摘要

真正能让投资者进步的，是过程质量，而不是某一年的回报。 Walker 从看到别人做出更好的研究中获得动力；Fokin 仍然看重可比的长期业绩，认为20年约25% CAGR 大概率是非凡能力的证据。两人都反对从集中持仓的业绩中得出“看记分牌就知道了”的结论，因为少数几笔押注可能解释全部结果。
复利型投资，意味着有意识地押注广泛基准率不看好的结果，再要求足够的上行空间来实现非对称收益。 大多数公司不可能连续10年实现20%的收入或盈利增长，因此投资者必须通过创始人兼经营者、富有吸引力的单位经济性等筛选条件提高胜率。Fokin 的第二个要求是风投式的凸性：赢家必须有足够大的上行空间，抵消大量不会成功的押注。
Fokin 警告，AI 可能让市场更受共识驱动，因为投资者会把形成确信所需的智力劳动外包出去。 Walker 认为，向相似模型提出相似问题，可能得到相似答案；Fokin 则说，从15份访谈或大量专家访谈中搭建信息拼图的能力，可能像 GPS 普及后人们的导航能力一样萎缩。赢家会把 AI “作为补充”，并识别出其经过润色的输出何时制造了“伪知识”。
随着 AI 和专家资料库让信息处理能力普及化，超额优势可能转向创造从未上网的信息。 一家大型基金过去可以为大量定制化研究提供资金，形成巨大优势；如今，小型机构也能低成本翻译公告、搜索资料库、综合访谈。剩下的机会在于发现被忽视的公司、做客户调研、参加行业活动，并在证据要求向右跑时意识到“其他所有人都在向左跑”。
Fokin 最大的流程变化，是大幅提高对客户的重视，并区分客户满意与真正的拥护。 他那笔痛苦的2015年 Agrify 投资，或许可以通过发现客户虽然认可产品、却不是“狂热粉丝”而避免。不过 Walker 的反驳依然成立：客户可能否定尚未发布的产品，却在两周后拥抱正式版本，因此访谈是输入，不是规则。
受人尊敬的朋友提出的想法，应优先进入研究队列，而不是降低投资论证标准。 Fokin 的目标是通过完成同样的工作——阅读访谈、打客户电话、向管理层提问以及执行其他常规流程——“让确信成为自己的确信”，无论名字由谁提出。投资者还应根据信息源真正的超能力来赋予线索权重：一家无人关注、规模2亿美元的公司可能符合 Fokin 的模式识别能力；煤炭股特别股息交易则大概率不符合。
除非明确对杠杆和毁灭性风险进行惩罚，否则预期 IRR 无法对投资组合进行有效排序。 Walker 发现，直接使用 IRR 估算会把他推向杠杆最高的股票；按企业价值比较，则会把他推向现金充裕但上行弹性不足的公司。Fokin 的答案是依靠判断：在他的例子中，两只股票未来3年的预期 IRR 都是25%，但一家没有债务，另一家却是6× EBITDA、4×债务、2×股本，二者“生来就不平等”。
专家访谈资料库与 AI 是“天作之合”，前提是模型加速学习，而不是替投资者做决定。 Walker 的流程是先让 LLM 综合5次访谈，再看单次访谈摘要，最后回到完整逐字稿，从而同时提升理解和记忆。Fokin 则把 AI 放进“挖掘、分析、决策”这条链条，追问哪些环节应大量使用、谨慎使用，或完全不用。

精读

1. 投资能力靠工艺基准提升，而不是年度记分牌

Fokin 将本期节目的核心概念称为“精进这门手艺”：投资是一项可以通过迭代、反馈回路、与其他从业者交流而不断改进的职业，偶尔也可以“复制甚至偷走他们的想法”——这里指的是流程上的想法，绝不是股票提示。
Walker 将投资与赛车作比较：赛车中，更快的完赛时间显然能证明谁表现更好；有人突破身体极限，会改变其他人对可能性的认知。但在投资中，某年赚300%而另一年赚4%，如果不知道组合集中度、期权敞口、杠杆和运气成分，几乎说明不了问题。
真正激励 Walker 的，是听说另一位投资者做了5次专家访谈，挖出一个被忽略的事实，并沿着它进入一条富有成果的研究路径。这个清晰可辨的工艺环节会让他产生“我希望自己也有这个洞见”的想法，同时给他一个可以立即改进的方向。
当投资风格具有可比性时，Fokin 更容易从长期业绩中获得启发：20年约25% CAGR，大概率足以跻身这个行业最优秀的记录之列。Renaissance Technologies 的 Medallion Fund 在智识上极具吸引力，但玩的不是同一场游戏；Joel Greenblatt 已公开的业绩记录则是更相关的基准。

