在过去两个月的AI编程训练营中，我遇到了一个特殊的群体：投资人。虽然人数不多，只有2位，但他们的学习动机让我很感兴趣。在AI成为全球投资唯一关键词的当下，这些专业投资人为什么要亲自学习AI编程？为了更深入了解这个群体的需求，我采访了其中一位学员。
下面是我们的对话：
Shadow：听说您是某知名VC的投资经理，主要关注AI赛道投资。是什么促使您亲自来学AI编程的？
投资人：我做AI投资已经三年了，从最开始的大模型热潮到现在的Agent应用爆发，每天都在看项目、做research。但我越来越发现一个问题：现在这些所谓的"deep research"工具完全不够用。
Shadow：您说的是类似Manus这种工具吗？
投资人：对，manus这些工具适合做报告，界面漂亮，生成的内容也很全面，但它们根本不利于我们做深入的洞察。举个例子，前段时间我在研究一个AI infra的赛道，需要分析几家竞对公司的技术路线。我发现某篇行业报告里引用了一些关键的技术论文，但manus只能给我报告的摘要，我拿不到那些引用的具体URL链接，更别说去深挖那些论文里的技术细节了。
这种情况太常见了。有时候我需要获取某个网站里特定分析报告的引用来源，或者想看看某家公司官网更新频率、技术博客的发布规律，这些细节信息对投资决策很重要，但现有的AI工具都帮不到我。
Shadow：以前遇到这种技术需求，您是怎么解决的？
投资人：之前大环境好的时候，我还能找IT部门的工程师帮忙解决一下。我们基金以前有个专门的技术团队，负责数据分析和系统开发。遇到需要爬虫、数据提取这种需求，我就去找他们。
但现在情况完全不一样了。这两年裁员裁得太厉害，我们基金的技术团队从8个人砍到2个人，剩下的还要维护内部系统，根本没时间帮我们做这种research相关的技术工作。很多时候只能自己亲自动手，但可惜我完全不会这些技术。
Shadow：所以您觉得必须自己掌握这些技能？
投资人：没错。特别是现在AI投资这么卷，投资人们看项目的方式就是"看商业护城河和技术护城河，看用户粘度和会不会被人轻松复制"。要做出准确判断，你必须能挖到足够深的信息。
就拿最近SuperMemory的事情来说，如果你只看表面的报道和分析报告，你很难理解它的技术创新到底在哪里，对整个AI生态的冲击有多大。但如果你能自己爬取它的GitHub代码提交记录、分析它的技术论文引用网络、甚至追踪它团队成员的学术背景，你就能看到很多别人看不到的insights。
这种深度research能力，直接影响投资判断的质量。现在市场上AI项目这么多，投资人"不一定能判断出什么是好项目"，如果你的research深度不够，很容易错过真正有价值的项目，或者被表面现象误导。
Shadow：听起来您对现有AI工具的依赖有些担忧？
投资人：非常担忧。我觉得学AI编程比单纯用manus这些工具更重要。我最近看到MIT有个研究说，大学生过度用ChatGPT，大脑会变傻，会显著降低大脑活动水平，削弱记忆，甚至造成"认知惯性"。这个发现让我很警醒。
太过依赖AI只会让自己变笨，被取代的可能性更高。我可不想成为只懂点击AI生成报告的人。
你想想，如果我只会用现成的AI工具做research，那我和一个刚入行的实习生有什么区别？大家都在用同样的工具，看到的都是同样的信息，最后做出的判断也会趋同。这种同质化对投资人来说是致命的。
而且现在AI工具发展这么快，今天你依赖的工具，可能明天就被更先进的工具替代了。但如果你掌握了AI编程的底层能力，你就能根据自己的需求定制化地解决问题，这种能力是不会被轻易替代的。
Shadow：那您在训练营里学到了什么？有什么具体的收获吗？
投资人：收获挺大的，但说实话还处于初学阶段。最大的改变是让我开始尝试自己获取一些简单的数据。比如最近我想了解几家AI公司的招聘动态，以前只能看他们的官方发布，现在我学会用AI帮我写个简单的脚本，定期检查他们招聘页面的变化。
虽然还做不了太复杂的分析，但至少不用完全依赖第三方报告了。课程让我明白了一个道理：很多看起来很技术的事情，其实分解成小步骤后没那么难。
Shadow：您觉得AI编程和传统的编程学习有什么不同？
投资人：差别很大。我之前也尝试过自学Python，光是配环境就搞了好几天，更别说理解那些复杂的编程概念了。
但AI编程就像是有个助手在旁边指导。我现在还做不了太复杂的事情，但基本的网页信息获取、简单的数据整理这些已经能应付了。关键是这种方式让我看到了可能性，以前觉得完全不可能的事情，现在觉得努力一下可能能做到。
就像我刚才说的招聘信息监控，我其实对编程语法的理解还是很浅的，但我知道如何描述我的需求，然后让AI帮我实现。
Shadow：这种能力对您的工作产生了什么影响？
投资人：目前还在探索阶段，但已经有一些小的改变。最直接的是我开始有意识地去验证一些数据了。虽然我还做不了太深度的分析，但至少不会完全依赖创始人的一面之词。
比如前几天看一个项目，创始人说他们的用户增长很快，我就试着用学到的方法去看看他们App的一些公开数据，发现确实有些出入。虽然我的分析还很粗糙，但这种验证的意识已经养成了。
我觉得最重要的是心态变化。以前遇到需要技术手段才能获取的信息，我就直接放弃了。现在我会想："这个是不是我可以试着自己做？"即使最后做不出来，但至少我会去尝试。
Shadow：对于想要学习AI编程的同行，您有什么建议？
投资人：我觉得最重要的是要有合理的期待。我们投资人学AI编程，不是为了转行做程序员，而是为了提升获取信息的能力。刚开始不要给自己设太高的目标，能做一些简单的数据收集就已经很有价值了。
另外，要保持学习的耐心。我刚开始的时候也很挫败，觉得什么都做不了。但训练营的老师告诉我，关键是要先建立信心，从最简单的任务开始。
最重要的是不要害怕尝试。很多同行觉得技术很难，其实迈出第一步后就发现没那么可怕。即使现在我的技术水平还很初级，但这种"我也能做点技术活"的感觉已经很不一样了。
Shadow：最后一个问题，您觉得投资行业会因为AI而发生什么变化？
投资人：这个问题我还在思考中。虽然我只是刚开始学，但已经能感受到一些变化。现在AI技术发展这么快，如果投资人对技术完全不了解，确实很难做出准确判断。
我觉得至少要具备基本的信息验证能力吧。不一定要成为技术专家，但不能完全依赖别人提供的信息。现在我虽然技术水平还很初级，但至少有了这种意识和尝试的勇气。
可能未来真的会出现分化，那些愿意学习新工具、新方法的投资人会有优势。虽然我现在还做不了太复杂的事情，但我相信这是一个正确的开始。
_
通过这次对话，我对投资人群体有了新的认识。他们学习AI编程不是为了成为技术专家，而是为了在信息获取上不再完全被动。
有趣的是，这些投资人的学习方式很务实。他们不会纠结于技术细节，而是专注于"这个能不能帮我解决实际问题"。即使是初学阶段，这种目标导向的学习也让他们快速找到了适合自己的方向。
最让我印象深刻的是那句"我可不想成为只懂点击AI生成报告的人"。正如MIT研究所揭示的，过度依赖AI工具确实存在认知风险。投资人们选择主动学习技术，而不是被动依赖工具，这种态度本身就很值得思考。
