假设你最近对一家公司起了兴趣——比如一家你天天在用其产品的消费公司。你决定"好好研究一下"。
你打开手机：券商研报、行业公众号、雪球讨论、公司公告、还有 AI 帮你生成的一份"投资分析"。你读了两个晚上，收藏了十几篇，让 AI 总结了三遍。你感觉自己"懂了不少"——它的品类、渠道、增长故事、竞争对手，你都能说上几句。
可如果这时有人问你："那你到底买不买？买的话，占你多少仓位？如果买了会亏，你觉得是哪个环节先崩？"——你多半答不上来。
问题出在哪？出在你根本没有一个要负责的买卖问题。没有它，你做的所有事，都只是"吸收信息"，不会长出"判断"。
一、"看过"和"研究过"，是两种不同的动作
我们每天对信息做的处理，其实分五种，只有最后一种才是研究：
【工具·五种动作辨识】
- 浏览：快速接触，知道"有什么"——今天哪个行业上了热搜、这家公司出了什么新闻。很轻，扩大视野用，但浏览后的印象，不能直接进你的投资判断。
- 阅读：进入作者的论证，理解"别人怎么想"——你认真读完一篇深度研报、一份年报。理解提高了，但你理解的是"别人怎么组织这家公司"，不是"你自己要判断什么"。
- 收藏：把资料存起来。最容易制造"假拥有感"——你存了 50 篇，感觉像拥有了一座金矿，其实存了 ≠ 懂了，懂了 ≠ 验证了，验证了 ≠ 形成了判断。
- 总结：把资料压短，AI 最擅长。但总结常常只是把别人的结构缩短，不产生你自己的判断。
- 研究：唯一一种会改变你买卖决定的动作。五种动作的分界，其实就是一句话：研究不问"这篇研报讲了什么"，而问"这篇研报，会不会改变我买不买、买多少"。你收藏的十几篇里，绝大多数读完之后，你的买卖决定并没有任何变化——那说明它们停在了前四种动作，没进入研究。
二、没有问题，信息会无限扩散
信息本身是没有边界的。你想研究这家消费公司，可以顺着看：它的品类、渠道、门店、加盟、供应链、原材料成本、管理层、股权结构、竞品、行业增速、政策、消费趋势、宏观、股价、机构持仓……每一条线都能再展开十条。
只要没有一个研究问题，信息就会无限扩散。 你每天都在看，感觉很充实，脑子里塞满了材料，可真到要做决定那一刻，还是不知道该抓哪几个。这不是懒，恰恰是"勤奋过度、加工不足"——不断输入，却从没把输入压成判断。
AI 把这种扩散放大了十倍。 过去你扩散还受时间限制，得自己搜、自己读；现在你问 AI 一句"帮我全面分析这家公司"，它立刻给你十个维度，你说"继续展开",它再给几十个子问题、列书单、列风险、列框架，永远给得完。生成越容易，研究越容易失去边界。所以 AI 时代真正稀缺的，从来不是"会不会提问"，而是能不能控制问题的边界。
三、一个买卖问题，就是给信息画的那道边界
同一家公司，两种问法，会把你带去完全不同的地方：
- 问题 = "这家公司是不是一家伟大的公司？" → 信息瞬间炸开：创始人传奇、行业空间、产品创新、媒体赞誉、用户好评、专家看好……你会越看越兴奋，也越看离"买不买"越远。这种问题几乎注定得到一个"是的，挺伟大"的空泛答案，对你的钱包毫无用处。 - 问题 = "这家公司未来五年的自由现金流，能不能靠现有生意持续增长，且当前价格还留着安全边际？" → 信息立刻收束：你会优先看它的单店模型、毛利率、扩张的资本开支、营运资本占用、竞争格局、管理层怎么花钱、以及现在的估值区间。
同样一家公司，问题不同，你该先看什么、可以先不看什么，完全不一样。
【工具·一句话画边界】 动手前，先写死一句带买卖含义的研究问题。之后每碰到一条信息，只问一句："它服务这个买卖判断吗？" 不服务，就先放下——不是它没价值，是它现在不属于你这个问题。这背后是一场主动权之争：信息消费者被信息牵着走——看到一篇文章就顺着文章想，AI 给十个维度就顺着十个维度走；判断生产者反过来——先定义自己要负责的那个买卖问题，再让信息来回答它。价值投资，做的永远是后者。
下一篇：可问题也分好坏——什么样的问题，才算"好的研究问题"。
（风险提示：本文所涉公司仅作研究方法示范，非投资建议。）—— 第 4 篇。---