最頂級的公司，會用技術做這兩件事……AI時代人類的投資優勢（上）| 泉果探照燈

（來源：泉果視點）

很多真正有智慧的洞察，並不存在於輿論場的風口浪尖之上；而是閃爍於持續深耕產業的燈火闌珊之處。

如果我和您説起Henry Ellenbogen（亨利·埃倫伯根）這個名字，您一定覺得非常陌生；他是Durable Capital Partners的創始人兼CIO，也是在專業投資界很受尊敬的專業思考者。

他擅長投資成長型企業，他的基金既投資二級市場，也佈局一級晚期的成長公司；因此， Henry不但深諳「市場怎麼交易」，也很理解「公司究竟是怎麼長大的」。

圖1. Henry Ellenbogen | Durable Capital Partners創始人兼CIO

有時候，Henry甚至比他投資的企業的CEO，更能敏鋭地感知到企業所面臨的風險。

2011年，一個周六早晨。

奈飛(Netflix)的CEO雷德(Reed Hastings)接到了亨利(Henry)的電話。

彼時的奈飛，正在被市場視作一場「自殺式轉型」的主角：

DVD郵寄與流媒體兩塊業務拆分；因提價60%引發了80萬用户流失；股價從300美元跌到77美元……媒體稱之為「科技史上最糟糕的錯誤之一」。

Henry對Reed説：「嘿，我可能是錯的，但我覺得，你們必須馬上開始融資了。」

那一年，Henry38歲，任職於老牌主動資管巨頭T. Rowe Price（普信集團）。

一年半之前，他剛剛被委任接手了公司的明星產品——New Horizons Fund（新視野基金），這是美國曆史最悠久、規模最大、表現最出色的中小市值成長型基金之一，超過400萬個美國家庭持有該基金。

而Henry，已經將這隻基金中的2億美金，投向了一家幾乎被市場判了死刑的公司——奈飛。

他在電話中進一步解釋説：「我非常欽佩你們正在做的事，但我預測這會是一次艱難的財務轉型——你們正在從可變成本模式，切換到固定成本模式。

這意味着你必須要提前向Discovery和迪士尼支付鉅額費用來獲取內容，同時還要投資拍攝原創節目，如果訂閲用户持續流失，這意味着，你們的現金很快會耗盡。」

奈飛的CEO沉默了幾分鍾，然后他説，「這件事我可能確實想得還不夠深。我們明天再談。你先講講你的判斷，我們再講講我們的。」

幾個月后，奈飛通過私募投資籌集了4億美元，Henry主導了這項投資。

正是靠着這筆融資，奈飛熬過了艱難的轉型期；到了2013年底，奈飛的市值增長了五倍，成爲了新視野基金當年表現最好的股票。

圖2. 奈飛 | 流媒體娛樂服務公司

今天回頭看，奈飛的市值，已經是2011年100 倍了，但更重要的，並不是這筆投資本身，而是Henry在那個周末意識到的事情：

每個卓越的企業，幾乎都經歷過一次看起來與失敗極為相似的窘境。

真正困難的，是如何去分辨，它究竟是在坍塌，還是在重生……

這可能是人類投資者最后的優勢。

本系列【泉果探照燈】將分上下兩期，從Henry近期的深度訪談中匯編梳理出幾個最值得關注的觀察點：

主持

Patrick O’Shaughnessy

Positive Sum的創始人兼CEO

嘉賓

Henry Ellenbogen

Durable Capital Partners創始人兼CIO

圖3. Patrick O’Shaughnessy（左）對話Henry Ellenbogen（右）

計算的邊界：

我們在多大程度上理解變化？

 Patrick: 

過去幾年，市場結構發生了很大變化，相當一部分邊際成交量，正集中到大型多基金經理、多策略的平臺中——比如Citadel（城堡基金）、Millennium（千禧年對衝基金）、Balyasny、Point72。

它們不是簡單意義上的「量化基金」，而是把基本面團隊、系統化交易、風控與技術整合起來的平臺型機構。在這樣的結構下，交易開始變得越來越快、越來越規則化。從你的角度看，這樣的變化意味着什麼？

Henry:

我大概是兩年前才真正開始認真思考這個問題。回頭看，其實三年前就該更早把它放到核心位置，但你知道，投資里很多事情都是這樣——你總是過一段時間才意識到某件事其實早就該思考。

