Baillie Gifford 是 1908 年创立于爱丁堡的合伙制资管老店，以超长期、高信念的成长股投资著称——早期重仓 Amazon、Tesla、蔚来成为经典案例，「实际投资者」理念强调以 5-10 年视角持有改变世界的公司，AUM 约 $1200 亿。Insights 专栏发布其基金经理的投资观点与主题研究。
这篇讲的是主动投资的核心不是比别人知道更多，而是想得不一样、想得更深。作者认为市场太关注表面事件和短期数据，忽略了决定公司长期价值的底层结构。他举了黑莓的例子：当年大家觉得市场快饱和了，其实真正的市场远不止华尔街员工，分母一变，整个故事就不同了。他还反思自己在Peloton上犯了错——把疫情时的临时行为当成了永久变化。重点提到的公司：Shopify（电商背后的交易轨道，AI让购物更碎片化，它的价值反而更高）、Cloudflare（网络流量的门控，AI流量越多它越稀缺）、Axon（执法记录仪背后的证据平台，政策变化激活了需求，它卡住了关键位置）。
一句话概括作者本期的市场判断：主动投资者的核心价值在于形成与市场预期显著不同的独立判断，而非获取更多信息。【中性】
作者认为，主动投资者的核心价值不在于获取更多信息或比他人更聪明，而在于形成对未来的独立判断——这种判断必须与当前市场预期显著不同，并且最终被证明更有用。 作者原话说：“If everybody has access to more or less the same information, what exactly is an active investor being paid to do?” 意即：“如果每个人都能获得大致相同的信息，那么主动投资者到底被雇来做什么？” 答案不是收集更多信息，而是“develop an independent understanding of what the future might look like – one that differs meaningfully from the view embedded in today’s expectations”（形成对未来的独立理解——一种与当前预期中嵌入的观点有显著差异的理解）。作者强调，单纯的逆向思维不是投资哲学，只有正确的差异化判断才有价值。
作者指出，市场擅长观察事件和模式，但难以预见系统重组带来的长期变化——这正是错误定价的来源。 作者写道：“Large changes rarely travel in straight lines. They create feedback loops. They remove constraints. They alter incentives.” 意即：“大规模变化很少直线发展。它们创造反馈循环，消除约束，改变激励。” 作者以互联网改变商业、智能手机改变通信、云计算改变计算、AI改变工作方式为例，指出仅仅识别这些变化“isn’t much of an insight”（算不上什么洞察）。真正的难题是追问“and then what?”（然后呢？）——变化释放了什么新行为？谁的立场被强化？什么开始自我强化？这些才是投资机会所在。
作者借用系统思想家Donella Meadows的“冰山模型”，将思考分为四层：事件（可见）、模式（重复行为）、结构（系统组织方式）、世界观（支撑结构的假设与价值观）。 市场擅长分析前两层——测量增长加速、比较历史、修正预测——但很少深入结构层面。作者以一家增长突然加速的公司为例：事件是“增长上升”，模式是“持续强劲”，但真正的问题在于“是什么导致了它？”——是临时促销、周期复苏、竞争对手失误，还是底层系统发生了变化（如瓶颈消失、反馈循环强化、新客户群体出现）？作者判断：“Events and patterns are outputs. They tell us what the machine has done. They do not tell us how the machine works.”（事件和模式是输出。它们告诉我们机器做了什么。它们没有告诉我们机器是如何运作的。）这正是市场擅长评估当下、却难以想象结构性不同未来的原因。
作者将“结构”定义为“the non-fakeable physics of a business or system”（一个企业或系统的不可伪造的物理特性）——即管理层无法用言语掩盖的底层关系和约束。 作者区分了“故事”与“机器”：故事可以被粉饰，机器有机械原理。管理层可以说文化很好、客户热爱产品、创新是核心——但这些都不一定告诉你在条件变化时系统会如何行为。结构问的是不同的问题：谁对谁有杠杆？信息流向哪里？客户依赖什么？什么是稀缺的？瓶颈在哪里？什么在自我强化？激励如何安排？当艰难权衡出现时，组织反复选择优化什么？这些问题将我们从“企业说了什么”转向“机器本身倾向于做什么”。