2. 强劲回报可以显示能力，但永远无法彻底证明

Walker 对“崇拜业绩记录”提出的挑战是统计显著性：一位集中投资、拥有出色14年记录的管理人，如果真正有意义的持仓可能只有10个，仍然可能只是幸运抛硬币者。早早买入 Mag 7，或集中押注 Tesla，都可能仅凭极少数决策制造出传奇般的回报。
Fokin 坦率地没有给出答案：这个问题可能无法在95%的置信度下回答，最终部分会变成“信仰和相信的问题”。他怀疑，投资者常常把与自己推理方式相似的人称为天才，却把自己无法理解的陌生风格当成不值一提。
投资天赋也有多种形态。有人是更出色的商业分析师，有人特别擅长发掘想法，还有人强于风险控制；Fokin 最难解释的，是那种始终带有“赚钱嗅觉”的投资者：他们似乎并不深入理解某个仓位，却能反复从中赚钱。
“超能力”是相对概念，不是绝对评价，指的是一个人自身工具箱中最强的部分。因此，一个有用的人际网络应当包含拥有不同超能力的人，尤其是那些优势足够陌生、否则很容易被误判为只是运气好的人。

3. Bitcoin 将资产配置与传统证券分析区分开来

Walker 用 Bitcoin 从约200美元涨到115,000美元、在他的说法中超过500倍的走势，来压力测试对业绩记录的崇拜。10年前持有 Bitcoin 的人，可能跑赢身边所有传统投资者，但这项回报本身无法说明当初的决策是否明智。
Fokin 区分了投资与资产配置。假设个人净资产为300万美元，把其中280万美元押上去，类似于玩俄罗斯轮盘：“从统计上看它也能成功，但玩这个游戏是个蠢主意。”如果投入30万美元，即10%，则可能体现出优秀的配置能力，以及想象不同未来状态的能力。
即便如此，这仍然只是“统计学上的单一样本”。有利的未来状态确实以惊人的方式兑现，但 Fokin 仍坚持区分两件事：负责任地买入某种可能性的敞口，和把几乎全部身家押在这种可能性上。
Walker 的挫败感来自心理层面：他希望事情有明确结局，但投资很少提供这种确定性。除非投资者是 Renaissance Technologies、每天进行1,000笔交易，否则这门手艺要求人们在模糊性中做决策，而不是证明某个流程绝对正确。

4. 复利型投资者必须把不利基准率与爆发式上行空间结合起来

Fokin 所说的复利型公司，具备有吸引力的单位经济性、漫长的增长跑道、强大的管理层和已被验证的执行力。但大多数企业都不可能连续10年实现20%的收入或盈利增长，因此这种风格从一开始就是在押注离群值。
投资者可以用创始人兼大股东且持股至少20%、特定利润率、增长率或资本回报率，以及知名风投机构背书等条件重新切割股票池。这些筛选条件或许能提高胜率，但 Fokin 怀疑它们能否让基准率变得压倒性有利。
Walker 援引研究称，极少数股票创造了长期市场财富中的大部分，同时也指出这类研究可能存在幸存者偏差。Fokin 的辩护是“智识上的80/20法则”：一项并不完美的研究，仍然可能保留那个核心洞见——少数赢家驱动了总体回报。
由于成功在统计上极为罕见，Fokin 要求上行端具备“凸性”，即使这里使用这个词并不完全符合数学定义。他从《从0到1》和《The Power Law》中得到启发，认为公开市场投资者可以学习风投对幂律结果的重视，但不必因此变成风投机构。