在我職業生涯里，有一個階段，量化基金開始表現得非常好——比如像Two Sigma這樣的機構。

我們一直強調一件事就是：謙遜。我們不會上來就假設「我是對的，你是錯的」，也不會把世界簡化成「我們好，他們壞」。我們會默認對方非常聰明，然后問自己：我能從他們身上學到什麼？

所以我后來做了一件事：去深入研究量化機構。

我得到的結論是：短期alpha這場遊戲，大概率會被「機器+人」的組合贏下。

那時候，剛好發生了一件象徵性的事情：計算機系統首次在國際象棋上，擊敗了最強的人類棋手——這一刻你會意識到，在某種類型的對局中，機器就是會更強。

我專門向Two Sigma的負責人去請教。他做得極其出色，我們聊了很多，我也慢慢明白：量化當然很強，但它也有邊界。

那麼，邊界在哪里？

如果這是一個「重複博弈」的問題（repeat actor problem），而且數據是已知的、可結構化的，量化就會非常擅長。

這意味着什麼？如果你的投資邏輯是「如果A，那麼B」，機器大概率比你強。

比如，有些人買一隻工業股，只因爲PMI下降了——他們的邏輯是「歷史上PMI回升時，這類股票的估值會修復，我就能賺錢」。這種純規則式的、基於已知關係的交易，機器一定比你做得更好，因為他們不猶豫、沒情緒，也不會疲勞。

但如果你真正擅長的，是理解人、理解變化，那你反而有優勢。

總有一些公司足夠強

   可以在環境變化中完成轉身  

 Patrick: 

你提到了人和變化，聽起來有點抽象，這些優勢如何落實在投資上呢？

Henry:

我在上一家公司時，曾經做過一場內部分享，題目就叫《人vs機器》（Man vs Machine）。我當時的結論是：

如果機器在某些領域天然更強，我們就應該接受這個事實。然后把精力集中在我們真正有優勢的地方。

我們要全力做好兩件事：

第一，把「理解人」做得更深；

第二，把「理解變化」做得更強。

同時，凡是我們不佔優勢，而機器更佔優勢的那部分交易——説實話，本來也不該做——我們就應該少做甚至不做。

所以我們在Durable的做法其實很簡單：

少做一些不佔優的事情，才能把剩下的做得更深。

因為如果我們願意承受波動，就必須把公司和人的理解做得足夠深。

那麼這種理解有什麼用呢？最大的作用，就是在市場壓力大的時候，你有沒有底氣做判斷。

舉個例子：Colliers（高力國際）。這是一家全球化的多元專業服務與投資管理公司，業務橫跨商業地產、工程和投資管理。

當Colliers下跌時，市場可能在擔心商業地產經紀業務會因為利率而承壓。大多數時候，市場的判斷往往是合理的，甚至90%的時候都對。

但問題在於，市場判斷的是行業周期，而我們更關心的是組織質量。

如果我們非常理解它的文化、它的資本配置方式；如果我們研究了它旗下Harrison Street 這塊業務20年，而且認識管理層、理解他們怎麼做決策——那我們就更願意在市場悲觀時「頂住」，甚至加大投入。

同樣的邏輯也適用於我們的早期成長組合。

比如外語學習平臺Duolingo（多鄰國）。它在 2021年上市——那是一個資本市場對成長公司極度寬松的階段。零利率環境下，大量成長型公司在IPO時獲得了非常高的估值。

圖4. 多鄰國 | 美國教育技術公司

后來大家也都看到了：2022年利率上行，市場迅速轉向，很多人乾脆把「2021 IPO那批公司」整體打包扔掉。你看數據就知道：2022年Russell 2000 Growth里那些虧損的公司，股價平均跌幅超過了70%。

從組合管理角度看，這種「整體風險迴避」其實是可以理解的。

但我們的態度是：不是所有公司都一樣。

不是所有公司都會在新環境下失敗。也不是所有公司都無法建立真正的盈利能力。

我們相信，總有一部分公司擁有足夠強的組織紀律、產品優勢和執行力，可以在環境變化中完成轉身。

所以，我們在2022年反而加倉了Duolingo——當市場因為宏觀規則而統一賣出時，我們因為理解公司本身而選擇繼續持有。

而這恰恰是人類投資者可能存在優勢的地方。

因為如果你的決策完全是規則驅動，或者你的投資周期只有1到3個月，那你幾乎不可能持有像Duolingo或Colliers這樣的公司。

你根本扛不住。

AI不是主題

 而是一條新的成本曲線

 Patrick: 

