器人的不同，與其說在執行上，不如說在輸入上：固定的 if-then 規則，對比詮釋意圖與非結構化資料、再於人類設定的限制下行動的能力。那正是定義了智能體交易的「感知—推理—行動」模式。

研究社群已經交出了這個時代的警世發現，這一次難得地是在爆炸之前、而非之後。LLM 策略的回測常被記憶所膨脹：一個訓練資料與測試窗口重疊的模型，能「記得」發生過什麼，而不是預測它（arXiv:2505.07078, 2025）。而一份 2026 年、對 77 篇 LLM 交易智能體研究的稽核發現，支持持久超額表現的證據很少，而是把已展現的價值放在執行紀律、監控與研究支援上（arXiv:2605.19337, 2026）。這一波裡認真的平台，Obside 是其中之一，以一種架構上的分工回應：語言模型詮釋你的意思，而確定性引擎處理價格、算術與訂單路由。

四十年，一個反覆出現的教訓

時代	什麼變得可能	什麼炸了	存活下來的教訓
1980 年代程式交易	以機器速度執行整籃股票	黑色星期一的回饋迴圈（1987）	相關的自動化是群眾風險；為任何規則能做的事設上限
1990–2000 年代電子市場	對每個人都便宜、即時的成交	2010 閃電崩盤；Knight Capital（2012）	速度放大錯誤；緊急停止開關與交易前檢查
2010 年代散戶機器人	無需寫程式的 24/7 自動化	曲線擬合的 EA、馬丁格爾式的破產、被偷的 API 金鑰	信任之前先驗證；絕不授予提領權限
2020 年代 LLM 智能體	用大白話表達策略	被膨脹的 AI 回測、自主性炒作	要求樣本外的證明；讓防護欄由人類設定

順著第三欄讀下去，這個模式很難錯過：每一波都獎勵有紀律者、懲罰輕信者，而懲罰總是透過那個時代最新的能力抵達。投資組合保險者信任一條公式。Knight 信任一次部署。機器人買家信任一張回測的截圖。被兜售的誘惑會變；未能驗證這件事不會。

第四欄講了一個更有希望的故事：倖存者的工具箱累積了下來。部位上限、斷路器、經過測試的規則、受控的推出、受限的權限。每個時代都加了一層，而在這段歷史的大部分時間裡，完整的堆疊只存在於機構內部。目前這一波接下來往哪走是它自己的問題（見2026 年的智能體交易），但這個工具箱移動的方向很清楚：往下，朝向個人。

這段歷史交給你什麼

四十年誠實的總結是：自動化守住了它關於「能力」的承諾，卻打破了它關於「輕鬆」的承諾。機器確實接管了盯盤、算術與執行。它們從未供應的，是那個判斷層：知道一條規則到底該不該被跑。

此刻真正新的東西不是智慧。而是那套機構級的紀律堆疊，終於變得能用大白話取得。在 Obside 上，黑色星期一的倖存者會認得的那條路徑就是預設的那一條：你輸入「每個月第一個交易日買進 $150 的全球股票 ETF，如果指數在前一個月下跌超過 8% 就略過買進」，copilot 把它重述成精確的受監控條件，而智能體先對多年的歷史運行、接著在實盤資料上做紙上交易，然後才有任何一張真實訂單被路由出去——並在執行時強制執行部位上限與回撤限制。

歷史的結辯很簡單：下一場爆炸會找上那些跳過檢查清單的人。當另一種人。把你的規則描述給 Obside 的 copilot，並讓它在回測與紙上就贏得你的信任，然後才碰觸資金。

僅供教育參考，不構成投資建議。交易存在風險，可能導致本金損失。