中午翻知乎热榜，被一个问题拦住：「AI 可以正确分析判断出一家企业有没有护城河吗？」问题很短，水却很深——它同时戳中了想用AI做研究的人，和所有每天跟大模型打交道的人：AI的判断力，边界到底在哪？
为了把这条边界摸清楚，我翻了两份一手材料：一份是8月29日2026数博会上阿里云副总裁安筱鹏的演讲实录，一份是老虎社区里一位投资者"让大模型写东鹏饮料研究报告"的实测帖。翻完的结论是：这个问题不能笼统答"能"或"不能"，因为"护城河"其实有两层，AI只看得见其中一层。
AI看得见的那层：账面上的数字
先说AI擅长的。护城河这个词，在投资人口中很玄，但在AI眼里，它是一串可以核验的量化指标。
投资问答平台叩富网上有人总结过一套量化方法：判断"技术型护城河"，看研发费用占营收比例是否持续超过15%、专利产品营收占比是否大于60%、未来三年到期的核心专利占比会不会过高；判断"特许经营型护城河"，看毛利率净利率是否长期高位且波动极小、提价幅度超过CPI加3%之后销量有没有大幅下降。
这类活儿简直是为大模型量身定制的——信息收集全面、结构化表达清晰。那位实测东鹏饮料研究报告的投资者也承认：如果你对这个领域完全没有专业能力，AI的报告"刚开始还是有点用的，毕竟我是小白，大模型比我强点"。
但他紧接着说了句更实在的话：对专业投资者而言，这份报告价值很小。更有意思的是他的观察——问答过程中，"最后还是我在用我的经验，训练他"，还得花时间帮它纠错、校对、判断是否合理。
这是第一层真相：AI能把护城河的各项指标算给你看，但你得会拿尺子去量它。不懂行的人，连它错在哪都不知道。
AI看不见的那层：恰恰是护城河藏身的地方
第二层更扎心。安筱鹏在数博会上引用了麦肯锡的一项报告结论：80%的研究任务中，AI无法获取上下文、读不懂私有数据。
把这句话倒过来读，就是护城河的悖论：**凡是AI搜得到的信息，恰恰是护城河里最浅的部分。**公开的财报、专利、行业报告——你能让AI查，你的竞争对手也能。真正深的护城河，藏在AI读不到的私有数据里：供应商的口风、渠道的真实动销、客户为什么反复回购的细节、生产现场磨了十年的SOP。
有两个反例能说明"AI读不到"这件事本身有多值钱。美国法律AI公司哈维（Harvey），覆盖美国百强律师事务所，靠海量法律领域的私有数据构建垂直模型，估值超过百亿美元；医疗公司OpenEvidence同样靠独有的专业医疗数据，成了全球生命科学领域最大的独角兽。它们的护城河不是模型，是别人拿不到的数据。
安筱鹏还顺手点破了一个常见抱怨——"模型不能用、效果不好"，很多时候不是模型本身的问题，甚至也不是智能体的问题，"是因为你没有准备足够丰富的上下文"。
普通人怎么用这个结论
回到知乎那个问题，我的答案是：AI能正确分析"这家公司的账面数据像不像有护城河"，但判断不了"这条护城河三年后还在不在"——因为决定后者的变量，大多不在公开语料里。
落到实操上，记住一个分工就够了：
**AI管公开层。**让它把研发占比、毛利波动、定价权线索这些指标做成表格，你只负责核对数字的出处，防止它一本正经地编造。
**你管私有层。**把你的行业经验、一线观察、哪怕跟业内朋友的一次闲聊，都塞进对话里当上下文。给得越足，AI的判断越接近靠谱——这不是玄学，是那80%的研究任务的破解方式。
至于最终裁决，永远在你手里。把AI当一个不知疲倦的实习生：它负责收集与整理，你负责判断与担责。如果不知道第一步该用什么工具跑起来，spark1（AI家园）的工具链页面 spark1.cn/toolchains 把AI工具按场景串成了现成管线，照着抄作业就行。
AI时代，信息的门槛越来越低，判断力的价值越来越高。这大概就是那个知乎问题的完整答案：AI帮你看清护城河的浅滩，深处的暗流，得你自己守。
本文素材综合自搜狐财经、腾讯新闻、老虎社区等公开报道。
💬 评论