你剛纔反覆提到兩個詞——「人」和「變化」。我們不妨先從「變化」説起——因為今天我們正處在一場可能此生最大的技術變革里，你也經歷過互聯網、移動、雲計算這些周期，你認為，哪些規律可能會重複？哪些則必須丟掉、甚至要從第一性原理重新推導？

Henry:

我從2022年開始，就在股東信里討論AI；但我們不是一家「主題投資機構」。我們不會「因為AI很重要，所以去買AI公司」。

我們的做法是：先真正理解變化，然后判斷我們關注或持有的公司，會不會因此變得更強、是否會受益，或者至少不要被顛覆。

當然，AI會影響科技公司——市場已經在反映這一點，但我覺得被低估的一點是：AI其實會影響幾乎所有依賴白領勞動、知識生產與IP創造的公司。

這里有一個我經常用的類比。

在2010年代末，幾乎所有做「產品型業務」的公司，都必須理解一個概念：「中國成本」（China Cost）。

道理很簡單：如果全球供應鏈中存在一個國家，可以憑藉規模、效率和資源優勢，把產品成本壓到極低，那麼你要麼理解它、利用它，要麼就會被它淘汰。

從這個意義上講，我認為AI很可能會像「新一代的中國成本」那樣成為一條硬約束。

但這一次，它影響的不再是「產品成本」，而是知識工作、流程工作、以及IP生產的成本。

還有一個角度，其實很少被提到。那就是技術將如何改變公司的成本曲線。

當年我第一次真正理解這一點，是在研究Amazon的時候，那時我管理着一隻全球 TMT基金，Amazon是我的最大持倉。

今天的Amazon，市值已經2萬億美元了，但在那個年代，它還只是一家市值約100億的小公司。

那時我每年會去西雅圖兩次，和Amazon創始人Jeff Bezos（傑夫·貝索斯）吃午餐——因為我們那家機構是它最大的外部股東之一，而我負責研究它。

有意思的是，因為西雅圖離我們公司有點遠，沒人願意跟我一起去；Amazon也沒有今天這麼多人關注，很多人覺得我「想得太超前了」。

但從我和貝索斯的這些交流，我學到了一件非常重要的事情：

最頂級的公司，會用技術同時做到兩件事：

第一，持續降低成本，

第二，持續擴大份額。

更重要的是：他們能把這種「單位經濟優勢」（unit economics），再投資到一種更持久、更難被追上的優勢里。

這就是我們理解的「護城河」。

不是你今天領先，而是即使競爭對手明天驚醒了，他用同樣的人、同樣的錢、同樣的策略，也追不上你。

Amazon就是這樣。它把「每個包裹降低3%-5%成本」的優勢，不斷地再投資到履約中心（fulfillment centers）的基礎設施建設中，於是接下來的20年里，它都能沿着那條每年降低3%-5%的成本曲線繼續前進。

等到所有人真正意識到Amazon在做什麼的時候，能夠跟上這條曲線的公司，只剩下沃爾瑪和Costco這種仍然擁有規模與信任優勢的企業。

所以當我們今天討論AI時，我們其實是用同樣的框架在思考。

未來很可能會出現很多類似Amazon的故事：

有人率先站上那條新的成本曲線。而一旦跑在新曲線上，他們就會越跑越快。

后來者，即使意識到發生了什麼，也很難趕上。

新舊成本線之間

會涌現出下一批冪律贏家

 Patrick: 

如果把「實體世界」和「數字世界」的效率提升放在一起看，很多人認為，一個很可能的交匯點，就是機器人。你們是怎麼思考這件事的？

Henry:

