10 min read

如何用两套 Prompts 快速构建美股 AI 知识体系?

Source: http://x.com/i/article/2053796915008192512

一个原则,两个方面。

一个原则, 让 AI 扮演具体人物 从两方面入手, 1)业务基本面;

2)财报分析。

AI 给我们快速制定学习框架的可能性。过去想系统性学习某个企业公司,需要在各个科技网站阅读大量相关文章,手动对资料分类、编写,时不时还要调整底层框架。

平时读书,我有用 Gemini Deep Research 分析写作背景和观点的习惯。

在分析《拉丁美洲被切开的血管》时,恰逢沃什获得美联储主席提名,他来自斯坦福大学胡佛研究中心。

于是突发奇想,让 Gemini 扮演胡佛研究中心拉美问题专家,分析本书内容与观点。

万万没想到,胡佛研究中心真有一位拉美问题专家斯蒂芬·哈伯(Stephen Haber),于是我得到了一份非常非常非常详实的研究报告。该报告内容,来自于这位专家的真实观点。

从那一刻起,我明白了 AI 有个隐藏的价值,就是扮演某人的视角,以真实或者以该人的思维框架来看待某个事物或观点。

这构成了用 AI 研究美股半导体产业的基础。

以下是具体方法,

以构建课程的方式分析企业技术及业务

Prompts示例: 角色设定:你现在是 [填入教授名字,例如:哈佛商学院的 Karim Lakhani 和 斯坦福大学的 吴恩达]。请结合你们在 [对应学术领域,如:AI商业落地与企业运营架构重组] 的核心理论,为我设计一门系统性的企业分析课程。

研究对象:本课程的深度研究对象是 [填入具体AI企业,例如:OpenAI / Palantir / Midjourney]。

核心任务:请以“商学院案例教学 + 技术逻辑拆解”的风格,输出一份完整的课程大纲。课程需要拆解该企业的核心业务逻辑。

**面相对象:**本课程面向 [没有编程基础的文科生],课程难度 [本科生] 。

必须涵盖的分析维度:

  • 底层逻辑:该企业的核心技术能力是什么,以及这种技术如何决定其产品形态。
  • 商业模式:企业的收入来源、定价策略、成本结构(特别是算力与研发成本)。
  • 竞争壁垒:数据飞轮效应、开发者网络、技术专利或先发优势的实际体现。
  • 组织管理:企业内部的人才结构、研究团队与产品商业化团队的协同机制。
  • 市场战略:该企业在当前行业价值链中的位置,以及面对竞争对手的应对策略。

输出要求:

  • 分为 4 到 6 个核心模块,每个模块包含 2 到 3 讲。
  • 每一讲需列出核心讨论议题和对应的现实商业案例。
  • 在最后提供一份推荐阅读材料清单(书籍、学术论文或行业报告)。
  • 请使用表格或清晰的标题进行排版。

可扮演的角色 1)H. S. Philip Wong

斯坦福大学,纳米电子学、新型存储 (RRAM),曾任台积电副总经理,对先进制程有极高话语权。

2)Subhasish Mitra

斯坦福大学,抗造系统、新型AI计算架构,提出了 N3XT 架构,专注于碳纳米管与存储计算集成。

3)Arijit Raychowdhury

佐治亚理工,VLSI 设计、AI/ML 硬件加速器,曾在英特尔战略 CAD 实验室工作多年。

4)Sayeef Salahuddin

加州大学伯克利分校,低功耗逻辑器件 (Ferroelectrics),专注于解决半导体功耗瓶颈,是未来 AI 芯片效率的关键。

5)Vivienne Sze

麻省理工学院,深度学习硬件能效优化,她的课程《Designing Efficient Deep Learning Systems》非常出名。

6)吴恩达 (Andrew Ng) 斯坦福大学 ,AI 商业落地、AI 知识体系与课程构建,Coursera与DeepLearning.AI创始人,曾主导Google Brain和百度AI业务。

7)Karim Lakhani

哈佛商学院 ,专注于分析 AI 与数据网络如何重塑企业的核心业务逻辑和组织架构,适合用于拆解 AI 平台型企业。

8)Ethan Mollick

宾夕法尼亚大学沃顿商学院,专注于研究 AI 技术如何实际嵌入企业的工作流中。视角非常务实,适合探讨具体 AI 工具与模型如何改变产品逻辑和工作效率。

9)Erik Brynjolfsson

斯坦福数字经济实验室主任,曾任教于 MIT。擅长从经济学指标分析 AI 技术投资如何转化为企业的实际生产力、盈利能力和市场价值。

10)Scott Galloway

纽约大学斯特恩商学院,擅长直击本质,深度剖析具体科技企业(如OpenAI、Google、微软等)的盈利结构、市场定位、竞争优势和资本运作逻辑。

11)Avi Goldfarb

多伦多大学罗特曼管理学院,擅长 AI 经济学、预测机制与商业决策《预测机器》作者,从经济学角度将AI定义为“降低预测成本的技术”,适合用来分析企业如何利用 AI 改变内部决策流程并创造新商业模式。