5. AI 可能让市场更趋共识，而不一定更高效

截至2025年8月初，Fokin 有一个刻意保留、随时可能修正的担忧：AI 可能让市场变“更蠢”，而讨论最终指向的是市场变得更受共识驱动。他不是未来学家，明天、3个月后、6个月后或12个月后都可能改变看法；Walker 则另行表示，自己不是程序员，也不是软件开发者。
Fokin 的 GPS 类比抓住了问题核心：老一代人可能更擅长在城市中导航，因为这块大脑肌肉曾被反复锻炼。如果年轻投资者把研究、推理和形成确信的过程外包给 AI，相应的投资能力也可能同样“消失”。
Walker 认为，类似的分析师向同一批领先模型提出类似问题，最终会得到大体相似的答案，尽管提示词和模型阶段性表现有所不同。于是，机会会扩大到模型遗漏关键数据的地方，或者相关信息从未被写下来。
Walker 重新梳理了 alpha 的历史：过去，计算低 P/E 很重要；后来计算机把这类机会套利掉；再后来，理解类似 Google 的单位经济性和增长跑道变得更有价值。Fokin 接受这是一个观察角度，但拒绝预测 AI 是否会具体消灭短期、中期或长期 alpha。

6. AI 压缩信息优势，也制造“伪知识”风险

Fokin 清楚区分了两种方式：阅读 AI 生成的一份30页、40页或50页的精美报告，和亲自看完15份业绩或会议逐字稿、现场演示以及专家访谈。前者可能提供事实，却未必能带来后者那种缓慢积累、深度形成的确信——他称之为“伪知识”。
AI 也在削弱既有的竞争优势。优秀写作者仍然比平均水平更强，但借助 AI 的普通写作者已经缩小了很大差距；投资者因此必须识别哪些个人优势正在过时，并围绕新的优势重塑自己。
更大的趋势是信息处理能力普及化。过去，一家20亿美元的基金可以为每次定制化专家访谈支付约1,000美元，而一家500万美元的基金根本无法参与；如今，可搜索的专家资料库和更便宜的访谈，可能把假设中的99或100个单位资源差距压缩到约20或30个单位。

7. 下一步超额优势可能来自创造互联网没有的信息

Walker 认为，下一种优势可能来自实地生成的证据：不易察觉的数据集、在木材行业会议上与15位参与者建立的关系，或其他任何模型无法检索的合法信息，因为从来没有人把它放到网上。Fokin 说，两人“正朝着同一个方向看”。
Fokin 理想中的小盘股搜索结果，不应是几十次专家访谈，而是0次，或者最多1次很早以前的访谈，同时附带一个委托开展新访谈的邀请。书面信息稀缺，会削弱 AI 独立工作的价值，因为“语言才是关键词”：大语言模型需要先有作为推理基础的源语言。
他举的例子是 Sofwave：一家在以色列上市、生产紧肤设备的公司，拥有反复性强的“剃刀与刀片”式经济模型；他披露，Kakuna Capital LLC 及其关联方持有该公司股份。它的希伯来文财务资料可以由 AI 翻译，但最初的专家资料库里只有1次来自前员工、且略偏负面的访谈。
Fokin 认为 Sofwave 已经解决了那位前员工提出的问题，随后又通过购买产品的医生、凭个人经历提供反馈的患者，以及能够介绍企业文化和销售情况的前员工补充信息。等到积累了8或9次访谈后，AI 才能加速综合分析；但最初的发现和专有的定性工作，才是信息被创造出来的源头。

8. 客户热情是有价值的证据，但绝非普适规则

Fokin 过去10年最大的流程改进，是“极大幅度地提高对客户的重视”。他在2015年 Agrify 上遭遇的痛苦教训是，客户可以认可一款产品，却不会成为“狂热粉丝”；他相信，更深入的客户研究或许能在心理和损益表都受到伤害之前暴露这一差别。
客户研究应当揭示价值主张、客户留下或更换供应商的原因、竞争性解决方案、购买流程，以及 B2B 组织内部真正的决策者。通过个人网络介绍，可能拿到过滤最少的答案；冷启动外联和专家访谈服务则能扩大可触达的样本范围。
Walker 的反驳值得保留：客户对未来产品的看法可能反复无常。一位买家可能坚持认为升级没有必要，却在产品上市两周后试用新版本，并替换整个存量客户基础，这说明上市前的口头意愿极其脆弱。
Fokin 拒绝 Walker 想要“统治一切的一条规则”：“根本不存在一条规则式的答案。”研究、建模、行业会议、管理层会面、网络搜索、AI 和客户访谈都只是为最终输出提供输入；管理者最终获得报酬，靠的是判断和决策。