這是我們最近一直在認真研究的問題。

我們做的第一件事，其實很簡單——去學習。

我們主動去見那些在這個領域最領先的創業者，也去和我們投資組合里相關的公司交流。說白了，就是想先把事情弄明白。

而且坦率説，我們也非常清楚，在AI和數字技術這種變化極快的領域，很多判斷可能每6個月就需要重寫一次。

所以接下來我要做的是一件我不太願意干的事，就是分享一些早期的結論，它們甚至很多地方可能是錯的。但至少，這是我們現在看到的東西。

其中，一個很明顯的信號是：在某些應用場景里，機器人的成本已經低於傳統的人工流程。也就是説，它已經比「純體力勞動」更便宜了。

而且要注意一點：這還是機器人最早期、最笨的時候。從歷史經驗看，這往往也是技術最差、效率最低的階段。

但這次的不同之處在於：機器正在和AI一起迭代，而且這些系統越來越多的是建立在通用模型（general-purpose models）之上，而不是單一用途的模型。

這意味着，它的發展速度，很可能是一條几何級增長曲線。

如果用我們剛纔討論的Amazon成本曲線來理解，可能更清楚。

Amazon當年做對的一件事是：在整整20年里，他們把「寄出一個包裹」的成本，每年降低3%到5%。與此同時，那些沒有建立物流基礎設施、沒有投資自動化倉儲、沒有使用機器學習優化庫存和供應鏈的公司，則是處於另一條成本軌道上，有些甚至是每年上漲3%到5%，最好的情況也只是持平。

在一個低利潤行業里，3%-5%差距，只要重複五年，就足以拉開巨大的差距。

説實話，這就是全部的故事。

而在機器人領域，我們也開始看到一種類似的模式。

在很多應用場景里，機器人成本已經接近人工。有些場景甚至已經更便宜。更重要的是：如果未來機器人技術進入規模化階段，它的成本下降速度，可能不止3%到5%，而是15%到20%，甚至遵循「冪律」曲線。

這意味着什麼？

五年以后，世界可能會出現兩種完全不同的公司：

一類公司站在舊成本曲線上，而另一類公司站在新成本曲線上。

當這兩種公司開始競爭時，就會出現冪律級別的贏家。

所以我們真正花很多時間思考的問題，其實只有一個，那就是：哪些公司能站在這條新曲線上？

因為一旦領先者進入這條曲線，后來者即使明天醒來、投入同樣的錢、僱到同樣的人，也很難追上。

原因很簡單：他們沒有提前建設好必要的基礎設施——包括分銷網絡、技術架構、運營體系。在這種情況下，他們往往至少落后兩到三年。而且每拖一天，差距都會更大。

但我覺得真正有意思的地方是：

如果你理解了這種變化，你就會開始在經濟中尋找另外一類機會。

那些今天看起來很普通，甚至沒有多少技術含量的行業，其實佔整個經濟的70%以上。而其中很多領域，幾乎還沒有被技術深度改造。

這纔是未來可能出現大量新公司的地方。

下期預告 

很多投資行為，本質上都是一種世界觀的投射。

下一期，我們會繼續深入Henry Ellenbogen 的投資哲學：

他如何讀人，為什麼格外看重處於「第二幕」的企業家？

為什麼他理解公司的方式，並不來自經濟學，而更接近生物學？

以及，在接手New Horizons基金后，他讀完了過去50年的股東信，從中頓悟的一件事，幾乎重塑了他此后的投資邏輯。

 參考資料：

• The Last Human Edge，Dom Cooke, Dec 2025

• Henry Ellenbogen - Man Versus Machine，Dec 2025

泉果博物館

「當算法學會做夢」

《機器幻覺》樣本數據可視化（2022）

Refik Anadol（土耳其）

Refik Anadol是國際知名的媒體藝術家、導演和機器智能美學的先驅。他的作品探討的並非技術本身，而是算法給人類帶來的挑戰和可能性，以及在人工智能時代作為人類的意義。

他以「后數字建築」為錨點，邀請觀眾跳脱傳統媒介的邊界，將新媒體邏輯轉化為藝術語言——讓海量數據中那些曾被忽略的規律與結構，以可見的形態浮現，為世界提供全新的感知視角。

這件由AI驅動的沉浸式數據藝術裝置，正是他對這一思考的具象表達：算法學習了MoMA館藏數十萬件藝術作品的視覺與風格數據，以「機器幻覺」實時生成抽象畫面——細密的絲線、流動的色塊、幾何化的形態，都是算法對藝術史的拆解、重組與夢境式重構。

在技術與人文的交織中，屬於這個時代的「冪律答案」，也許不是人類被技術替代，而是將借技術之力擊穿舊範式，抵達更遼闊的認知疆域。

法律聲明

本資料不作為任何法律文件，不代表泉果基金的任何意見或建議，不構成泉果基金對未來的預測，所載信息僅供一般參考。前瞻性陳述具有不確定性風險，泉果基金不對任何依賴於本資料而採取的行為所導致的任何后果承擔責任。