首页/研究

研究

从一个好问题
开始。

我关注公司如何创造价值、AI 在实际流程中能完成什么,以及如何把大量原始材料整理成经得起检查的分析。

我如何看待证据

我优先查阅原始披露和一手资料,区分实测结果与情景假设,并把假设写清楚。评估 AI 系统时,我关心实际流程中发生了什么,以及哪些部分仍然需要人工介入。

本页目录+

01

理解一门生意

公司披露 → 经营模型 → 估值

我的公司研究关注中国餐饮行业,包括百胜中国。我从年报、季报、业绩材料等一手资料出发,理解经营与财务表现之间的关系。

研究的产出是由财务底稿支持的报告。收入、利润率、现金流和不同业务之间的差异,需要放回具体背景中理解,才能用于估值判断。

  • 公司与行业研究。
  • 历史财务和经营数据整理。
  • DCF 与可比公司估值方法。

02

AI 改变了什么经济结果

能力 → 实际采用 → 财务结果

模型在测试中的高分,与一个流程能否创造经济价值,回答的是不同问题。我的研究关注模型能力如何联系到实际任务、完成任务的成本,以及公司对产品收费的方式。

我撰写过白领自动化、消费级 AI 商业化、历史技术变革和 AI4Science 相关报告。近期工作还包括直接考察上线的客服智能体,以及区分“接住客户问题”和“减少人工工作量”。

  • 模型能力与工作流层面的评估。
  • 消费级产品商业化与 AI 投资回报。
  • 科研应用及结果验证。

03

把研究流程做成工具

披露资料 → 阅读复核 → 台账 → 底稿

我设计并开发了多智能体工作流,辅助把公司披露和文档深度阅读转成财务台账与 Excel 研究底稿。这让工程开发与它所服务的分析工作直接联系起来。

有用的产出应当便于研究者检查,包括整理好的数据、清楚的来源和可继续补充的结构。工具帮助准备判断所依赖的材料。

  • 结构化文档阅读与提取。
  • 财报清洗和数据组织。
  • 可复核、可继续分析的 Excel 底稿。

想聊聊项目、研究或合作?

peterhpywk@gmail.com