周一下午，领导发来一个微信。
茅台、腾讯、长鑫科技看一下。美股的MEGA7看一下。还有，韩国那边最近股市涨得厉害，看看三星、SK海力士。
后面跟了一句很轻的话：「这几家的最新年报都看看，下周一我们碰一下。」
这句话最阴险的地方在于，它听起来不像一个任务。
它听起来像让你顺手把会议室空调调低两度。
但你真正打开电脑以后，事情会立刻露出它本来的面目：A股去巨潮，港股去披露易，美股去SEC EDGAR，韩国去DART，台湾去MOPS，日本去EDINET，英国去FCA NSM。每个网站都很官方，每个网站都很严肃，每个网站都像在说：我只负责我这一亩三分地，你跨市场研究关我什么事。
你以为自己要开始分析竞争对手。
实际上，你先开始了一场官方披露系统环球旅行。
这就是做研究最烦人的地方。
最烦的往往不是分析。
分析至少还需要判断，需要取舍，需要把几个事实拧成一个结论。烦的是，在你开始动脑子之前，你要先交一笔很低级、很琐碎、很难对外解释的税。
我把它叫做碎玻璃税。
这件事不难。它甚至不配叫难。
找入口、搜公司、选年份、点下载、改文件名、放进文件夹。这些动作拆开看，每一步都很朴素，朴素到你不好意思抱怨。你总不能跟领导说，我今天没有开始分析，因为我在和一个官方披露网站的搜索框搏斗。
这话说出来显得人很菜。
但知识工作里真正消耗人的，恰恰经常是这种“不难但烦”的事。
举几个例子。
美股的SEC EDGAR非常权威，也非常像一个从上世纪穿越过来的系统。你想找苹果年报，直觉上会搜AAPL。但EDGAR底层更喜欢CIK编号，一串正常人很难主动记住的数字。进去以后，你会看到10-K、10-K/A、8-K、DEF 14A、S-1、424B4混在一起。这里面10-K是年报，10-K/A是修正版，8-K是重大事件，DEF 14A是股东会委托书。
如果你第一次用，最可能的反应是：好的，我承认它们都很重要，但我现在只想要那一份年报。
下载下来以后，文件名可能长得像0000320193-24-000123。
非常严谨。也非常不像一个人类会在桌面上主动保存的文件名。
港股披露易也有自己的脾气。你最好知道公司代码，因为它不是每次都愿意用公司名称和你友好聊天。搜索结果里年报、中报、业绩公告、补充公告、董事会决议都可能挤在一起。更麻烦的是，有些公司不是12月财年，你按自然年去找，很容易觉得文件不存在，其实只是报告年度和公告日期错开了。
韩国DART更直接。它主要用韩文。如果你不会韩语，光是找到“사업보고서”这个年报按钮，就已经像完成了一次小型跨文化交流。
最坑的是，我知道你要说，为什么不去官网下载呢。你要知道，很多公司甚至都没有投资者关系的板块。
这些网站都不是不能用。
它们只是都默认你是一个本地、单市场、一次只查一家公司的用户。
但研究工作不是这样。
你经常要一次看五家公司、三个年份、两个市场。今天看中国白酒和海外烈酒，明天看A+H双重上市，后天看一家中国公司和美国、日本、欧洲对手的披露口径差异。
官方系统都在服务“查一次”。
而你的工作是在做“一组研究”。
中间这道缝，就要靠人来填。
填缝的人，通常叫新人、分析师、项目经理，或者倒霉的自己。
以前我也觉得，这不就是前期资料收集吗？
做研究哪有不收集资料的。
后来我慢慢觉得，这个说法有问题。不是资料收集不重要，恰恰相反，它太重要了，所以不该每一次都靠人肉硬扛。
一份竞对分析，最前面的地基不是你的框架多漂亮，也不是PPT首页那张市场规模图多顺眼，而是那几份原始材料到底能不能信。你只有手握真正的原始材料，才能用那一堆skill去分析。
你拿的是官方披露文件，还是二手整理？
你拿的是完整年报，还是年度报告摘要？
你拿的是原版10-K，还是10-K/A修正版？
这些问题听起来很细，甚至有点烦。但它们决定了后面的分析是不是站在地上。地基如果错了，后面写得越流畅，越像在沙滩上搭样板间。
这也是AI时代一个不太热闹、但很关键的变化。
大家现在更关心AI能不能写报告、画图、做PPT、总结会议。能，当然能。它写得还越来越快，越来越像那么回事。
