在这个春节期间，如果打开手机，看的最多的新闻都是关于Deepseek的，上一次人工智能这么火，还是两年前的chatGPT。关于算法的东西这里不去多想，那些东西和概念也不是一时半会能说明白的。而从AI的发展势头来看，Deepseek典型的特征就是效果更好、成本更低，有点像是算法领域的一个“摩尔定律”，这也是很多新事物逐步普及的必经之路。
因此，我们绕不开如何与人工智能“共生”的问题，作为一种工具，人工智能背后依然是人的需求和欲望，而如何应对人工智能带来的机会和挑战，最后影响的也是一个利益分配的问题。
那些开发了GPT或者Deepseek，以及月之暗面的技术大佬们，显然改变了自己的命运，获得了财富、权势、名望。而大多数人则处于这个人工智能产品的应用端，财富效应没有那么大，但是跟我们手头的工作结合起来，也可以产生一些赋能作用。
由于AI的加持，投资思考可以着重在以下方面上。
一、第一手信息的关键性
虽然说AI工具越来越发达，但是这些工具都是基于现有的信息，而信息的源头还是来自于人类，某个事件发生，到这个事件变成信息传播，其中有一个时间间隔。
AI工具可以对信息进行处理，但是没法控制信息什么时候出现。所以，如果掌握了信息源头，依然会在投资市场中具有很强的优势。
我们可以将精力更多的放在第一手信息上，对上市公司、相关人员和相关产品展开实地的调研，当然，那种上市公司组织的公开调研的重要性也很一般，因为很快就会数字化，可以通过AI工具检索到。
二、经验相对于理论的作用更突出
现在这个信息时代，学校里面的那种理论知识已经不具有什么独占性，毕竟形成理论的资料都已经数字化了，而且还都是公开的。AI工具之所以现在发展起来，本质上是离不开日益庞大的知识库，这个知识库不仅包括经济金融知识，还有心理社会学知识等等，我们思考的很多人性的东西，也很多都在这个知识库里面；AI工具则是进入知识库的入口。
由于有了这么个知识库，知识本身变得没那么稀缺了，实践经验的作用则更加突出，这些个人经验都不需要通过电子媒介，直接就通过人类的感官便到了人脑中，没法通过AI工具找到。但是怎么把实践变成经验呢？经历并不等于经验，这中间有一个对于经历的思考和总结的过程。
这个过程其实AI工具可以提供重要的参考，提供了一个处理经历的思维锚，比如我在后一篇文章中放的一篇Deepseek的回答“为什么买卖股票前制定的策略，无法在操作中执行”。
每个个体都是独一无二的，但是每个个体都都是群体中的一部分，我们犯的每一个错误，早就有人做过N多次了，也有些理论专家们研究过了，所以我们可以借鉴现有知识库，形成具有个体特色的经验。
三、对市场预期的评估将更加便利
股票市场更强调预期，Deepseek就影响到对于算力需求的预期，因此英伟达的股价出现了一定幅度的下跌。
问题是怎么评估预期呢？
我们可以从股价的走势来看，但是过去的股价走势反映的是过去的市场预期，而我们进行买/卖、持有/观望等决策，需要的是对未来的预期，因此，股价走势有一定的参考意义，但是不大。
还有一个替代方案，就是通过分析师的报告，通常被称为“一致预期”或者说“共识预期”（consensus expectations）。这个方案的问题，就在于分析师经常会根据现有市场预期进行“预期”，如果发现自己的“预期”跟市场预期差距太大，他们会调整自己的假设。
券商分析师的报告往往都在市场上公开出来了，AI工具可以对此进行总结（后文我贴了个关于宁德时代预期总结的案例），相对于原有的wind、东方财富等供应商统计的数据，更加全面一些，还能够将非数据类的观点、假设信息也进行整理。
四、跳出AI的结果
我们都知道股票市场上有个“有效市场假说”，公开可得信息往往会反映在市场的价格上，AI工具给我们得到的答案，都是基于一个公开的信息库，也很可能已经反映在价格上，所以我们需要寻找答案之外的东西。
答案之外的东西，既包括那些私有信息，没来得及进入知识库里面；还包括人对于信息的反应，尤其是那些个的情绪和情感反应，AI工具可以罗列出一个情绪反应集合，但是无法预测某个具体的反应。人类的反应逻辑性可没有机器那么强，并不是严格遵循“与或非”以及“if...else...”之类的语句。
另外，使用AI工具的时候，还需要注意不依赖于AI工具，高科技东西往往还有一个特点，就在于容易被监控和操纵。比如，我们过去问的问题，以及问问题的偏好性，最后会影响AI工具给我们的回答，然后就容易失去公正性，而不公正的信息对我们的决策具有很强的误导性。
