前Point72研究主管：AI时代真正的优势来自"挥锤子"的学徒功夫
Kirk McKeown曾在Steve Cohen旗下Point72担任自营研究主管长达8年半，此前在Larry Robbins的Glenview负责基本面渠道调查和数据驱动研究，其团队巅峰期每年进行数千次行业调研电话。他在播客中阐述了一套关于"优势"本质的完整方法论。他的第一个优势来源是纯粹的时间投入："如果你每个周日工作六小时，一年50个周日就是300小时。按每周50小时算，这相当于多出六周——别人一年工作12个月，我工作13个半月。"他对年轻人使用AI走捷径发出警告："没有什么能替代亲手做功课。如果你没有拆解过一个三表模型，没有花时间搞懂10-K中的MD&A（管理层讨论与分析），那种学徒训练是有价值的。挥锤子本身就有价值。"（YouTube/播客、X/Ethan Rho）
McKeown将这种"模拟世界的经验积累"推向了极致：他亲自深入澳大利亚的煤矿井下、走遍台湾的工厂车间、考察德国的商场、英国的酒吧、医院、配送中心和玉米田——"只为了理解一切是如何运转的。"他的核心理念是"知识会复利"（knowledge compounds），而生成alpha的本质是取舍。McKeown于2021年离开Point72后创立了Carbon Arc，获5500万美元种子轮融资（Liberty Ventures领投），定位为结构化数据交易平台。Carbon Arc将非结构化和孤立的私有数据转化为AI可消费的格式，按兆字节计价销售，最低不到1美元——其愿景是为300亿个AI agent构建底层数据基础设施。该平台已于2026年3月向散户开放，通过MCP协议接入Claude等AI工具，同时以每月20美元的价格在Reddit上提供"对冲基金级数据堆栈"（Business Insider、VentureBeat、AI Street）。
来源：公开信息
ABAB AI Insight
McKeown的核心论点——AI时代的优势回归到"模拟世界的手工功夫"——与当前硅谷主流的"AI替代一切"叙事形成了精确的对位。他的逻辑链条是：当所有人都能用AI瞬间生成财务模型、摘要10-K文件、筛选数据时，工具层面的差异消失，真正的alpha来源退化为两个不可商品化的要素——时间投入和体感认知。"300小时周日加班"不是效率故事，而是意志力筛选器；"走进煤矿和工厂"不是数据采集，而是建立AI无法获取的因果直觉。在金融领域，这种直觉就是能判断"这个数据异常是信号还是噪音"的能力——一种只能通过长时间浸泡在实体产业中才能习得的隐性知识。
这与Mark Cuban同天发表的观点形成了有趣的呼应。Cuban从企业管理者角度指出"员工不会把企业知识分享给AI系统"，McKeown从投资研究者角度说的是同一件事的镜像：最有价值的投资洞察来自走访工厂、矿井和配送中心获取的一手信息，这些信息从未被数字化，也不可能被AI抓取。两人共同指向的结论是，AI能力的天花板恰恰由人类不愿意或不可能输入系统的知识所决定。
McKeown创建Carbon Arc的商业逻辑揭示了一个更深层的产业趋势。当AI模型将所有公开数据消化殆尽后，差异化alpha的来源必然迁移到私有数据——信用卡交易、药房理赔、薪资流水、物流数据——这些数据过去被大型对冲基金以年度合同锁定，中小机构无力负担。Carbon Arc将这些数据拆解为按兆字节计价的微交易，本质上是在做数据市场的"民主化"——与McKeown关于"学徒功夫"的主张看似矛盾，实则互补：工具可以民主化，但使用工具的判断力不能。当每个散户都能用20美元/月接入对冲基金级数据时，区分赢家和输家的不再是数据获取能力，而是解读能力——而解读能力正是McKeown所说的那种只能通过"拆三表模型""读10-K的MD&A""走进矿井"才能积累的复利式认知。