【值得一讀】高善文留下的，和AI帶不走的
從一個讓人遺憾的消息說起。
7月7日，國投證券前首席經濟學家、著名經濟分析師高善文在香港病逝，享年55歲。
消息傳出當天，很多財經媒體和學者發文悼念。在這些文章里，有一個詞出現的頻率很高，叫「不可替代」。
為什麼這個詞特別值得留意？因為今天，AI對這個行業的衝擊太明顯了。高盛曾在報告中明確指出，金融分析行業是受生成式AI衝擊最深的領域之一。
那麼，在這樣一個背景下，什麼樣的分析師可以被稱為「不可替代」呢？
要想回答這個問題，我們得先從高善文的職業生涯說起。
兩種完全不同的分析師
很多人可能未必知道，當我們說「分析師」時，它指代的可能是兩種完全不同的職業模式。
●一種，是做模型的分析師。他們負責財報解讀、公司估值、數據整理，產出是Excel表格、研究報告、投資評級。這類工作高度模板化，AI替代它們幾乎沒什麼阻力。
●另一種，是做判斷的分析師。他們負責的是完全不同的事，比如預測經濟的大方向、判斷一輪周期的拐點、判斷一個市場是不是被系統性高估了。這類工作很難模板化，因為它要在信息不充分、數據互相矛盾的時候，給出一個只屬於「這個人」的判斷。這個判斷對不對，不是靠模型算出來的，是靠這個人幾十年積累的認知，在關鍵時刻「湧現」出來的。
高善文，就屬於第二種。
1971年，高善文出生於山西臨汾的一個山村。1988年考入北大，原本念的是電子學專業，後轉向經濟學，進入光華管理學院的前身——北大國民經濟管理系。他曾寫道：「北大像個自由市場。只是在這個市場上自由叫賣的並非文具，而是各種聞所未聞的新思想。」
後來他進入光大證券做首席經濟學家，2004年在《新財富》評選中拿了宏觀經濟第一名，之後一直蟬聯直到2007年。2007年，高善文轉入安信證券（後來的國投證券），做了整整18年首席，直到去年底離職。
但讓他真正被業內廣泛認可的，不是這些頭銜，而是他做判斷的方式。這裡有兩個他最著名的判斷：
判斷一：2006年的「資產重估」
「資產重估」，簡單來說，就是一大類資產（比如股票、房子，甚至紀念幣和郵票）的價格，在短時間內集體發生一輪大規模的重新定價。不是某一隻股票漲了，是整個資產類別都在漲。
2006年3月，高善文在一次經濟形勢座談會上正式提出這個判斷。當時上證指數在1250點附近，市場情緒剛剛回暖，大部分人還在猶豫。
高善文的核心邏輯是：當時中國市場出現了一個很奇怪的現象——貨幣信貸在加速擴張，但實體經濟里的產能卻在過剩。錢在變多，但實體經濟的好項目在變少。那錢去哪兒了？錢不可能憑空消失，它一定會找到出口。高善文判斷，這些錢會大量湧入資產市場，推動股票、房地產的價格經歷一輪系統性重估。
他花了大量時間，研究日本1980年代後期和更多地區同時期的資產重估經驗。結果，提出判斷一年半後，上證指數從1250點漲到了6124點的歷史高位，房價全面上漲。「資產重估」也成為那幾年國內宏觀分析中被反覆討論的話題之一。
判斷二：2010年的「劉易斯拐點」
「劉易斯拐點」是發展經濟學裡的一個概念。簡單說，一個開發中國家在工業化早期，農村有大量剩餘勞動力，企業可以用很低的工資招到人，經濟可以「便宜地」高速增長。但隨著工業化推進，農村的剩餘勞動力被逐漸吸收完畢，到了某個時刻，低端勞動力就會從「過剩」變成「短缺」。
這個轉折點就叫劉易斯拐點。一旦過了這個點，低端勞動力的工資會快速上漲，企業成本上升，進而導致整個社會的物價長期維持在一個更高的水平上，即所謂「通脹中樞系統性抬升」。
2010年9月，高善文撰寫報告指出：中國已經在2005到2006年前後走過了劉易斯拐點，「低端勞動力已經從過剩轉向短缺，未來幾年通脹中樞會系統性抬升。」
但在當時，很多人認為中國農村還有大量剩餘勞動力，遠遠沒有到短缺的地步，認為他的判斷太超前。
為了驗證自己的判斷，高善文選擇了一個可以被數據檢驗的間接切入角度：研究不同農產品的價格變化趨勢。
為什麼要看農產品？因為不同農產品的勞動力密集度是不一樣的。蔬菜、水果這類需要大量手工採摘、分揀的作物，對低端勞動力的依賴很高；而糧食這類已經高度機械化的作物，對低端勞動力的依賴相對較低。如果低端勞動力真的從過剩轉向了短缺，那麼勞力密集型農產品的價格，應該漲得比機械化農產品快得多。
這個研究設計的妙處在於：不同作物的勞動密集度差異，是由作物本身的生物特性和技術條件決定的，短期內不會變化。這也就意味著，低端勞動力市場的緊張，必然會通過農產品價格反映出來。
事後回看，他這個當時被廣泛質疑的判斷，被後來的數據基本證實了。
經濟分析的自我嘲諷與「諸葛亮式」定位
