投资人都在用哪些AI工具？

投资圈对AI工具的态度非常务实：能省时间、能抓信息差、能辅助决策的工具，用了就离不开。我调研了身边十几位一级市场、二级市场的朋友，结合公开访谈，发现他们常用的工具可以分成四类——信息获取、研究分析、内容产出和效率协作。下面这份清单基本覆盖了从晨会前到写投后报告的全流程。

一、信息获取类：决定你比别人早看到什么

投资人对信息时效性的要求近乎苛刻。这里说的不是看新闻，而是在新闻变成头条之前就看到信号。

• Feedly + AI 过滤：很多投资人依然用 Feedly 聚合RSS源，但会搭配 AI 插件（如 Feedly AI）来自动打标签、去重、提炼摘要。特别是跟踪特定赛道时，设定好关键词后，AI 会帮你把几百篇长文压缩成几条要点。feedly.com
• Gamma（信息简报版）：一部分做早期投资的朋友会用 Gamma 生成每日行业简报，它能把 arXiv、行业白皮书、竞品官网更新整合成可视化报告，比手动翻网页高效得多。gamma.app
• Perplexity Pro：这几乎是目前投资人使用率最高的检索工具。它不像传统搜索引擎给一堆链接，而是直接给出带引用的答案。投资经理常用它快速验证“某赛道近一年融资事件”“某公司创始人背景”这类问题。Pro版可以上传PDF并指定搜索范围，写尽调清单时特别好用。perplexity.ai

值得注意的是，真正拉开差距的不是工具本身，而是你设定的信息源和关键词组合。同一款Perplexity，有人只搜公开新闻，有人会把它指向SEC数据库、企查查接口和特定学术库，结果质量天差地别。

二、研究分析类：把“感觉”变成“判断依据”

这一层工具解决的是“怎么分析”的问题。投资人最怕的是拿着二手结论去决策，所以AI在这里的角色是“加速思考”，而不是“替代思考”。

1. ChatGPT / Claude 的深度使用

几乎没有人只用默认对话模式。高阶用法包括：

• 角色设定+思维链：比如让ChatGPT扮演“挑剔的LP”，对BP连续追问20个问题，用来查漏补缺。
• 长文档解析：把招股书PDF直接丢给Claude，让它按“商业模式-财务异常-风险因素”结构输出摘要，准确率比人工翻阅高很多。claude.ai
• 数据交叉验证：把行业研报中的表格数据粘贴给ChatGPT，让它用另一个数据源做逻辑校验，能发现不少矛盾点。

2. 专业金融终端里的AI模块

Bloomberg Terminal 和 Wind 都已经内置了AI问答功能。比如在Wind里输入“近三年新能源车渗透率与锂价相关性”，AI能直接调取数据库生成分析图。虽然这些模块使用门槛高，但核心优势是数据源可信、可回溯，比通用大模型更适合做正式决策依据。

3. 表格型AI：Julius AI

做投资模型时，很多人会用Julius AI直接处理Excel或CSV数据。它能自动识别数据异常值、生成回归分析，甚至直接把结果画成图表。对于需要快速验证“毛利率波动是否与原材料价格相关”这类问题，它比手动拉公式快10倍。julius.ai

三、内容产出类：从“写报告”到“做材料”

投资人花在PPT和Memo上的时间超乎想象。AI工具在这里省下的时间，直接转化为看项目的时间。

这里特别提一下Gamma的“文档转PPT”功能。很多投资人会把一份几百页的行业研究报告丢进去，让它自动提取核心论点生成10页以内的演示材料。虽然最终版本还需要人工调整，但至少省掉了80%的排版时间。

四、效率协作类：隐形但最离不开

这类工具不直接产生投资决策，但决定了你每天能处理多少件事。

• Otter.ai：开会时自动记录并生成摘要。特别是电话会和路演，它能区分不同发言人，会后直接搜索“估值讨论”就能定位到那段录音。otter.ai
• Zapier + AI：很多投资人会用它把邮件附件自动同步到网盘，再触发AI摘要发送到Slack。这种自动化流程能减少大量机械操作。
• Supernormal：专门针对投行和PE设计的会议纪要工具，能自动识别“行动项”“决策点”“风险提示”并高亮显示。supernormal.com

五、避坑指南：投资人不会告诉你的三条原则

最后说点实在的。工具虽好，但用不好反而会犯错。

1. AI产出必须过一遍“常识关”：大模型给出的市场规模预测、政策解读，经常有数字幻觉。靠谱的做法是让AI给出数据来源链接，然后自己点进去看原始出处。
2. 别让AI代写尽调问题清单：因为AI生成的提问往往太通用，缺乏项目特异性。更好的用法是让它基于你已有的清单做补充，而不是从零生成。
3. 注意保密性：涉及未公开交易、财务数据、个人信息的内容，不要直接粘贴进公开的AI工具。很多机构已经部署了私有化大模型，比如Azure OpenAI的专属实例，或者用Dify搭建内部知识库。

整体来看，目前没有哪一款工具能覆盖投资全流程。真正的“高手组合”通常是：Perplexity做情报 + Claude做深度分析 + Gamma做材料 + Otter做会议记录。这套组合拳下来，每周至少能省出大半天时间，而且信息密度比之前高不少。

相关问题

1. 投资人如何避免AI生成的投资建议偏差？
主要靠交叉验证和约束输出范围。比如要求AI只基于指定的三个数据源回答，并且强制它标注每条结论的置信度。

2. 有没有专门为一级市场设计的AI工具？
有，比如Affinity和DealCloud都加入了AI模块，能自动分析历史交易数据、预测项目成交概率，但它们主要服务于机构内部流程。

3. 免费AI工具和付费版差距大吗？
差距极大。免费版通常限制上下文长度和文件解析量，而投资分析恰恰需要处理几百页的PDF和大型数据集，付费版几乎是必需品。

4. 用AI写行业研究报告会被领导看出来吗？
如果直接复制粘贴，很容易被看出缺乏一手调研细节。但用AI做框架、列提纲、整理数据，再人工补充访谈内容和独立判断，质量反而更高。

5. 团队协作时如何统一AI工具使用规范？
建议在Notion里建一个“AI提示词库”，把团队验证过的高质量提问模板共享出来，同时规定哪些信息禁止输入公共AI工具。