作者提出，一旦理解了底层结构，应追问三个问题，其中第一个是“系统运行在什么时钟上？” 作者写道：“Some structures strengthen slowly. Distribution becomes denser. Data accumulates. Customers become embedded. Trust builds. A cost advantage widens. What looks unremarkable over 12 months can become extremely important over 10 years.” 意即：“有些结构缓慢强化。分销网络变得更密集。数据不断积累。客户变得嵌入。信任逐渐建立。成本优势扩大。在12个月内看起来不起眼的东西，在10年内可能变得极其重要。” 作者总结：“Sometimes, time is part of the investment thesis.”（有时，时间本身就是投资论点的一部分。）这意味着，主动投资者需要识别那些随时间推移而自我强化的结构，而非追逐短期波动。
该文章为主动投资者提供了一个系统性的分析框架：超越可见事件和模式，深入理解产生它们的结构、约束和反馈循环。 作者暗示，当前市场对AI、云计算等变革性技术的定价可能过于关注短期增长数据，而低估了这些技术如何通过反馈循环重塑行业结构。投资者应寻找那些正在经历底层结构变化（如约束消失、激励改变、自我强化循环形成）的公司，而非仅仅追逐表面增长。机构视角偏差：Baillie Gifford作为长期成长型投资者，其框架天然偏好那些需要长时间才能显现价值的结构性变化，读者应注意这可能导致对短期风险的忽视。
文章的核心判断是：分析一家公司不应看它“是什么”（硬件/软件），而要看它“在系统中处于什么位置”。 作者认为，市场惯用的分类框架（如软件 vs 硬件、赢家 vs 输家）是“错误的分析单位”（the wrong unit of analysis），因为它只读取表面。真正的价值在于理解公司所处的系统结构，以及当技术变化时，哪个环节变得“更稀缺、更不可或缺”。
作者原话说：“That question rarely respects category lines at all.” 意即：“那个问题（即系统哪部分变得更有价值）几乎完全不尊重类别边界。” 作者以 Shopify 和 Cloudflare 为例，说明同一逻辑的两端：
| 公司 | 表面分类 | 结构位置 | AI 影响下的价值变化 |
|---|---|---|---|
| Shopify | 电商软件 | 交易“轨道”（rails）：支付、防欺诈、订单履约、退货处理 | 购物界面越碎片化（聊天、语音、Agent），每笔交易必须经过的轨道越有价值 |
| Cloudflare | 网络安全 | 流量“门控”（gate）：控制访问、过滤恶意活动、保障可靠性 | AI 带来的自动化流量（Agent、机器间交易）越多，门控的稀缺性越高 |
作者提出“激活”（activation）概念，指将潜在需求转化为实际采用的过程。 观察到的需求不等于底层需求——有时需求真实存在，但被“摩擦”压制：成本、不便、监管、习惯、缺乏信任、基础设施不足或采用新事物的痛苦。这种需求是“潜伏的”（latent）而非缺失的。
作者原话说：“If the relevant constraint disappears, latent demand can convert into adoption surprisingly quickly.” 意即：“如果相关的约束消失，潜在需求会以惊人的速度转化为采用。” 作者认为，一个看似稳定的市场可能突然扩张，一个看似小众的领域可能吸引新群体，一条看似线性的采用曲线可能急剧上扬。因此，他常问的问题是：“这个系统目前想做却做不到什么——如果阻碍它的东西消失，会发生什么？”
作者定义的“杠杆”（leverage）不是财务杠杆，而是“在阻力下仍能改变结果的能力”。 这种能力常常隐藏：一个参与者今天可能拥有相对较小的可见经济力量，但占据一个在条件变化时会变得极其有价值的系统位置——比如拥有瓶颈、关键信息流经它、客户或供应商难以绕过它、它设定标准、或它的商业模式让竞争对手在定价/再投资/分销/扩张上结构性无法复制。
作者强调：“A business model establishes the economic rules the company must live under.” 意即：“商业模式建立了公司必须遵循的经济规则。” 这些规则悄然约束某些行为、赋能另一些行为。竞争对手可以复制功能甚至产品，但“复制整台机器”（copy an entire machine）要难得多。路径（path）和杠杆（leverage）在此连接：识别能创造大机会的变化是一回事，但更好的是思考“谁在结构上处于捕获释放价值的位置”。
作者以 Axon 为例，说明结构变化如何同时激活需求并赋予杠杆。 执法记录仪（body camera）的采用加速，并非因为对更好证据和问责的需求突然出现，而是因为“政策、法规和机构接受的支撑框架”（surrounding scaffolding of policy, regulation and institutional acceptance）发生了变化。摩擦下降，潜在需求被激活。同样的逻辑现在适用于“无人机作为第一响应者”（Drone as First Responder）等新工具——效用容易想象，但采用取决于合法性、隐私规则和与现有工作流的整合。