看到這裡，有人可能會問，難道他的預測「從來不會錯」嗎？當然不是，他也有過誤判。高善文還曾經寫過一副對聯自嘲：
上聯：解釋過去，頭頭是道，似乎有理下聯：預測未來，躲躲閃閃，誤差驚人橫批：經濟分析
關於高善文，業內流傳最廣的一個說法叫「諸葛亮式分析師」。據說這個說法起源於他自己的一個比喻：分析師應該像諸葛亮，負責客觀分析、提供高質量的思考；而買方投資者應該像劉備，負責最終決策、承擔風險。
用他自己的話說：「從商業角度而言，市場分析要著眼於預測，預測正確與否是檢驗研究是否有價值的最重要判據之一。但對於學院派的經濟分析來講，立足點不在趨勢的預測，更不在預測是否準確，而在於它的解釋是否足夠穩健，是否有足夠的差異化，是否能發展出一些普適性的新思想、新方法，或者新的分析工具。」
換句話說，在高善文看來，分析師的價值不在於「結果對不對」，而在於思考本身的質量。
AI時代，什麼才是帶不走的「稀缺」？
我們講高善文的觀點，不僅僅是為了介紹他的思考方式。從他的職業生涯里，我們能看到關於「AI替代」的深刻啟發：
1. AI替代的是「分析師的產出物」，而不是「分析師本身」
如果你把高善文所有的報告餵給一個大模型，AI大概率能模仿他的文風、複製他的分析框架，甚至生成一份看起來「很像高善文」的宏觀分析報告。
但當年，面對一個所有人都覺得「還看不清」 Market（市場）時，AI可能很難憑空說出「資產重估」這句話。那個判斷不是純粹從歷史數據里推導出來的，是從他這個人的整個認知積累里長出來的。
換句話說，AI時代，「產出物」在快速貶值——報告、數據整理、常規分析，AI幾分鐘就能做完。當產出物變得人人都有的時候，最大的差異化來源，或許就是「這個人」的判斷。
2.走向「綁定型稀缺」
●過去人類歷史上的每一種「稀缺」，幾乎都是產能不夠導致的。
●手工業品稀缺，因為產能不夠，工業革命解決了；
●信息稀缺，因為傳播不夠，網際網路解決了；
專業知識稀缺，因為獲取渠道不夠，搜尋引擎解決了。
這些稀缺的共同特徵是：它們都可以被技術手段「解決掉」。
但「人的判斷力」，它的稀缺不來自「產量不夠」，而是因為它「只能長在某個具體的人身上」。這是由一個人多年的閱歷、犯過的錯、對異常的嗅覺，所有這些因素沉澱的結果。它跟這個人的生命綁定在一起，沒法被批量複製。
未來判斷一件事有沒有稀缺性，可以通過這麼一個問題來衡量：「離開那個具體的人，這件事還成立嗎？」
●一本教材，離得開作者依然成立，所以它終將被AI大量生產。
●但一位老師對某個具體學生說「你應該走這條路」，這離不開這位老師對這個學生幾年的觀察，所以永遠稀缺。
●一個AI能跑出來的宏觀分析框架，離得開任何具體的人依然存在，所以它可能會變成免費品。
●但一個人在二十多年從業經驗里練出來的「對數據的嗅覺」，離不開這個人本身，所以它越來越貴。
再看一眼高善文那副對聯。「解釋過去，頭頭是道，似乎有理」，這恰恰是AI最擅長的。你給它任何一組歷史數據，它能給你一百個頭頭是道的解釋。「預測未來，躲躲閃閃，誤差驚人」，這恰恰是只有人才能做的。
因為預測不是推導。預測是一種賭上自己全部認知積累的冒險。你得在信息不充分的時候，做出一個可能是錯的判斷，然後用自己的聲譽為這個判斷負責。這在過去稀缺，在未來的AI時代也許依然稀缺。
附：高善文博士經典言論11句
以下涵蓋了高善文博士的很多關鍵思考，值得收藏：
「解釋過去頭頭是道，似乎有理；預測未來躲躲閃閃，誤差驚人。」——橫批「經濟分析」
「所有經濟活動的終極目的是讓人們過上更美好的生活，消費活動應該是所有經濟活動最終極的目的。」
「經濟轉型就像在高速公路上轉彎，速度太低也會出問題。」
「不要對宏觀經濟企穩、新周期等抱有太多想法，接受經濟下滑的現實，自下而上、埋頭苦幹才是應對的主要策略。」（2019年策略會）
「合理的價格並不是底部，顯著的背離和低於合理價格才能形成底部。」
「底部形成的時候，空方永遠是多數派的，多方永遠是膽戰心驚的。」
「過去的日本，靠出海熬過三十年。在一個停滯的經濟環境中，有競爭力的企業大量出海，能夠進一步刺激和提高其報酬率。」
「人們很容易把總量層面的問題和轉型結構聯繫起來，甚至可能把總量的問題歸結為轉型的問題。」
「對預測未來心懷恐懼、對市場波動充滿敬畏，在保持數據的密切追蹤中，隨時準備承認錯誤並改變看法。」
「掌握生產力的人，適合出海；掌握生產關係的人，適合留在國內。」
「對老年人而言有固定退休金，收入預期沒有任何影響，可以繼續搞夕陽紅，跳廣場舞。對年輕人而言，收入預期大幅下修，工作難找，紛紛節衣縮食。」