投资研究方法论 - 投资的本质是关于未来的研究与判断过程，其底层方法可拆解为归纳法和演绎法[1] 在AI时代巨大的不确定性中，需要引入第三个维度：理性边界，以对抗认知上的模糊性[1] 归纳法：从历史样本总结规律 - 归纳法是从大量具体事实与历史样本出发，提炼一般性规律和可复用框架，再用于判断新案例的方法[10] 在投资实践中，归纳法依赖历史案例、核心数据、可对比样本和可迁移模式来推断公司未来走向[10] - 归纳法可分为三种典型类型：类比归纳（如“时光机理论”，将美国已验证模式复制到中国）[10]、枚举归纳（寻找决定成败的关键北极星指标，如留存率、复购率、LTV/CAC）[11]、统计归纳（从胜出者中抽象出可反复验证的成功模式，如规模效应、网络效应）[11] - 使用归纳法需满足三个前提：可比性（研究对象与历史样本核心机制一致）[14]、稳定性（历史数据生成机制在未来保持稳定）[14]、可识别性（能区分关键变量与噪音）[14] 若不满足，易陷入六类错误，如刻舟求剑、邯郸学步、因循守旧等[15][16] 演绎法：从原理推演未来 - 演绎法是从一般性原理、假设或理论出发，通过逻辑推理推断未来走向的方法[18] 在投资中，需从宏观环境、产业演化、技术进步和商业原理中寻找结构性线索[18] - 演绎路径可分为三类：行为变迁的演绎（从用户习惯变化推演新商业模式，如O2O、短视频）[18]、结构驱动的演绎（从宏观结构长期变化推演产业机会，如人口老龄化、新能源）[18]、技术范式的演绎（从技术量级突破推演全新时代，如PC到移动端、大模型）[19] - 演绎法需注意四个方面：前提正确（逻辑链条基于坚实规律）[30]、可验证中间变量（关键环节需可验证）[30]、清楚逻辑边界（明确结论失效情境）[30]、具备修正能力（随现实变量调整判断）[30] 否则易陷入陷阱，如昙花一现、周期误判、一厢情愿等[31] 案例分析与应用 - 在跨境电商案例中，仅用归纳法会因低件单价（10美元）、低复购率（次季度留存10%-13%，一年后留存4%-6%）和增速放缓（2018年一季度明显放缓）而错失SHEIN（去年销售收入380亿美元）[4][5][12][13][14] - 在短视频产品案例中，通过演绎法分析产品形态（抖音全屏模式vs快手双列信息流）、流量分发逻辑（抖音为消费者服务vs快手为普通人服务）、增长哲学（抖音大规模投放）和内容生产策略，可推断抖音更可能成为国民级注意力基础设施[21][22][23] - Weee!投资是归纳法与演绎法结合的典型案例：归纳维度显示其季度复购率行业高位且稳定[25]；演绎逻辑包括线下超市模式三角矛盾（Weee!通过中心化仓储实现无限货架）[26]、次日达成本优势（单车每小时完成10-15单，比即时达单均配送成本低7-8美元）[27]、与综合电商竞争差异（生鲜供应链能力不同）[27]、技术迭代优化成本结构[28]、多族裔市场扩展潜力（复购率甚至高于华人群体）[28] AI时代的投资挑战与应对 - AI时代传统研究方法失效：历史样本不再参考（归纳法难发挥作用），技术演进高度非线性（演绎法推论难收敛）[33] 需从第一性原理出发，从“哪些事情一定会发生”反向推演路径、时间窗口、产品形态和创始人[33] - OpenAI的Scaling Law（语言模型损失与参数规模、数据量、计算量存在幂律关系）成为大模型时代底层物理定律[34] 智能跃迁必然发生，投资机会藏于四大约束被突破的过程：算力瓶颈、能源瓶颈、数据瓶颈、人才瓶颈[34] - 设定理性边界的三条原则：从不可逆变量开始思考（确认“什么不会变”）[37]、用约束条件而不是结果做推理（更接近事实）[37]、用路径演绎替代结果演绎（技术突破是对路径的修正）[37] 方法论总结 - 用归纳法了解过去（明白“为什么会这样”），用演绎法思考未来（看见“可以变成什么样”）[39] 两者都有前置条件和适用范围，需避免单一思维框架陷阱[39] 在快速变化时代，设定理性边界可对抗巨大模糊性[39]