AI 投资研究的真正价值，到底是不是让大模型分析一只股票？

最开始基本上所有这类产品想法都很简单，当前的agent + skills的模式依旧依赖于用户的prompt质量，尤其是你的intent会直接影响编排层，所以直接砍掉输入。仅仅只留最基本的：输入一个股票代码，系统抓财务数据、新闻、估值、同业，然后生成一篇分析报告。 这当然有用。但这件事的护城河并不深。

因为输入股票代码，生成报告本质上还是传统研究流程的自动化。它提高了效率，但没有改变投资研究的核心问题。真正难的不是分析一只已经被大家反复研究的股票。真正难的是：

<aside> 💡

当一个新市场叙事刚刚形成时，如何判断它到底会传导到哪些公司，哪些是真受益者，哪些只是表面相关，哪些已经被市场充分定价，哪些还处在被错误理解的阶段？

</aside>

这才是公开市场里最有价值、也最难系统化的部分。大部分人想要一个screener。但是这个智能的screener应该是怎样的一种形态

一、市场不是先理解，再给资产定价

很多时候，市场不是先完全理解一个新变化，然后再精确定价。市场更常见的过程是：

一个新叙事出现 → 市场先用粗糙方式理解它 → 一组股票被一起重定价 → 真暴露和伪暴露混在一起 → 后续共识逐渐修正 → 结构赢家和结构输家开始分化

比如一个典型叙事可能是：

• AI 会杀死 SaaS （3-4月份的时候 Anthropic 瞪谁谁蹬腿，SaaS惨遭屠版事件）
• AI 会推动半导体
• AI 数据中心会制造电力瓶颈
• HBM 会带来存储周期重估
• 光模块会受益于 AI 网络需求

这些说法本身都可能有真东西。但问题在于，市场早期往往会把它们理解得非常粗糙。一个主题内部，不同公司的真实暴露完全不同。有些是真受益者，有些是真受损者，有些只是蹭概念，有些已经涨完，有些还没有被市场理解。

所以AI 投资研究的关键，不是让大模型直接说买什么，而是让它帮助我们拆解：一个新叙事到底如何沿着产业链、预算链、需求链和估值链传导？

二、用LLM做四层分析 （这是别人给Huahua的）

一个四层框架。