把投资认知变成系统：一次从“理念”到“研究判断”的实践
| 我尝试将段永平的投资框架编码进AI，并用它重新评估泡泡玛特
一、实验问题
如果把一套成熟的投资理念编码进 AI，它能否形成一套相对一致的研究判断？
我用段永平的投资框架做了一次实验，让AI Agent在不参考他本人最新观点的前提下，重新评估泡泡玛特。
实验工具：Know2 投研系统
实验素材：
《段永平投资问答录》上下册，收录其网易、雪球发言，截止 2020 年 9 月；
泡泡玛特截至 2026 年 4 月的财报、公开披露、《因为独特》、互联网报道与采访稿。
二、把段永平投资框架整理成知识卡片
这个板块工作流只有三步：
收集段永平一手资料与案例素材
总结段永平投资框架（哲学+选股+估值+案例+可复用检查清单）
审阅与定稿：方法论框架+检查清单
然后，我将段永平投资问答录 上下册上传至项目文件夹。
运行工作流后，系统从《段永平投资问答录》中提炼出一套投资框架。这个框架的核心是：买股票就是买公司未来现金流。它还进一步整理出一份可复用的个股检查清单。从我对段永平投资方法的理解来看，这个框架基本抓住了核心。
个股Checklist
三、用这套框架评估泡泡玛特
我将这套投资方法论保存为一张知识卡片。随后，我新建了一个“泡泡玛特分析”板块，并让 Agent 基于这张知识卡片拆解研究任务。
在搜集互联网资料时，我特别要求 Agent 排除段永平近期关于泡泡玛特的操作和言论, 随后运行了这套分析工作流。
四、系统给出的判断：他会小仓位买，不会重仓
最终产生了一个“判断”，先说结论： 基础情景下符合段永平"右生意+右管理层+合理价格"标准，但 C4 安全边际（理解度）不足以构成"显然便宜"，会买但仓位有限。
按段永平 19 项检查清单逐项推演：泡泡玛特在 A 哲学层（3/3 通过）、B 选股层（4/5 通过，B5 能力圈打问号）、C 估值层（2.5/4 通过，C4 理解度不足）、D 仓位（不适合"绝对集中")、E Stop Doing（1/1 通过） 五个维度上得分约 13/19。这意味着泡泡玛特满足段永平"可买入"门槛但未达到"重仓"门槛——属于**"小仓位探索性买入、随认知加深决定加减仓"**的中间区间。
最大变数是单一问题：LABUBU 38.1% 的单 IP 集中度在 5-10 年维度是会像三丽鸥 Hello Kitty 一样去依赖化（75.7%→30.4%），还是像哪吒之魔童降世一样退潮。这个判断超出了大部分投资人的能力圈（B5），也是为什么段永平方法论会拒绝"重仓"的核心原因。
最关键的是，这个判断并不是一个“答案”，而是一个结构化推理的过程。我将分析过程附在最后。它认为段永平不会重仓买的最重要的一条理由是：B5 能力圈问题：除非投资人本人有深度玩具/IP/消费心理背景，否则 LABUBU 10 年走向无法 high conviction 判断。 这个结果和段永平一贯强调的“不懂不做”能力圈原则基本一致。另外，这也与段永平近期在雪球上的表述相互印证：他因为一期财报开始关注泡泡玛特，对产品本身仍在了解中；同时也提到，大概率不会买到超过总股本 5%。按其管理规模推算，这并非重仓型配置。
五、更有意思的问题：为什么不会重仓？
实践到此并未结束，真正有意思的地方在这里：
问题不再是“该不该买”，而是——为什么无法重仓？
主要原因是大部分人对于潮玩IP这个行业并无太深刻的认知。 我接着追问：如果要对 IP + 盲盒建立能力圈，具体应该做哪些工作？
AI 给出的答案是：能力圈不是天生的，可以通过结构化研究逐步建立。
按段永平方法论，"能力圈 = 能够判断未来现金流折现的范围"。要在 IP+盲盒赛道建立能力圈，需要回答的核心问题是：10 年后这门生意的现金流是否仍然可预测？
AI 将建立泡泡玛特能力圈的工作拆成五层：
用户：为什么有人买
行业：什么样的IP能长期存在
财务：是否能转化为现金流
管理：是否具备持续造IP能力
时间：是否经得起周期验证 完整清单较长。这里仅列出前两层，因为它们最能体现 AI 无法替代的部分：用户体验与行业理解。
第一层：终端体验与消费者认知（建立"用户侧 conviction"）
目标：搞清楚为什么有人买、复购的本质是什么、是不是真情感粘性
第二层：IP 行业的历史 vs 现实（建立"行业侧 conviction"）
目标：搞清楚 IP 这门生意的客观规律——什么样的 IP 能活 30 年+
关键阅读清单：
《迪士尼战争》（James B. Stewart）
《Pixar 的故事》（Lawrence Levy）
Sanrio 历年财报（1990-2024）
潮玩行业系列研报
可以看到，这里面有大量必须亲自完成的工作：阅读、调研、体验、长期跟踪。如果只能先做一件事，AI 的建议是：加入收藏者社群，并亲自购买、拆解 30 件盲盒。这个建议有意思的地方在于，它不是从 Excel 开始，而是从用户身份开始。
这个结果我非常认同：能力圈先于投资决策。它不是靠几次 AI 问答或几天资料整理就能建立的。
六、实验后的观察
最终我将Agent 给出的5层建议做成了一个新的泡泡玛特能力圈建立项目。可以想象，如果要做这个项目，即使有了AI的帮助、研究员耗费的时间精力是以月记或以年记的。毕竟门店调查、社群潜伏这些任务是没办法让AI去替人做的。它要求长期深度跟踪、真正了解一个行业或一门生意。
这次实验让我看到，AI 可以帮助研究员完成大量案头工作：整理资料、提炼框架、拆解问题、快速学习、形成初步判断。
但它不能替研究员建立真正的能力圈，也不能替人完成重仓所需要的高确信度判断。 这些判断仍然来自长期阅读、调研、体验和跟踪。