AI-native investment institution

让资本复利,也让判断复利。

传统基金把资本留在资产里,却常让判断散落在人的记忆、项目文件与一次性复盘中。Micro Capital 要构建第二条复利曲线。

我们的定义
让 AI 进入可结构化的工作流。
让人守住资本门。
让知识尽可能留在循环后。
进入叙事

01 · 熟悉的起点

资本一直在复利。
机构判断却未必。

LP 把资本交给 GP,期待组合价值随时间增长。但如果一项研究、一次失误、一个反方意见没有进入可追溯的机构系统,经验就会随项目结束、人员变化和市场切换而衰减。

02 · 新的能力缺口

AI 让答案变便宜。
可信判断更稀缺。

生成一份材料越来越快,但三件事仍不能被自动跳过。

01

Evidence · 证据

这项证据真的足以支持这项主张吗?

02

Accountability · 责任

谁审阅反方、保留未知,并为最终资本决定负责?

03

Memory · 记忆

一次项目的经验,如何变成下一次可调用的机构能力?

“AI 原生”若只意味着更快地产出答案,就还没有触及投资机构最难的部分。

03 · 重构工作流

不是加一个工具。
是重构工作流。

Micro Capital 从流程起点设计人机协作:AI 扩大信息覆盖、交叉检查与持续追踪;人类保留语境判断、反方审阅、权限控制与资本责任;每个循环都留下可复用的知识资产。

01 / AI

进入工作流

研究、证据映射、情景分析、组合监测与报告,都拥有机器可执行的结构。

02 / HUMAN

守住资本门

最终下注不交给黑箱。支持、反对、未知与责任人必须同时可见。

03 / MEMORY

留在循环后

结果不是终点。经验进入模式、方法和规则,再回到下一轮决策。

04 · 机构学习闭环

让每次循环,
留下更硬的判断资产。

01资本配置

从 LP 熟悉的承保问题出发

02识别缺口

看见证据、责任与记忆缺口

03重构流程

离开 AI 只是插件的旧框架

04写入结构

让判断能够被执行与审阅

05双重复利

让资本与判断进入两条循环

06承担代价

接受纪律、复核与不过度承诺

07回到治理

接受 LP 对系统的现场抽查

08机构沉淀

把持续积累判断设为能力目标

05 · 第二条复利曲线

一套投资系统。
两种资产复利。

资本环追求资产价值增长;判断环把每次研究、投决、结果与偏差转化为下一轮的机构能力。两条环在人的资本门上咬合。

Capital loop

资本进入资产

选择、建仓、治理、价值创造与退出,在既定授权和风险边界内展开。

Judgment loop

判断进入机构

证据、反方、未知、结果与复盘被结构化,转化为可复用的模式、方法与规则。

Human
capital gate

Institutional moats

真正的护城河,
不在模型本身。

通用模型会快速普及。难以复制的是专有语境、证据纪律、责任结构、经验转化和跨周期运行共同形成的机构系统。

E

证据可追溯

让主张、证据、来源、时效与失效条件形成一条可审阅的责任链。

H

人类资本门控

AI 扩大覆盖,人类承担语境判断、权限控制与最终资本责任。

M

机构记忆复利

把一次性经验转化为跨项目可调用的模式、方法和执行规则。

C

跨周期一致性

流程、边界和反方记录不依赖某一次灵感,减少能力随人员与周期重置。

O

开放方法,保护执行

治理原则与方法可以解释;判断阈值、项目图谱、具体结论与管线保持受控。

One system · multiple horizons

更长的判断,
更快的反馈。

一级投资是长期价值创造主线;二级市场提供更高频的定价与周期信号;LP 治理把能力变成可审阅、可重复的机构承诺。

Primary

一级投资 · 深研究与价值创造

把行业、公司、团队与治理语境沉淀为长期判断资产,陪伴价值形成。

核心应用
Secondary

二级市场 · 定价与周期传感器

把更高频的价格、预期与周期变化带回长期判断,作为能力延展,而非未经证明的业绩宣称。

延展方向
LP governance

基金治理 · 可审阅的机构能力

让投决责任、证据边界、经验反馈与能力变化能够被清楚解释和持续复盘。

治理承诺

06 · 代价与边界

我们主动放弃
三种诱惑。

可信的 AI 原生机构,不以自动化幻觉、漂亮完成率或融资过度承诺换取表面速度。

01

放弃黑箱自治

持续投入人类复核、反方记录、权限管理与最终责任。

02

放弃“全部变绿”

流程可以完成,结论仍可不确定;未知项必须被诚实保留。

03

放弃过度承诺

机制验证只证明系统在运行,不被包装成回报、风险下降或 alpha。

当前可以证明

  • 经验可以被结构化并形成跨事件模式
  • 流程完成与结果确定可以被分开表达
  • 知识能沿经验、方法、规则回到执行

仍需基金周期证明

  • 长期投资回报与超额收益
  • 风险调整后表现与策略容量
  • 能力在不同市场周期中的稳定性

07 · LP 承保视角

不必相信口号。
请现场抽查系统。

LP 最终仍在承保判断、责任与可重复性。三个问题,足以区分 AI 叙事与机构能力。

01

随机抽一项投资主张,能否追到证据、来源、更新时间与失效条件?

02

随机抽一次投决,能否同时看到支持、反对、未知项与最终责任人?

03

随机抽一次失败,能否看到它改变了哪条后续方法或判断?

08 · 承保对象的变化

承保的不只是一组资产。
是一家把判断沉淀为能力的机构。

LP 仍在做基金配置,但这一次,机构以同时积累资本资产与判断资产为目标。AI 不是最终决策者;它被用于让人类判断更可验证、更可复用,也更难被遗忘。

AI-enabled workflows · Human capital gates · Institutional memory by design