Artem Fokin

Fokin 认为，专家访谈库和 AI 是改变投资研究最深的2项颠覆性创新，而不只是渐进式流程改进。 Walker 对比了独立投资者与机构的资源差距：后者可以按每通约$1,000的价格委托20通访谈，并调动大规模分析师团队。Fokin 认为，专家访谈库压低了访谈成本，把纯变动成本模式转变为半固定、半变动成本模式；AI 则压缩了摘要整理工作。新出现的优势属于「人+机器」（“human plus machine”），而不是单独依赖任何一方。

专家访谈应当瞄准投资论点中承重的那条假设。 如果论点建立在产品优势之上，就去访谈现有用户、从竞品切换过来的客户、评估后放弃的买家，以及从未考虑过该产品的人；如果问题在于分销，就去找前销售人员，重构销售流程。Fokin 有句看似简单、实则关键的提醒：「销售不会自动发生。」

最好的专家研究不是制造共识，而是把分歧挖出来。 Walker 举过一个医疗器械案例：报告显示新产品缺陷率为1%，老产品为10%，但外科医生指出，对比采用的是几十年前的研究，且忽略了此后手术技术的改进。Fokin 询问医生对 Sofwave 几乎10项 FDA 许可的看法时，也听到从出于责任风险考量的积极评价，到「我其实不在乎」的各种反应：「没有什么是确定的。不同的人有不同看法，这没问题。」

前员工是有用的证人，但其证词必须放回语境、交叉验证，并通过持续追问来检验。 Fokin 会问被裁员工，如果公司邀请他们回去是否愿意，以及是否会推荐家人加入；随后再用产品质量、客户热情、管理层表态和其他访谈来核对他们的说法。投资研究很少能达到「排除合理怀疑」的标准，现实可行的标准是「优势证据」。

业务越复杂，研究量越重要，但只有有纪律的筛选和整理，数量才能转化为洞察。 Fokin 曾针对 IWG 做了5通定制访谈，却仍觉得自己没有真正搞懂，于是又读了约70通 IWG 和 WeWork 访谈；如今可用的访谈库已接近100通。在 Crocs 上，历史访谈帮助他区分出：它究竟只是 COVID 的短期受益者，还是在 COVID 前就已搭建好商业基础、而当时股价仅约为2022年盈利的5.5–6倍。

Fokin 目前愿意给 AI 在「挖掘」环节投一票、在「分析」环节投半票，但在「决策」环节不给任何权限。 截至8月6日，他找到了很多压缩既有工作的方式，却还没找到一项过去根本做不到、如今由 AI 带来的有意义任务。比如，询问一家公司如何从10个州扩张出去，现在几秒内就能得到带历史背景和来源的答案，不必再手动翻找申报文件；Walker 提到的3份委托书激励薪酬对比，也是类似的时间压缩案例。

AlphaSense 的 Grid 和 Deep Research 工作流，能把海量文件变成可导航的研究地图，但不会取代一手材料阅读。 Grid 可以把20通专家访谈放到最多12个重复问题下进行横向对照，暴露共识、红旗以及值得通读的访谈；Deep Research 则能把一份5页提示词转化为有来源支撑的30–40页研究底稿，在读申报文件和访谈前「先准备好思维框架」。Fokin 认为，自己对 AlphaSense 新功能的了解有「90%甚至可能95%」来自与客户经理的反复交流，产品经理则提供了另一类用例和反馈来源。

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。