深度思考不是天才專利，而是可復(fù)制的系統(tǒng)方法。

3月24日晚，比亞迪交出歷史最強(qiáng)成績(jī)單，2024年?duì)I收7771億元，同比增長(zhǎng)29%；歸母凈利潤(rùn)402.5億元，同比增長(zhǎng)34%。營(yíng)收首次突破千億美元，超越特斯拉，成為全球第一大新能源車企。

這家曾被人嘲笑“土味造車”的企業(yè)，在2019年的至暗時(shí)刻，利潤(rùn)同比下降40%，扣非凈利潤(rùn)僅2.3億元，汽車、光伏、儲(chǔ)能等產(chǎn)業(yè)均陷入困境，月銷量長(zhǎng)期徘徊在3萬(wàn)至4萬(wàn)輛，被戲稱為“比三萬(wàn)”，但現(xiàn)在應(yīng)該稱呼其為“迪王”了。

其實(shí)在發(fā)布會(huì)之后，我就通過(guò) DeepSeek用巴菲特“護(hù)城河理論”梳理了比亞迪和特斯拉，那哪個(gè)公司的護(hù)城河更深，更有投資價(jià)值呢？

DeepSeek按照我的護(hù)城河四個(gè)問(wèn)題的框架回答得非常好，不亞于一個(gè)商業(yè)分析師。但是，前提條件是你要理解巴菲特護(hù)城河理論。那么，AI（人工智能）可以模仿人類思考，人類是不是也可以反向?qū)W習(xí) AI？就像2016年阿爾法狗在圍棋戰(zhàn)勝人類之后，人類通過(guò)向 AI學(xué)習(xí)，圍棋水平提升到一個(gè)新的高度。

所以，今天和大家分享我最近在和 AI協(xié)作投資、研究的過(guò)程中，如何將投資研究的工作效率提升了4倍以及如何向 DeepSeek學(xué)習(xí)深度思考。

什么是深度思考？

特斯拉創(chuàng)始人兼首席執(zhí)行官馬斯克說(shuō)，深度思考對(duì)于解決問(wèn)題和創(chuàng)造新事物非常重要，你需要深入研究一個(gè)問(wèn)題，理解其本質(zhì)和根源，然后提出創(chuàng)新解決方案。

心理學(xué)家、諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主丹尼爾·卡尼曼說(shuō)，深度思考是一種對(duì)信息進(jìn)行批判性分析的能力，它涉及對(duì)信息的綜合、評(píng)估和推理。這種思考方式可以幫助我們避免被表象所迷惑，作出更明智的決策。

在 AI身上，就是體現(xiàn)在 DeepSeek讓人驚嘆的思維鏈，它通過(guò)分步推理、動(dòng)態(tài)修正、多模態(tài)整合模擬人類的思考過(guò)程，將復(fù)雜問(wèn)題分解為多個(gè)中間步驟，并逐步推導(dǎo)得出結(jié)論，從而提升模型在邏輯推理、數(shù)學(xué)計(jì)算、代碼生成等任務(wù)中的準(zhǔn)確性與透明度。

也就是把 Open AI等 AI大模型的“黑箱決策”轉(zhuǎn)化為可追溯、可驗(yàn)證的邏輯鏈條，也給了我們向 AI學(xué)習(xí)的機(jī)會(huì)。

這樣的訓(xùn)練和技術(shù)分為三個(gè)階段，也可以遷移到企業(yè)和投資中。

第一，預(yù)訓(xùn)練（Pre-training）。

構(gòu)建知識(shí)的底層操作系統(tǒng)，也是構(gòu)建思維鏈里面的底層邏輯基礎(chǔ)。它的核心邏輯是讓 AI像人類幼童般“博覽群書”。通過(guò)海量文本數(shù)據(jù)（書籍、網(wǎng)頁(yè)、代碼、對(duì)話記錄等）來(lái)訓(xùn)練模型，使其掌握語(yǔ)言規(guī)律和基礎(chǔ)知識(shí)。

