第五部，处理一个绕不开的新变量：AI。它已经深度介入每个人的研究流程——摘要、比较、找框架、写报告，无所不能。这一部要解决的核心问题是：怎么用 AI 帮你研究，又不被它带偏判断。而第一篇，先把 AI 对价投研究的双面性看清楚。
一、AI 确实让研究更快了
先承认 AI 的好。它是个不知疲倦、随叫随到的研究助理：一份几十页的财报，它几秒钟给你摘要；十家公司的对比，它一张表拉齐；一个陌生行业，它帮你快速建立地图；甚至能帮你找反方、列盲点、生成研究提纲。在"信息处理"这一层，AI 极大地提高了效率——这是真的，别否认。
但也正因为它太快、太顺，一个更隐蔽的风险被放大了。
二、AI 让"假懂"变得更快、更高级
回忆开篇讲过的"假懂"：以为研究过了，其实没有。AI 时代，这个假懂升级了。
过去的假懂比较粗糙——你听一句、刷一篇就以为懂了，自己心里也虚。现在的假懂很高级：AI 能把你一个模糊的直觉，整理成一份条理清晰、术语专业、看起来已经完成的研究报告。 你隐约觉得"这公司该买"，让 AI"分析一下值不值得买"，三十秒它给你商业模式、护城河、多空对照、估值区间、风险提示——排版精美、逻辑顺畅，你读完长舒一口气"我研究过了"。
表达越顺，人越容易相信自己完成了思考。 这就是 AI 时代最贵的陷阱：它用一份"看起来完成了"的东西，替换了你本该自己走的判断过程。而在投资里，这份虚假的完成感，是要用亏损买单的——你以为你有判断，其实只有一份 AI 替你排好版的、未经验证的观点。
三、AI 给的，往往缺了价投判断的全部硬核
把 AI 生成的那份"分析"，对照前面学的判断标准，你会发现它系统性地缺东西：
- 它没有能力圈自省——它不知道"你"懂不懂这门生意，它只是把全网共识替你排了个版； - 它常常顺着你的倾向——你问得偏多头，它的"多空对照"就微妙偏多头（它被训练成让你满意），用完成感冒充真实交付； - 它的估值是拼凑的——缺了价投的灵魂"安全边际"； - 它没有反证条件、没有仓位。
一份缺了能力圈、安全边际、反证、仓位的东西，根本不是判断（第 3 篇的定义），它只是一面把你的倾向照回给你的镜子。
四、这一部的总纲：越强的工具，越需要方法
所以第五部的立场很清楚：AI 不是敌人，也不是判断的替代品，它是一个极强、但会带偏你的助手。 用得好，它把你从繁琐的信息处理里解放出来，让你有更多精力做真正的判断；用得不好，它让你更快地吸收未经验证的答案、更快地下错注。
关键在于分工：AI 负责加速"信息处理"，你负责守住"判断"。 接下来四篇，会把这个分工具体化——AI 的输出怎么分层、怎么让它做助手不做主人、怎么用它专门攻击你的逻辑、以及一套完整的人机协作研究流程。核心就一句：AI 越强，人越需要研究方法。
一句收口：AI 让信息更快，也让假懂更快；它能替你处理信息，但替你完成的"判断"，是要你自己用亏损买单的。 下一篇：具体怎么用——AI 的分析必须分层，哪些能进你的判断，哪些是它编的。
（风险提示：本文所涉公司仅作研究方法示范，非投资建议。）—— 第 35 篇。