研究的本质：理解生意，而非追逐形式
在面对科技企业业务边界不断拓展的现实时，研究的核心始终应回归到对生意本质的把握。无论是电商、支付还是云计算，关键在于判断：原有业务是否仍在持续经营？新增业务是否构成独立的商业实体？二者之间是否存在协同或冲突？ 若原有业务根基稳固，而新业务因公司护城河宽阔得以自然延伸，则可将其视作独立模块进行单独估值并加总；反之，若新业务实质替代了旧业务，则需重新审视初始假设是否成立——这本质上是判断错误，而非方法失效。
值得注意的是，科技企业与传统行业在研究方法上并无本质差异。研究逻辑始终是：先厘清业务能否长期存续，再评估其盈利模式、竞争壁垒与行业趋势。例如，评估一家公司的电商板块，仍需分析社会零售总额走势、电商渗透率天花板、物流效率提升对渗透率的影响，以及该企业在电商领域的护城河深度。这些与传统消费品企业的研究路径高度一致。至于新增业务（如云计算）是否冲击原有电商，需基于商业实质判断是“加法”“乘法”还是“减法”，而非预设技术必然带来颠覆。
“其实市市场上有很多这种能源集团，他原来其实是做火力发电，后来他要做新能源发电，那那那那和这个科技企业。开始做云计算，我们在价值评估的时候的处理方式没有啥区别。”
“它是一个事儿，嗯，就还是以就是生意，就是每门生意去评估它，然后看看这个生意和生意之间有没有什么关系，如果没关系，加一起啊。”
专业深度与信息甄别：服务于认知，而非炫技
深入研读技术论文或专业文献，并非为追求研究形式的复杂性，而是为真正理解生意所必需的知识补缺。研究的出发点始终是“能否把这门生意看清楚”——若芯片竞争力的判断依赖对设计、制造流程的理解，则需啃读论文；但若仅涉及手机背板材料从玻璃变为玻璃纤维，则无需深究供应商配方，因该细节与核心护城河无直接关联。
这里的关键在于目的导向的深度选择：研究者需明确“哪些细节影响判断，哪些无关紧要”。正如足球教练无需亲自踢球，但必须能识别球员能力差异；投资者无需成为芯片工程师，但需理解“谁在该领域更具竞争力”“哪些技术能力构成护城河”。这种深度是工具性的，而非自我满足的学术偏好。
“我们不是为了复杂而复杂，不是为了炫技而做研究，也不对吧？不是因为这个专业论文它有意思，我们去天天看这个，不是的，是因为我们要理解这门生意，我需要看懂。”
信息验证：多源交叉与证伪思维构建接近真实的认知
无论是产业人士访谈还是学术资料，信息本身并无天然可信度——资深从业者也可能认知偏差，甚至无意识地“情人眼里出西施”。因此，研究者需设计多立场交叉验证机制：通过对比企业自身、上下游伙伴、竞争对手的表述，寻找事实的交集。例如，当判断某客户为何转向竞争对手时，需同步收集客户、原供应商、新供应商及行业分析师的多方说法，以降低单一信源偏差。
这种验证逻辑本质上是证伪导向的科学方法论：研究者需主动尝试推翻自身初始假设，而非寻找支持证据。若经过多角度检验仍无法证伪，则结论的可靠性显著提升；但需清醒认识到，所有结论仅能“逼近真实”，无法达到绝对正确。投资中的“错误”并非以盈亏为标准（因市场短期波动常与判断脱钩），而在于事实与判断是否偏离——这才是研究闭环的负反馈机制。
“我们没有哪物理学理论是真，是真相，没有，嗯，我们只能不断的逼近现实，仅此而已。”
研究的本质：证伪导向与侦探式思维
在研究过程中，一个核心逻辑学原则是：如果一个命题无法被证伪，那它就谈不上是一个结论。这意味着，真正的研究不是为了寻找“正确答案”，而是通过不断排除错误可能性，使我们更接近真相。这种研究方法虽然效率不高，但与价值投资的理念高度契合——价值投资讲究“不怕错过”，而非追求速度，因此对短期效率的要求较低。