但激活只是故事的一半。Evidence.com 在数字证据工作流中日益成为控制点：数据源自 Axon 设备，流入一个通用系统进行存储、处理和相关任务。更多流程通过该枢纽运行，切换变得更难，新产品附着在已安装基础上。因此两层相互作用——变化的世界观激活需求，Axon 的结构位置赋予它杠杆，决定需求流向何处。作者总结：“It isn’t enough to identify the pool of opportunity. You want to understand the plumbing: where the resulting value flows.” 意即：“仅仅识别机会池是不够的。你要理解管道：产生的价值流向哪里。”
文章指向的操作含义是：投资者应放弃按行业/类别筛选公司的习惯，转而绘制每个公司所处的系统地图，识别瓶颈移动的方向，并押注那些在变化中成为新控制点的公司。 作者明确批评市场共识（如“软件暴露、实体安全”）会造成“真正的损害”（real damage）。读者应注意：这是持仓方视角——Baillie Gifford 持有 Shopify、Cloudflare 和 Axon，文章本身有论证其持仓合理性的叙事成分。
作者用黑莓案例说明：当底层结构变化时，基于旧定义的可寻址市场（TAM）估算会彻底失效。 原文指出，黑莓手机当时渗透率看似很高，因为市场被定义为“需要移动电邮的华尔街员工”。但作者认为：“The problem was the denominator.”（意即：“问题出在分母上。”）——真正的分母后来变成了“携带联网计算设备有价值的人”，两者规模天差地别。作者强调：“Markets are systems. They expand when infrastructure changes, prices fall, friction disappears, business models change or a product becomes legitimate to an entirely new cohort.”（意即：“市场是系统。当基础设施变化、价格下降、摩擦消失、商业模式改变或产品被全新群体接受时，市场就会扩张。”）核心判断：分母的移动足以让看似数学上无可辩驳的结论变得几乎无关紧要。
作者自述在 Peloton 上犯了错——把临时行为变化误判为系统结构转变。 疫情期间，作者认为居家健身习惯会固化，Peloton 因此受益。但作者反思：“What I underappreciated was the deeper structure of the fitness system.”（意即：“我低估了健身系统的深层结构。”）——健身房不止是设备，还提供社交、身份认同、教练、社区等多项功能，且一个关键约束（健身房关闭）只是暂时被移除。当健身房重开，旧生态系统立即回归。作者总结教训：“A shift in behaviour may not represent a change in system structure.”（意即：“行为转变不一定代表系统结构变化。”）深度不等于确定性，框架应让问题更尖锐，而非让信念更响亮。
作者认为主动管理不是预测下一季度，也不是知道更多事实，而是理解可见事件背后的因果结构。 原文指出：“The opportunity, as I see it, is to understand the causal structure underlying what everybody can already see.”（意即：“在我看来，机会在于理解每个人都能看到的现象背后的因果结构。”）具体包括：区分事件与产生事件的机器、识别约束消失前的潜在需求、理解杠杆所在（即系统变化时价值将流向何处），并追踪这些后果足够远，直到结果与当前预期显著不同。作者强调这不是为了反向操作，共识经常正确，关键是理解“为什么”能否带你去尚未显而易见的地方。
文章没有指向具体公司或主题，而是提出一套分析框架：寻找“想发生但当前不能发生”的事，识别约束消失后的释放点，并追问“然后呢？” 机构视角偏差：作者用 Peloton 失败案例自省，说明该框架并非万能，深度分析仍可能误判系统结构。读者应注意，Baillie Gifford 作为长期成长股投资者，其框架天然偏好寻找结构性变化带来的非线性机会，可能低估短期均值回归风险。
| 标的 | 方向 | 作者态度一句话 | 关键数据 |
|---|---|---|---|
| Shopify | 持有观察 | 作为交易“轨道”，购物界面碎片化时每笔交易必须经过的轨道更有价值 | 无具体数据 |
| Cloudflare | 持有观察 | 作为流量“门控”，AI 带来的自动化流量越多，门控的稀缺性越高 | 无具体数据 |
| Axon | 持有观察 | 世界观变化激活需求，Evidence.com 在数字证据工作流中成为控制点 | 无具体数据 |
| Peloton | 未明示（反思案例） | 作者自述犯错，把临时行为变化误判为系统结构转变 | 无具体数据 |
| 黑莓 | 未明示（反面案例） | 当分母从“需要移动电邮的华尔街员工”变为“携带联网计算设备有价值的人”时，TAM 估算彻底失效 | 无具体数据 |