12)Marco Iansiti

哈佛商学院,侧重于研究企业如何重组传统部门,构建以数据和算法为核心的自动化运营系统(他将其命名为“AI Factory”),适合分析 AI 如何改变企业的实际运作流程。

13)Michael Cusumano

麻省理工学院斯隆管理学院,擅长平台战略、软件与AI企业管理《平台业务》作者。对于研究 OpenAI 等提供基础模型 API 的企业。

14)Sinan Aral

麻省理工学院斯隆管理学院,擅长数据变现、数字战略与产品增长,专注于企业如何通过数据和算法进行用户行为分析,适合分析面向C端的 AI 应用企业如何获取用户、分析数据并实现商业转化。

15)Daron Acemoglu

麻省理工学院,擅长制度经济学、AI 对企业人力结构的影响2024年诺贝尔经济学奖得主。重点研究 AI 自动化对企业人力资源配置、劳动成本和长期战略规划的影响,适合探讨AI在企业实际运作中的成本分配与效率边界。

然后 AI 会给你一个课程模块大纲,只需要让 AI 顺着模块教学就好。

这里有两个小技巧,

1)当你让 AI 进入第一模块后,并获得回答后,可以再询问可否更具体,以及有没有其他角度的补充。或者将在本模块内的课程难度升级,从本科升到研究生级别,以增加知识深度。

2)当你在主课程遇到不懂的概念,可以在另外窗口提问。不打乱主课程话题主线。

以构建课程方式分析企业财报

Prompts 示例:

如果你是美国银行分析师 Vivek Arya 或 Evercore ISI 机构专业分析师,被聘请为斯坦福大学客座讲师教授课程是从业务和商业估值层面学习 [某企业],请问你会如何设置课程?从哪些方面学习?

可补充

  1. 总潜在市场与渗透率:该企业的实际可触达市场规模如何测算?目前处于产业链的哪个环节?
  2. 单位经济模型与成本结构 :拆解产品的核心成本。资本支出(CapEx)的投入产出比。
  3. 收入模型与利润率 :具体的收费模式(如订阅制、按量计费、硬件买断)。当前的毛利率水平,以及未来提升或下降的驱动因素。
  4. 竞争优势与定价权:在不使用“护城河”等词汇的前提下,客观分析其在供应链中的不可替代性、客户转换成本以及技术领先的时间差。
  5. 风险因素与催化剂:未来 12 到 24 个月内,哪些具体事件会推动其估值上升(新产品发布、特定财报数据),哪些因素会破坏其盈利逻辑(产能受限、竞争对手降价)。

可扮演的角色 1)Vivek Arya

美国银行 BofA,专注于半导体与硬件基础设施。如果你的目标企业是 Nvidia、AMD、台积电、ARM 等提供算力底座的公司,他的视角最合适。他极度关注供应链产能、资本支出(CapEx)以及产品迭代周期。

2)Mark Mahaney / Kirk Materne

Evercore ISI,专注于互联网巨头、软件及云服务。如果你的目标企业是 OpenAI、微软、Google、Palantir 等 AI 软件与模型公司,他们的视角更合适。他们侧重于软件年度经常性收入(ARR)、云计算增长率以及 AI 功能的变现转化率。

3)Stacy Rasgon

伯恩斯坦 Bernstein,极其注重数据推演,核心关注真实供需平衡、渠道库存水平、产品迭代周期以及毛利率变动轨迹。

4)Alex Zukin

沃尔夫研究 Wolfe Research,专注于软件与云计算。

5)Brian Nowak

摩根士丹利 Morgan Stanley ,专注于互联网巨头与大盘科技。擅长分析规模庞大的数字生态系统,核心关注巨头资本支出 CapEx 的投资回报率、AI 大模型对广告点击率与转化率的提升幅度以及云计算业务的收入增速。

6)Kash Rangan

高盛,侧重长期的财务健康度与平台网络效应,核心关注软件平台的总潜在市场(TAM)扩张率、自由现金流(FCF)生成能力以及开发者生态规模。

然后,学习之后,让 AI 通过以上视角具体分析财报。财报可以在 TradingView 找到,在红框——Documents 里面。

Image
Image

可以加一句 Prompts

“可以从

  1. 核心估值方法
  2. 支撑高估值的溢价因素 (Positive Drivers)
  3. 压制估值的折让因素 (Negative Factors)
  4. 量化估值指标示例

这个方面再详细分析吗”

最后,还有几点,

1)请用付费 AI;

2)多个付费 AI 交叉验证。Claude 中文文本能力最强,但更像一个偏刻板的理科生,对财务的分析不如 Gemini。

ChatGPT 经不住质疑,一旦你质疑,就很容易出问题,如果你想质疑,请另起对话框。

3)保持谦卑,保持学习,多看优质内容输出者对于财报的分析,比如 @octopusycc @alpha101xyz @AntonLaVay @qinbafrank

等等

最后的最后,祝你成功