夜雨聆风最近身边很多人通过ai来投资，包括我自己，但一段时间的操作下来，带给我的是一种深深的不确定感。我不得不承认：AI让很多非金融出生的人，投资变简单了，但也让思考变浅了，决策变肤浅了。询问ai一家公司几分钟，一份完整的公司分析就出来了——财务数据、行业前景、风险提示，应有尽有。于是感叹：以前翻财报、看公告、对比竞品，一圈下来脑子都炸了，现在AI全包了。
但问题也随之而来：资料看得快，就真的懂得多吗？逻辑整理得顺，下单就真的更有底气吗？
一、便利的另一面：快而不严谨的思考陷阱
坦白说，AI确实极大地降低了投研门槛。它能在几秒钟内扫描海量数据，剔除情绪干扰，生成一份看似客观的投资参考清单。但恰恰是这种“便利”，很容易让人产生一种危险的错觉——以为获得了信息，就等于拥有了判断。
AI工具的核心价值在于对过往数据的梳理研判，而非预测未来。股市的真正驱动力在于对未来预期的博弈，而非对过往的简单重复。突发的政策变动、关键技术突破、核心高管更迭——这些决定股价走向的关键变量，在发生之前并无历史踪迹可循。
更值得警惕的是，AI本身并不具备辨别数据真伪的能力。一旦底层数据失真，整个分析链条就会在源头被污染——推导过程越严谨，结论反而越不可靠。
这或许可以解释为什么越来越多的人感觉：用AI“选股”之后，投资似乎变成了投机。不是因为AI让人变坏了，而是因为它让“快速决策”变得太容易，而“深度思考”变得太稀缺。
有学者团队用三个月实盘研究AI炒股后发现：大模型短期能领先大盘，但长期跑赢很难。AI更像是厌恶风险、偏好价值投资的“巴菲特”，而不是分分钟换手数百次的量化机器——但前提是，使用者得真正理解它在做什么。
二、把AI当“研究搭子”，别当“提款机”
那么，AI到底该怎么用？
一个务实的答案是：把它当成“研究搭子”，而不是“决策者”。
让AI帮你拆财报、整理新闻、对比公司、梳理风险点、把模糊的想法变成可观察的交易条件。至于下不下单、仓位多大、错了怎么退、赚钱之后怎么判断是逻辑有效还是刚好赶上行情——这些还得自己负责。
正如有投资人士所说：“投资一半是科学，一半是艺术；科学的那一部分可以交给AI，艺术那部分要靠人体现，无法被AI取代”。AI擅长的是数据处理、模式识别、风险预警这类基础工作。但真正区分平庸与卓越的，永远是那些无法被算法量化的能力——对商业模式的理解、对企业家精神的判断、对社会变迁的洞察。
当越来越多人用着相似的AI工具获取相似的信息时，工具带来的边际优势会快速归零。效率不等于胜率，便利更不等于盈利。真正的长期赢家，从来不是工具最先进的人，而是最能驾驭人性、坚守独立判断的人。
三、建立自己的选股原则：从哪些客观数据入手？
说完了“怎么用AI”，再来谈谈更核心的问题：选股的依据到底是什么？
无论有没有AI辅助，一套可靠的选股原则都应该建立在客观数据之上。以下几个维度是绕不开的：
1.财务数据——企业的“体检报告”
财务数据是评估企业基本面的核心。重点关注：
盈利能力：营业收入和净利润是否持续增长。净资产收益率（ROE）是衡量企业运用股东资金创造利润效率的重要指标，长期保持较高ROE的企业往往更具竞争力。一个参考数据：2025年A股非金融企业ROE中位数为4.2%，仅8.8%的企业ROE突破15%——优质盈利资源正在向头部集中。成长性：营收增长率和净利润增长率，不仅要看同比，还要看环比，判断增长的持续性和稳定性。财务健康：资产负债率、流动比率、自由现金流等。现金流量表是核心，其他两张表是辅助。2. 估值水平——价格是否合理
再好的公司，买贵了也很难赚钱。常用的估值指标包括PE（市盈率）、PB（市净率）、PS（市销率）等。将这些指标与历史分位数、同行业对比，可以判断股价是否被高估或低估。
3.行业前景与公司治理
公司所处的行业是否有增长空间？公司的核心竞争力是什么？技术壁垒是否足够深厚？研发投入是否持续？这些定性判断同样重要。
正如有量化投资者所说，量化的本质不过是四件事：把世界变成数字，把判断变成规则，放弃确定性，用纪律对抗人性。这套逻辑同样适用于个人投资者的选股框架。
四、回到起点：思考，永远是最重要的事
有人问知名投资人段永平：是书籍阅读的深度更重要，还是广度更重要？段永平的回答是： “思考最重要” 。
AI可以武装你的双手，但不能替代你的大脑。工具越强大，独立思考在投资中的分量就越重。在AI全面渗透投资领域的今天，独立思考不是一种选择，而是生存必需。
下一次，当你打开AI工具准备“一键选股”时，不妨先停下来问自己几个问题：
我理解这家公司的生意模式吗？我知道它为什么赚钱、为什么可能不赚钱吗？如果AI给出的建议是错的，我能识别出来吗？如果这些问题都回答不了，那AI给出的再多数据，也不过是精致的噪音。
工具可以让你跑得更快，但只有思考才能让你走得更远。
免责声明：本文仅为个人思考分享，不构成任何投资建议。投资有风险，入市需谨慎。