此外，研究工作强调“前置性”：我们不会等到市场热点出现才开始研究，而是提前一两年就对感兴趣的行业或公司展开系统性调研。因为不清楚研究一门生意到底需要多深、多久，临时抱佛脚往往来不及。等到机会真正出现时，我们才具备判断力与行动力。
这种研究方式看似“慢”，实则具备可积累性与复利效应。随着经验沉淀，研究者会逐渐掌握不同行业的底层逻辑与共性框架。例如，研究过水泥、钢铁、铜等重工业后，再切入其他制造业时，效率会显著提升。研究工作量不会越来越大，反而会越来越收敛；研究难度也不会越来越高，而是越来越简单——前提是打牢基础、建立能力圈。
“真正的研究者应该像侦探一样，不预设答案，不拘泥于形式。”
“每门生意还是有个你能摸得着的那个套路的……它绝对不是那种蒙着头乱摸的状态。”
挑战共识 ≠ 为挑战而挑战
研究中强调“挑战共识”，但并非为了炫技或刻意唱反调。我们的出发点是：不预设共识就是对的，也不预设它就是错的。如果通过深入研究发现市场共识确实成立，那我们就接纳；如果发现共识有误，则坚决修正。
这背后体现的是对“模糊地带”的处理原则：作为价值投资者，面对不确定性，我们倾向于采取保守假设——例如，若一家公司的护城河不清晰，我们就默认其护城河为零。这不是悲观，而是对投资安全边际的尊重。
“我们不是为了挑战而挑战……就像我们不是为了炫技去研究专业术语，而是因为需要。”
“如果你不确定它有，我就当它没有。”
以企业为锚点，以价值为终点
我们理解生意模式，并非先凭空构建一套理想模型，再去找匹配的企业——那既不现实，也难以落地。相反，我们是以具体公司为依托，在研究中自然理解其所在行业的运行逻辑。
研究过程中，我们关注的是：谁在行业中具备可持续的盈利能力？谁的护城河更宽？谁能在竞争中持续抢夺客户、维持高利润率？ 最终落脚点始终是：这些企业能否为股东带来长期、稳定的回报。
以白酒行业为例，我们确实较少关注短期销量波动（如春节销量同比增减5%），因为这类数据若未显著冲击品牌价值或消费场景，对企业长期价值影响有限。但若库存严重失衡、动销停滞，进而动摇品牌根基，我们就必须深入调研、重新评估。
“一切要回到我们对企业价值评估的起点——我们需要什么？需要什么我们就研究什么。”
“周期我们也会研究，但目的不是预测拐点，而是判断它会不会冲击品牌价值。”
好问题的本质：事实导向、二元限定
在研究中，好问题的核心特征是：它应将回答严格限定在“是”或“否”的二元判断上，而非开放式的主观评价。例如，直接问“A公司成本是不是有优势？”或“A公司成本是否比B公司低？”都属于无效提问——这类问题预设了立场，容易引发模糊甚至误导性回答。真正有效的提问路径，是从具体事实出发，层层拆解：比如先确认“贵司生产水泥所用燃料的采购来源是A地还是B地？”不预设成本高低，只聚焦可验证的事实。当受访者说明“我们从A地采购”，再追问“为何不选B地？”——对方可能解释“B地更贵”，但进一步追问“据我了解，其他企业从B地采购其实也不贵”，便能揭示信息偏差或认知盲区。通过几十甚至上百个这样的事实型问题，才能逐步逼近真实结论。正如田瑀所强调的：
好问题是把他的这个回答限制在是和否上。哦，这是最好的问题。
你不能说上来就说你成本是不是低呀？上来问白问了，你这没用啊！太有立场了，啊，对不对？
研究的审慎原则：拒绝结论速食，警惕专家光环
研究不同于闲谈，结论必须由一系列经验证据自然推导而出，而非直接采纳某位‘专家’或行业人士的判断。即便对方是产业内资深人士，其观点也仅反映其职业视角下的局部真实，存在极高的误判概率。尤其在投资决策场景中，若仅因对方‘看起来专业’就轻信其结论，无异于用真金白银为认知懒惰买单。田瑀特别提醒：
你不能认为他是个行业专家，所以他他的结论就一定对，那不是的，对不对？
做研究其实很紧，要非非常谨慎。你要作为茶余饭后的谈资，那无所谓……但是你要做研究，你要拿钱去投票，那你必须慎重。