這個(gè)過(guò)程如同給 AI裝了一套“底層操作系統(tǒng)”，決定了它的知識(shí)廣度和基礎(chǔ)能力。預(yù)訓(xùn)練階段特點(diǎn)是無(wú)須監(jiān)督學(xué)習(xí)，無(wú)須人工標(biāo)注，模型通過(guò)預(yù)測(cè)“下一個(gè)詞”來(lái)自我進(jìn)化。這個(gè)過(guò)程中要特別注意數(shù)據(jù)庫(kù)的偏向性。

我在看到比亞迪的年報(bào)之后，讓 DeepSeek幫我統(tǒng)計(jì)比亞迪和特斯拉兩家公司從2020年到2024年的營(yíng)收、研發(fā)費(fèi)用/研發(fā)費(fèi)用率、銷售費(fèi)用/銷售費(fèi)用率。結(jié)果，出現(xiàn)了兩個(gè)問(wèn)題：

1. DeepSeek沒(méi)有使用剛剛發(fā)布的比亞迪2024年年報(bào)的營(yíng)收數(shù)據(jù)，只是用比亞迪2024年前三季度的數(shù)據(jù)來(lái)推算，特斯拉也是這樣的情況，導(dǎo)致計(jì)算結(jié)果錯(cuò)誤。然后，我就給它投喂了比亞迪和特斯拉最新的年報(bào)，數(shù)據(jù)才會(huì)修改。

2.在看到2024年數(shù)據(jù)錯(cuò)誤后，我在想其他數(shù)據(jù)是不是也會(huì)出現(xiàn)錯(cuò)誤？我馬上就用專業(yè)股票軟件數(shù)據(jù)核對(duì)，結(jié)果營(yíng)收數(shù)據(jù)對(duì)了，但是中間的研發(fā)費(fèi)用、銷售費(fèi)用出現(xiàn)了錯(cuò)誤。由于數(shù)據(jù)更新速度和語(yǔ)料庫(kù)的原因，會(huì)導(dǎo)致大模型出來(lái)的結(jié)果出現(xiàn)重大失誤，行業(yè)簡(jiǎn)稱為數(shù)據(jù)幻覺(jué)。

這里我給大家一個(gè)警示，再好的大模型，進(jìn)去的是精華，出來(lái)的就是精華，進(jìn)去的是垃圾，出來(lái)的就是垃圾。

這也是為什么這么多中國(guó)企業(yè)寧肯自己耗資幾十萬(wàn)元，買英偉達(dá)50、90GPU（中央處理器），本地部署 DeepSeek，用自己的公司和行業(yè)數(shù)據(jù)投喂，問(wèn)答就更有確定性和專業(yè)性，同時(shí)能夠保證數(shù)據(jù)的隱私安全。

像比亞迪電池實(shí)驗(yàn)室就是類似的思維，將2000份專利濃縮成“技術(shù)要素矩陣表”，形成研發(fā)人員理解和運(yùn)用的結(jié)構(gòu)化知識(shí)體系。

華為海思芯片團(tuán)隊(duì)要求工程師閱讀全球3000多篇頂級(jí)論文建立知識(shí)圖譜，美的集團(tuán)在工業(yè)互聯(lián)網(wǎng)平臺(tái)預(yù)訓(xùn)練階段，就投喂了亞馬遜、西門子等50家企業(yè)數(shù)字化轉(zhuǎn)型案例，構(gòu)建出制造業(yè)知識(shí)庫(kù)。

第二，監(jiān)督微調(diào)（SFT， Supervised Fine-tuning）。

打造專業(yè)領(lǐng)域的行為規(guī)范，定向訓(xùn)練思維鏈生成規(guī)則。

核心邏輯：像培訓(xùn)新員工一樣“手把手教學(xué)”，用高質(zhì)量經(jīng)過(guò)標(biāo)注的數(shù)據(jù)（問(wèn)答對(duì)、操作指南等）調(diào)整模型行為，使其輸出符合人類需求。