9. 研究工具应随问题而变

Fokin 区分了无法预知的突破式需求，和成熟产品上可观察的客户满意度。Steve Jobs 式的推理针对的是 B2C 产品和真正的突破式创新；预测 iPod 会如何被市场接受，与访谈20位正在使用 HubSpot 这一成熟 B2B 平台的客户，根本不是一回事。
真正的突破可能“未知且不可知”，但如果能提前准确预见，价值会极其巨大。相比之下，成熟产品的访谈可以帮助判断用户是否满意、是否热情、是否正在切换供应商或扩大使用规模；这类证据的可靠性完全不同。
他无意中却非常有效地用了高尔夫作类比：高尔夫球手会携带多支球杆，因为地形和环境条件各不相同。Walker 仍在寻找一支万能球杆；Fokin 认为，这门手艺的一部分，就是知道每种情境该使用哪种研究工具。

10. 借来的想法应更快进入研究队列，而不是降低投资论证标准

Walker 担心，小盘股投资社区可能通过投资者信、共同尽调和相互尊重，逐渐集中到同一批名字上，就像大型对冲基金集群或 Tiger 系基金经理之间的趋同。危险在于，投资者把思考外包出去，却把社交强化误当成独立确信。
Fokin 的一句话原则是“让确信成为自己的确信”。来自可信同行的想法可以直接跃升到研究流程的最前面，但在通过与自己独立产生的想法相同的门槛之前，不应进入投资组合。
例行流程能维护这种独立性。如果通常的流程要求做3年的电话和会议演示、进行5次客户专家访谈，或向管理层提出一组问题，那么即使受人尊敬的朋友已经做过，也不能跳过；Fokin 承认自己并不完美，未必总能达到这一理想标准。
对信息源进行校准，与判断信息源质量同样重要。Fokin 拿来一家无人覆盖、没有专家访谈、规模仅2亿美元的公司时，Walker 应该高度重视；但如果他推荐一家4倍市盈率、附带特别股息的煤炭公司，Walker 就应该“挂断电话”，因为这种交易不属于 Fokin 的相关能力模式。

11. 组合排序必须同时纳入预期回报与可能的毁灭性风险

Fokin 把投资与自己过去做国际税务律师的经历作比较：一份只有60%正确的备忘录，可能足以让律师被逐出38楼；但在投资组合中，如果一个人有60%的判断正确率，可能已经非常优秀。扑克玩家或许拥有一种心理优势，因为他们接受强牌也可能输掉。
他已经更加系统地比较预期 IRR，但 Walker 发现，直接排序会机械性地把组合推向高杠杆公司，因为股权上行会被杠杆放大。给风险加权很困难；而按企业价值排序，又可能偏向现金充裕、表面折价但上行弹性不足的企业。
Fokin 至少提出了两个变量：预期 IRR，以及针对实际业务失败而非股价波动的重大惩罚。如果两项投资未来3年的预期 IRR 都是25%，一家没有债务，另一家则是6× EBITDA、4×债务、2×股本，那么“这两项机会并非生来平等”。
有些风险发生概率很小，但后果具有毁灭性。Fokin 将其表述为约3%的概率发生极端负面事件，例如产品在全国范围内被禁止，或政变导致一座海外铜矿转归新政权。Walker 补充了中国 Alibaba/Ant 事件，认为这类政府干预风险无法被他有把握地定价；两人都没有假装存在一个精确的调整系数。

进化让我们快速走向死亡；但我们可以改变这一点——Jacob Kimmel AI能解决住房和医疗可负担性问题吗？