但输出越快，输入越要命。
如果你的原始材料是错的，AI不会神奇地把它纠正成对的。它很可能只是用更优雅的语言、更精致的结构、更自信的语气，把错误放大。以前你要花两天写出一份有问题的报告，现在半小时就能交付一份排版精美的错误。
这不是效率提升。
这是错误加速。
所以我现在越来越在意一个能力，叫材料可信度。
它不是“会搜索”。会搜索只是入门动作。材料可信度是你知道什么东西能信，什么东西要怀疑，什么时候该回到官方源头，什么时候不能拿二手摘要糊弄过去。
这个能力不性感。
没人会在简历上写“熟练下载年报”。写了也像一种自我伤害。
但很多真正严肃的研究，死就死在这里。数据口径没对齐，年度选错了，报告版本拿错了，双重上市公司用错市场披露文件，最后会议上吵了两小时，以为大家在争判断，回头一看，是材料从一开始就没站在同一个地面上。
这也是我为什么觉得，这类“下载年报”的小事，不该一直停留在手工劳动里。
它不是低端杂活。它是研究工作的第一道质量门。
过去我们默认“找材料”是新人先做的活。新人先去找，找完再给老人看；分析师先去拉，拉完再给经理判断；底层材料打包好了，上面的人再开始“真正思考”。
这套分工在过去勉强还能运行，因为人的时间便宜，工具能力有限，大家也习惯了让初级岗位承担大量机械动作。
但现在这个逻辑有点过时。
不是因为新人不该做基础工作，而是因为很多基础工作已经应该被产品化、流程化、工具化。你让一个年轻人反复下载、重命名、归档，不是在训练他的判断力，只是在训练他的耐心。耐心当然也重要，但一个组织不能把低效说成磨炼。
磨炼和浪费，长得确实有点像。
区别在于，磨炼会让人能力增长，浪费只会让人熟练受苦。
所以我最近会推荐一个工具，叫Filings Atlas，中文名是全球披露图谱。
https://github.com/Eric-KY-Zhang/Filings-Atlas/releases/tag/v1.0.0
它只做一件事：批量拿到8个市场上市公司的官方披露PDF，统一命名，本地归档。
目前覆盖A股、港股、美股、韩股、台股、日股、英股、新加坡。输入股票代码，选年份和报告类型，点击下载，最后文件落到本地output文件夹里，文件名大概长这样：
A_600519_贵州茅台_2024_年报.pdf
HK_00700_腾讯控股_2024_年报.pdf
US_AAPL_Apple Inc_2024_年报.pdf
这几个文件名看起来没有任何技术奇迹。
但它们对研究工作很友好。
你一眼知道这是哪个市场、哪家公司、哪一年、哪类报告。你下次打开这个文件夹，不需要再像考古一样打开每个PDF确认身份。更重要的是，你可以把材料收集这件事从“每次临时开工”变成“一套稳定入口”。
它不能替你做分析。
也不应该替你做分析。
它更像一个很老实的同事，沉默地把文件拿齐、命名好、放到同一个地方，然后说：好了，你可以开始动脑子了。
我现在越来越喜欢这种克制的工具。它不假装比你聪明，也不急着替你下结论。它只是把那些本来不该消耗你注意力的动作拿走，让你把脑子留给真正需要判断的地方。
这里面有一个我自己踩过的坑。
这个工具早期版本里，我其实顺手做过财务数据抓取、三大报表数字提取、Excel底稿装填。
听起来很合理，对吧？
都已经下载年报了，为什么不顺手把数据也抓了？都已经识别公司了，为什么不顺手算指标？都已经做工具了，为什么不顺手生成底稿？
“顺手”这两个字，是很多产品变烂的起点。
后来我发现，跨市场财务数据口径、字段名称、报表结构、披露格式，维护成本远超想象。而真正高频、真正让人烦的需求，反而朴素得多：我只是想稳定拿到官方PDF。
于是推倒重来。
砍掉数据抓取。
砍掉指标计算。
砍掉Excel底稿。
只保留官方PDF下载、统一命名、本地归档。
这件事给我的启发很大。很多时候，工具的价值不是“它还能顺手干什么”，而是“它终于不再多管闲事”。
一个工具如果能把一个具体痛点解决干净，就已经很值钱了。尤其是在知识工作里，那些看起来不起眼的前置动作，往往是后面所有高阶动作的地基。
