核心观点 - 财经AI分身旨在复现专家研究方法，核心在于延续其取舍信息和修正判断的方式，而非简单复刻观点 [3] - 金融答案会过期，真正有价值的是支撑判断的变量及改判条件 [3] - 通过对比测试，付鹏AI分身展现出研究框架特征，能追问结论依赖的变量，并在证据不足时收住判断 [25] 测试方法与范围 - 测试选取两道真实市场问题，将相同材料分别交给付鹏AI分身和通用大模型 [4] - 比较标准不关注“像不像”或单次预测输赢，而是看从何处进入问题、如何使用证据、能否经得起追问 [5] - 测试题目聚焦宏观、流动性和大型科技公司资本开支领域，属于付鹏长期研究范畴 [6] 问题一：Meta的AI投入与现金流 - Meta在2026年第二季度取得318.62亿美元经营现金流 [8] - 计入融资租赁本金后，当季资本开支达310.78亿美元，自由现金流仅剩7.84亿美元 [8] - 全年资本开支指引为1300亿至1450亿美元 [8] - 通用大模型指出现金流几乎被资本开支吃完，但Meta仍有现金和融资能力，属于投资回报待验证阶段 [8] - 通用大模型回答未明确下季度应盯哪些数字及什么变化足以改判 [9] - 付鹏AI分身先追问投入靠什么支撑，将广告效率改善与AI独立收入分开，再讨论高资本开支持续性 [10] - 付鹏AI分身未将广告业务增长直接归因于AI，认为广告效率可能受益，但AI能否带来可单独衡量的新收入还缺少证据 [10] - 付鹏AI分身指出后续需关注：AI相关收入何时需单独披露、资本开支指引何时收敛、自由现金流能否止跌 [12] - 付鹏AI分身多走一步，交代了证据缺口和复核顺序，方便研究者继续查下去 [13] 问题二：美国长期国债收益率 - 问题背景：美国财政部扩大长期国债流动性支持回购后，长端收益率明显波动，短端几乎没动 [18] - 通用大模型提到通胀预期、国债供给和期限溢价，指出回购支持不能消除财政压力，但各因素平铺，读者需自行判断市场交易重点 [18] - 付鹏AI分身先看收益率曲线，2年期变化较小，波动集中在10年以上，据此将注意力放到长期国债的额外补偿上 [20] - 付鹏AI分身将旧券流动性和长期财政约束分开处理，指出回购可能改善旧券交易和边际买盘，但赤字与净发行量不会消失 [20] - 付鹏AI分身留有余地，指出观察窗口短、措施未真正执行，几天价格变化不足以确认稳定趋势，未将解释写成已验证事实 [20] - 付鹏AI分身从曲线信号进入问题，再处理市场交易机制和财政约束，最后检查证据是否足够，主次更清楚 [20] 结论与价值 - 付鹏AI分身会继续追问结论依赖哪些变量，并在证据不足时收住判断 [25] - 文章、演讲和视频中的研究方法因此有了可追问的入口，用户可沿原有判断检查变量是否改变、结论是否成立 [25] - 多个KOL Agent可从各自熟悉领域回答同一问题，研究分歧会变得具体且易于比较 [25] - AI分身不能代替专家本人，也不代表专家实时观点，复杂财务口径和重要决策仍需回到原始披露核验 [27] - 其价值在于专业方法可被反复使用，过去只能阅读的经验如今可继续追问，并在新信息出现后重新检验 [28]