這個(gè)過(guò)程如同給 AI編寫“崗位說(shuō)明書”，規(guī)范專業(yè)技能。像寧德時(shí)代質(zhì)檢系統(tǒng)用5萬(wàn)張電池缺陷圖片做監(jiān)督微調(diào)訓(xùn)練，將誤檢率從12%降至0.7%。大疆農(nóng)業(yè)無(wú)人機(jī)監(jiān)督學(xué)習(xí)3000種農(nóng)田作業(yè)軌跡，實(shí)現(xiàn)果樹環(huán)繞噴灑等高難度動(dòng)作。

第三，強(qiáng)化學(xué)習(xí)（RL， Reinforcement Learning）。

在實(shí)戰(zhàn)中修煉頂級(jí)高手，精細(xì)化調(diào)整思維鏈質(zhì)量。

就像奧運(yùn)會(huì)選手模擬的“以賽代練”，通過(guò)實(shí)時(shí)反饋機(jī)制（用戶點(diǎn)擊、評(píng)分、對(duì)比選擇等），讓 AI自主優(yōu)化決策路徑。這個(gè)過(guò)程如同給 AI安裝“進(jìn)化引擎”，使它在復(fù)雜環(huán)境中持續(xù)突破極限。強(qiáng)化學(xué)習(xí)階段的精髓，就是設(shè)計(jì)獎(jiǎng)勵(lì)機(jī)制，定義清晰的評(píng)估標(biāo)準(zhǔn)，如對(duì)話質(zhì)量評(píng)分，類似我們給團(tuán)隊(duì)發(fā)獎(jiǎng)勵(lì)和獎(jiǎng)狀一樣。

更高級(jí)的是采用多維度博弈：讓多個(gè) AI智能體相互競(jìng)爭(zhēng)、協(xié)作，像 Alpha Go 1.0是投喂了人類歷史的百萬(wàn)圍棋棋譜，到了 Alpha Go 2.0階段，就是自我對(duì)弈模式，不需要棋譜。

那我們?nèi)绾尾拍芟?AI一樣深度思考和學(xué)習(xí)？記住三個(gè)要點(diǎn)：

第一，建立“行動(dòng)—反饋—調(diào)整”的正循環(huán)，就像打游戲升級(jí)一樣，每完成學(xué)習(xí)任務(wù)立刻檢驗(yàn)效果，用他人評(píng)價(jià)修正自我認(rèn)知。

第二，深度拆解頂尖案例，看書的時(shí)候，邊讀邊畫知識(shí)圖譜，把復(fù)雜信息提煉成可復(fù)用的思維模型。

這也是我2024年做得最多的研究，將過(guò)去騰訊、美的、華為、小米等公司做了深度分析，梳理成長(zhǎng)模型，同時(shí)對(duì)過(guò)去20年，5次牛市進(jìn)行了深度復(fù)盤。

第三，用頭腦風(fēng)暴對(duì)抗思維慣性。

遇到問(wèn)題同時(shí)想出3種解決方案，就像下棋推演一樣比較優(yōu)劣，日?？梢园才?5%的陌生領(lǐng)域挑戰(zhàn)，睡前花10分鐘回顧當(dāng)天所學(xué)，這樣大腦會(huì)像 AI訓(xùn)練神經(jīng)網(wǎng)絡(luò)一樣，在不知不覺(jué)中提升舉一反三的能力。

深度思考不是天才專利，而是可復(fù)制的系統(tǒng)方法。

當(dāng)我們拆解 AI和中國(guó)企業(yè)的進(jìn)化密碼時(shí)，就會(huì)發(fā)現(xiàn)“預(yù)訓(xùn)練—監(jiān)督學(xué)習(xí)—強(qiáng)化學(xué)習(xí)”的思維鏈三階進(jìn)化，正在塑造中國(guó)制造的思維基因。

假如每個(gè)崗位都能像 AI模型那樣持續(xù)學(xué)習(xí)、規(guī)范輸出、快速進(jìn)化，組織的思維鏈就會(huì)成為企業(yè)堅(jiān)固的護(hù)城河。畢竟，連機(jī)器都知道深耕勝過(guò)亂撞，人類又怎么總做思維上的“機(jī)會(huì)主義者”？

責(zé)任編輯：楊曉 | 責(zé)任校對(duì)：趙艷麗 | 審核：張旭 | 美編：丁然