地基不需要花里胡哨。
地基只需要别塌。
这件事往大了看，其实是一个材料供应链问题。
很多公司讲数字化，讲AI转型，讲知识库，讲数据中台。但回到一个最朴素的场景：一线员工能不能在十分钟内拿到可信、完整、命名清楚、来源可追溯的基础材料？
如果不能，后面那些词就有点悬。
你不能一边让大家拥抱AI，一边让他们在官方披露网站里手动捡玻璃。
一个知识工作者最贵的资源，不是手速，是注意力。
你一天里真正能进行高质量判断的时间其实很少。大部分时候，我们的脑子都被各种边角料磨掉了：找文件、改格式、对版本、补字段、复制粘贴、确认来源。每一件都不大，但它们会把你的注意力切碎。
切碎之后，你再坐下来“深度分析”，其实已经半残。
所以我不认为下载年报只是下载年报。
它背后是一个更大的问题：我们到底有没有认真设计知识工作的材料供应链。
给不同读者几个特别具体的建议。
如果你是新人，不要满足于“我把资料找齐了”。你要多问一步：这些资料的来源、版本、年份、口径，能不能被下一个人复用？如果不能，你只是完成了一次搬运；如果能，你就在为团队留下资产。
如果你是中层，别再把资料收集简单丢给新人然后说“锻炼一下”。你应该检查的是流程：哪些材料每次都要找，哪些网站每次都要进，哪些命名每次都要改，哪些判断每次都靠人记。把这些东西写成规则，能工具化就工具化，不能工具化至少模板化。
如果你是管理者，别只问AI帮我们写了多少PPT、节省了多少工时。你应该问：我们有多少碎玻璃被扫掉了？有多少关键材料实现了可追溯？有多少业务判断不再靠“老员工心里有数”？
这比买多少账号重要。
因为账号是消耗品，规则才是资产。
而且这件事不是战略部、投研部、财务部的专属问题。
你去看很多办公室工作，本质上都有一条材料供应链。法务看合同，先要拿到正确版本、历史修改记录、补充协议和审批意见；市场做复盘，先要拿到真实投放数据、渠道口径、费用归属和转化口径；人力做组织盘点，先要拿到岗位编制、绩效记录、异动历史和访谈纪要。每个部门表面上都在做判断，实际上第一步都是先把可信材料摆上桌。
问题是，很多公司对“材料摆上桌”这件事没有敬畏。
大家默认材料会自己出现。默认有人能在群里翻到。默认老同事知道上一版在哪里。默认那个Excel虽然叫“最终版2-修改-新-真的最终版”，但大家都能猜出来哪个是真的。
这种默认，在AI时代会变得越来越危险。
因为AI不擅长猜公司里的潜规则。它不知道哪个文件才是老板口中的“上次那个版本”，不知道哪个表虽然名字旧但口径新，不知道某个数据因为去年组织调整已经不能直接同比。人和人之间还能靠眼神、记忆和一句“你懂的”糊过去，AI不懂这一套。
你不给它干净输入，它就会给你漂亮废品。
所以材料供应链不是一个低阶问题，而是AI能不能真正进入业务的前置条件。没有这层，AI再强也只是坐在会议室外面等人递资料。递进去的是错的，它就认真地错；递进去的是乱的，它就努力地乱；递进去的是过期的，它就用最先进的模型帮你复述过去。
我不是说每家公司都要做一个Filings Atlas。这个工具只是一个小例子。真正值得带走的是后面的思路：当你发现自己每次都在同一个地方受苦，不要急着提高忍耐力，先想想它能不能被拆成规则。
能被拆成规则的痛苦，就有机会被工具拿走。
拿走之后，你不是更闲了。
你是终于可以把注意力拿回来。
回到开头。做竞对分析最烦的，根本不是分析。
烦的是，你还没开始分析，就先被一堆官方系统、文件名、版本号、编码、年份口径、报告类型拖进泥地里滚了一圈。滚完之后，你还要假装自己精神饱满，打开PPT写“核心结论”。
这不合理。
AI时代最该被消灭的，不只是写周报、画图表、做网页这种显眼工作。还有这些藏在知识工作前面的、朴素到没人愿意认真命名的碎玻璃。
别小看它们。
很多时候，真正拉开差距的不是谁更会写结论，而是谁能更快、更稳、更可追溯地把可信材料放到桌上。
分析从来不是从第一页PPT开始的。分析从材料到位的那一刻才开始。
关注【BIE卷了】，换个姿势，不硬卷。
/ 作者：zb
