AI 赋能 · AI Empowerment
革命性不在「替代」，
而在「重构」
投研生产函数正在发生五重质变，竞争的规则随之改写。 同样的四维框架、同样的两种策略——每一个维度都从「静态快照」变为「持续追踪」。
Part 01 · 投研生产函数的重构
AI 革命：主动投资发生了什么
共同根源：投研第一次从「人的时间」这一刚性约束中解放 ——但约束被解放的同时，护城河也被拆除。
| 维度 | 传统范式 | AI 时代 |
|---|---|---|
| 信息处理 | 人工阅读财报、纪要，边际成本高 | 机器批量解析全量文本，边际成本趋零 —— 纪要整理 2 小时 → 10 分钟 |
| 覆盖广度 | 数十至数百只个股（能力圈） | 全市场数千只标的，中小市值定价效率系统性提升 |
| 决策频率 | 周级、月级，滞后于市场 | 近实时信号，抢占信息扩散的第一时间窗口 |
| 研究范式 | 经验驱动，难以归因验证 | 假设—建模—回测—修正的工程化闭环 |
| 认知伙伴 | AI 仅承担数据处理 | 生成式 AI 理解、归纳、推理、表达 —— 触及判断力本身 |
来源：方法论研究整理 · 公司《AI 赋能下的成长股投资》投资者分享
Part 02 · 竞争规则已经改写
从「谁拥有更多聪明人」
转向「谁拥有更优的人机协同体系」
| 维度 | 传统范式 | AI 范式 |
|---|---|---|
| 认知偏差 | 难以消除，依赖个人纪律 | 系统化约束，从源头降低情绪干扰 |
| 人才依赖 | 明星研究员 / 基金经理 | 体系与模型，个人权重下降 |
| 风险控制 | 事后止损，人工监控 | 风控前置，嵌入信号研发环节 |
| 可复制性 | 低，依赖个人难以规模化 | 高，工业化、体系化扩张 |
Part 03 · 四维框架的 AI 重构
从快照，到追踪
| 维度 | 传统做法 | AI 赋能 |
|---|---|---|
| 行业 | 集中度静态评估，一年一评 | 产业链图谱动态识别份额变迁与新进入者，预判垄断竞争的形成与瓦解 |
| 企业 | 季度财报事后验证 | 实时追踪季度数据 ＋ 产业链先行指标，穿透盈余管理与现金流异动，还原真实盈利 |
| 估值 | 静态估值体系比对 | 拆解成本结构与定价权变化，动态监测毛利与估值拐点 |
| 热度 | 依赖个人盘感与情绪判断 | 舆情与情绪数据量化，系统化约束追涨杀跌等认知偏差 |
选股标准
→
AI 全维增强
→
认知优势
→
反哺迭代标准
↻
标准驱动 AI，AI 反哺标准 —— 选股能力由此进入持续进化的飞轮。
Part 04 · 两种策略的 AI 升级
拐点预警，与盲区变搜寻场
白马龙头 · 拐点预警系统
让「警惕拐点」从教训变为系统
- AI 全市场监测成长拐点的先行指标 —— 订单、毛利、产业链数据。
- 让「警惕成长拐点」从血的教训，变为可执行的预警系统。
- 同时穿透周期行业的低估值幻觉，识别真正的价值陷阱。
潜在龙头 · 盲区变搜寻场
机器初筛，人做判断
- AI 把「研究盲区」变成「搜寻场」—— 中小市值冷门标的的全量初筛由机器完成。
- 人的精力集中于真假龙头的甄别这一最高价值的判断。
Part 05 · 护城河与风险
信息优势让位于认知优势，
工具使用者让位于工具驾驭者
Moat · 三条护城河
我们依赖什么
- 独有数据 —— 尚未充分定价的另类数据与产业链数据。
- 独特认知 —— AI 难以复制的非线性判断。
- 人机协同 —— 方向感 × 算力。
Risk · 三大风险
我们警惕什么
- 模型幻觉 —— 编造看似合理的信息。
- 策略同质化 —— 拥挤交易收敛超额收益。
- 黑箱依赖 —— 丧失独立判断能力。