夜雨聆风
在过去很长一段时间里，资本市场存在一条泾渭分明的界线。
一边是坚守基本面的主观投资者，看重商业模式、深挖企业的护城河、评估管理层的格局；另一边是量化投资者，他们用复杂的数学模型、高频的数据和算力在市场里厮杀。
两拨人操着完全不同的语言，投研体系也截然不同。但这两年，随着生成式AI的爆发，我越发清晰地感觉到，这道鸿沟正在迅速消融。
AI的进化，正在让主观投资变得“量化”，也让量化投资变得“主观”。纯粹的传统主观或传统量化，在未来可能都会面临降维打击。
今天，我们抛开那些技术概念，理性来看几个正在发生的行业事实。
1. 量化开始拥有“主观阅读理解”能力
以前量化模型，只能处理数字（比如量价、财务报表），但它读不懂财报附注里的潜台词，听不懂电话会议里高管的语气。而这些“弦外之音”，恰恰是主观价值投资获取Alpha的重要来源。
不用说，LLM 彻底改变了这一点。
如今的顶级基金，已经在用AI实时解析财报电话会议。AI不仅能在一秒钟内提取核心业务数据，还能通过自然语言处理，分析CEO讲话时的停顿频率、用词的防御性，甚至语气的焦虑程度，自动生成一个“管理层信心指数”。
这种过去需要资深研究员凭借多年阅历才能品出来的主观感受，现在已经变成了可以被规模化喂给算法的量化因子。
2. 基本面研究被量化武装
价值投资强调对企业基本面的极致追踪，但人的精力是有物理极限的。草根调研再勤奋，看几家门店、访谈几个高管，样本量终究有限。
如今，AI结合另类数据，让主观基本面研究拥有了量化的广度和精度。当我们还在试图通过逻辑推演一家零售企业的复苏情况时，搭载AI的分析系统，已经通过处理脱敏的信用卡消费流、社交媒体热度，甚至用视觉模型分析遥感卫星拍下的各大商超停车场车辆密度，在财报发布前就提前锁定了营收趋势。
主观判断不再仅仅是逻辑推演，而是建立在高频、海量的数据验证之上。
这跟量化一样。
3. 构建可计算的护城河图谱
在海外成熟市场，“Quantamental”（量化+基本面）已经成为主流共识。像Point72这样的顶级机构，早已不再严格区分纯粹的量化组和主观组。
他们最青睐的，是那些既懂IT底层开发，又懂深度金融商业逻辑的复合型人才。在这个趋势下，主观投资中那些关于“什么是好生意”、“什么是好团队”的定性理解，正在被转化为AI的奖励函数和约束条件。
我们完全可以利用AI，对海量公司的财务报表进行深度清洗和排雷，构建出一个结构化的“企业护城河图谱”。让机器去完成全市场的初步筛选，让人去完成最终的商业洞察。
4. 小团队的杠杆奇迹
过去，想要覆盖全行业的深度投研，或者搭建一套极速的量化基建，需要极其庞大的人力和资金成本。这是大型机构的壁垒。
但AI正在极大拉平这种资源差距。如果我们现在去筹备或运作一家机构，作为GP，其实已经不再需要维持几十上百人的庞大研究团队了。
通过部署专属的AI Agent集群，让它们日夜不休地搜集数据、清洗财报、撰写基础研报。几个拥有顶级商业洞察力和丰富实战经验的决策者，就能撬动过去一个大型投研部的产能。
CEO或合伙人的核心价值，不再是陷入繁杂的案头工作中去“干活”，而是真正站在资源整合和顶层设计的高度，回归投资最本质的环节，对复杂商业世界的定价，以及对周期的判断。
以及去一线玩，去跟真实的人聊天。
写在最后
当AI接管了信息处理的繁重工作，主观与量化的边界便不复存在。
未来的顶尖投资者，必须兼具老派价值投资者的商业洞察力，同时具有高级IT架构师的系统化思维。
投研本质上是一门信息处理工作，无论工具如何迭代，商业底层逻辑不变。
Bob, 2026年4月于无锡
