持续学习，回报远超你的想象。
如果你不确定持续学习的意义，看看我今天的这篇分享。
…
伯克希尔2012年股东大会问答环节，股东提问：
“嗨，沃伦和查理。我是来自德国的Thomas Schulz。你曾经说过，如果你现在有100万美元可以投资，你每年可以获得50%的回报。鉴于你现在所知道的，你将如何能够在你刚开始合作时已经非常出色的表现的基础上进行改进？”
回答1：（芒格和巴菲特）
巴菲特：“好吧，查理，你可以向他们坦白。(笑声)但我认为他可能会进一步说明这一点，即我们在管理中学到了什么，因为我们现在用100万美元，可以比当时用100万美元做得更好，我想说答案是肯定的。你认同吗？”
芒格：“是的，我认为这是真的。疯狂已经够多了。如果你有无尽的时间，却只有很少的钱，我想你可以找到办法做得很好。”
巴菲特：“是的。在50年左右的时间里，我们可能学到了更多，或者说接触到了更多，我认为，如果我们回到100万美元，我们会知道更多值得关注的地方。”
芒格：“好的，我要说的是伯克希尔的有趣之处，你们中的许多人已经在伯克希尔投资了很长时间，你们实际上已经看到了它的发生，如果沃伦没有一直学习、学习、再学习，伯克希尔的记录与它的表现相比会很糟糕。我的意思是，每一个十年，为了使记录体面，他必须学会做一些他在十年之初还不知道怎么做的事情。我认为这就是他的真实状况，当然，他变老了。我很担心他。”(笑声)
PS：
持续学习，是我认为一辈子最重要的事。
从年初啥也不会，到现在可以独立vibe coding出我想要的分析智能体。在AI的帮助下，我感受到了肉眼可见的进步。
在持续研究公司和商业模式的过程中，我可以肯定的回答：
“同样的初始资金，若干年后，你的实际处理一定会比几年前更好。”
但前提是你要持续学习。
巴菲特和芒格的回答，已经很明确了。
但绝大部分人是不止要这么点内容的，他们想问：
“把你50%的收益方法告诉我，这才是我要的。”
方法其实不难。
从1994年到2012年的股东大会实录，我认为在2000前后，巴菲特和芒格对投资方法的节解读最多，特别是：
-
商业模式
-
好生意的本质
-
现金流折现和估值
配合巴菲特的读年报、芒格的持续阅读，我个人的体会是：
任何一家公司或行业，你都能研究的很好，但要达到深度理解的程度，时间是最大的敌人。
我近期的年报阅读行业是快餐，主要有四家公司：达美乐、麦当劳、肯德基、墨式烧烤。
去年的年报我也读，但今年读下来的感觉完全不一样，特别是在AI的帮助下。
很多分析的细节、风险的理解，和去年完全不是同一个东西，我最大的感受是：
“几家公司的竞争优势和风险，明显看得更深；能用简单的常识，理解优势的来源和持续性。”
不能说看到很远很远，但5年没问题。
本身快餐行业的变化不大，除了GLP-1等健康结构的影响外，也没有其他大的竞争。
饮食习惯和结构的调整，不是一两天就能改变的。
就像麦当劳的商业模式，用同样钱你几乎很难复制。
你可以做出一种新口味的汉堡，但商业地产的核心资源，麦当劳已经拿到，且都是10-20年以上。
除非麦当劳让出来或无法续约，否则你只能找其他位置，而且初始投入可能还更大。
汉堡提成和收租模式，即便有类似的，但能把租金做成核心利润来源的，少之又少。
加上几十年的品牌心智占领，竞争对手很难再轻易模仿出另一家“麦当劳”。
最近又接到很多问如何分析公司的问题，我统一回答：
-
从最初的招股书和年报开始，一份一份的看
-
想省点时间，年报直接看四部分：
-
商业模式
-
管理层讨论与分析
-
四张财务报表
-
附注仅用于查缺补漏
- 不懂的直接问AI，但不要直接相信AI给的数据：
-
AI网络引用数据可能有污染
-
仅引用准确的数据来源
-
尽量问深层次原因
举个例子，你向AI提问时，可以这么问：
“造成xx的原因是什么，你深度思考后，给出深度原理解读；若有多个层次的影响，直接触达最根本的常识，用常识来解读。在解读时，用寓言故事的方式说明事实，在故事的最后揭晓谜底。最后用一个段落总结全部的常识和问题。”
如果可以，你可以把你的独家分析方法，蒸馏成你独特的skill或workflow。
让AI帮你干粗活、累活，你只负责验收和做判断。
整个过程也很简单，把你做分析的流程，用最详尽的步骤写下来，然后丢给AI，让AI帮你完成自动化的创建。
前期的AI学习成本较高，但后期收益无限大。
持续学习的意义，不就有了吗。
…今天就这些了。