文章核心观点 基金经理田瑀分享了其价值投资研究框架的核心原则 强调所有行业研究（包括科技行业）的本质都是理解生意模式 研究过程应基于商业实质 不预设结论 通过多信源交叉验证逼近事实 研究的深度和广度取决于评估企业价值的需求 而非为了复杂而复杂 同时 他探讨了如何利用AI等工具提升研究效率 但强调对任何直接结论都应保持怀疑态度 研究框架：理解生意是核心 - 研究任何公司（包括科技公司）的核心都是理解其如何做生意 评估其业务能否长期存在以及护城河是否宽阔 [4] - 对于业务多元化的公司 应分业务研究 若原有业务持续且新业务无负面影响 则单独估值后相加 若新业务对原有业务有冲击 则需评估负面影响 [2][4][5] - 业务价值评估的处理方式在不同行业间没有本质区别 例如科技公司做云计算与传统能源公司做新能源发电在估值逻辑上是一致的 [5] 研究深度：以必要性为准则 - 研究的深度取决于理解生意所必需的程度 例如判断芯片竞争力可能需要深入研究技术论文 但手机背板材料的变化若非关键则无需深究 [5][6] - 研究投入的时间因行业而异 技术壁垒高、离日常生活较远的行业需要更多研究时间来弥补知识背景的欠缺 [6] - 研究的目标是达到理解生意的程度 知道谁在领域内更强、护城河何在即可 无需比一线工程师更懂技术细节 [8] 研究方法：多信源验证与证伪 - 从产业或学术层面获取的信息不一定准确 研究的目的不是直接获取结论 而是通过多立场（如上下游、竞争对手）的信息相互印证来还原事实 [10] - 研究设计应包含“证伪指标” 通过搜集一系列事实让结论自然浮现 而非单纯提问 [10] - 追求“真实”是一个不断逼近的过程 通过多维调研（如客户、供应商、竞争对手）大幅降低判断错误的概率 [11] - 判断错误的标准是事实与设想不符 而非股价涨跌 负反馈机制基于事实本身 [12] 研究效率与积累 - 不预设结论、挑战共识的研究方法效率不高 但符合价值投资理念 可通过前置性研究（提前一两年）来应对 [12][13] - 研究工作量不会无限增大 随着经验积累和能力圈建立 研究效率会提升并产生复利效应 例如研究过半导体制造后 再研究其他半导体公司效率会更高 [13][14] - 挑战市场共识并非目的 研究后若发现共识正确也会认同 关键在于不轻易接纳共识 [15] 处理模糊性与评估标准 - 研究中存在模糊地带 例如公司竞争力不清晰 价值型投资者的处理方法是假设其没有护城河 [16] - 理解生意模式并非先设想如何赚钱再去筛选企业 而是基于现实中的主要参与者进行研究 通过比较护城河和竞争优势来评判好坏 [16] - 研究企业价值的初心决定了关注重点 影响长期价值的关键因素需深入研究 影响不大的短期因素可相对忽略 [19] 短期因素与长期价值评估 - 并非不看短期只看长期 而是评估短期因素是否会对生意的长期护城河和企业价值产生巨大影响 [19] - 以白酒行业为例 终端库存等短期因素只要未超出一定范围、不影响品牌价值和长期消费场景 对企业长期价值的评估就不构成重大影响 [19][20] - 研究的核心是评估企业价值 理解生意后自然能分辨什么因素是重要的 [21] AI在研究中的应用 - AI可作为提升信息检索效率的工具 类似于更高效的搜索引擎 用于全网信息检索 [23] - 不能直接使用AI生成的结论 应将其视为需要存疑的“实习生” [25] - 向AI提问应基于事实 限制在是和否的范围内 通过一系列事实性问题拼凑全貌 而非直接寻求判断性结论 [26]