阿香在美食街开了一家火锅店。刚开业时，她花半年研发了一款“AI 毛肚”，只有几位老饕私下试吃，赞不绝口。没过多久，一条探店视频让小店突然爆红，门口排起长龙，黄牛把号炒到几百块。她兴奋极了，一口气开出三家分店。然而三个月后，差评如潮水般涌来——“排两小时就这？”“汤底没特色！”热度退去，店里冷清得能听见花椒在汤里翻滚的声音。她关掉分店，回到后厨重新打磨底料。慢慢地，老客人回来了，小店重新热闹起来，最终成了这条街的“必吃榜”常客。 阿香的这段经历，就是技术周期的缩影。从技术触发、期望膨胀、泡沫破裂，到复苏爬坡、生产成熟，每一项新技术都像这家火锅店一样，走的从来不是一条直线，而是起起伏伏的“人气曲线”。这条曲线在科技界有个著名名字——Gartner 技术成熟度曲线。理解这条曲线，你就拿到了判断 AI 技术、赛道与创业时机的地图。

岗位关联

对 AI 从业者而言，技术周期是你在做技术选型、创业融资、职业规划时必须佩戴的“时钟”。看清自己站在周期的哪个位置，能帮你避开高位接盘的陷阱，也能抓住无人问津时的布局窗口。

目录
  1. 可视化演示
  2. 五阶段模型
  3. 阶段识别法
  4. 泡沫形成机制
  5. 破灭与幸存
  6. 历史案例复盘
  7. 创业布局策略
  8. 投资节奏把握
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

通过Gartner技术成熟度曲线展示技术从概念炒作到实际应用的五阶段演化路径，对比三种投资策略在不同阶段的入场时机与风险回报特征。

本节配有交互动效（进入视口后自动加载，约 3KB）。

Gartner技术成熟度曲线 五阶段：触发→膨胀→谷底→启蒙→生产 关注度 = f（时间，技术成熟度） 技术周期呈现先涨后跌再回升的S型演化路径

五阶段模型

阿香的火锅店从开业到爆红再到冷清，最后沉淀为必吃榜常客，这条“人气曲线”可以拆成五个清晰的赛段。Gartner 公司把新技术的发展也画成了同样的曲线，纵轴是“市场期望值”，横轴是“时间”，这就是技术成熟度曲线。它不预测哪家店能活，只描述一类店普遍走过的路。

第一个赛段叫技术触发。这时只有极客和老饕在小圈子里讨论，产品粗糙、成本极高，但有一批人坚信它的潜力。第二个赛段是期望膨胀，探店视频、媒体头条、资本故事轮番轰炸，所有人都怕错过，排队也要吃一口，期望被推到最高点。第三个赛段是泡沫破裂，排两小时吃到的味道不过如此，差评雪崩，门店冷清，大量跟风者倒闭离场。第四个赛段是复苏爬坡，真正留下的人开始打磨底料、迭代配方，渗透率悄悄回升。第五个赛段是生产成熟，味道稳定、客流稳定、模式跑通，成为常规选项而非新鲜话题。

阿香后来明白了，开店前先问自己：我的店正处在五段中的哪一段？如果门口排队是虚火，就得趁早备好现金流；如果店里冷清，反而可能是打磨产品的黄金时间。技术创业者面对 AI 热潮时，也应该先做这道定位题。

E(t)={0.35t0.20≤t<0.20.35+0.65t−0.20.20.2≤t<0.41.0−0.9t−0.40.20.4≤t<0.60.1+0.5t−0.60.20.6≤t<0.80.6+0.15t−0.80.20.8≤t≤1\displaystyle E(t)=\begin{cases}0.35\dfrac{t}{0.2} & 0 \le t < 0.2 \\[6pt]0.35+0.65\dfrac{t-0.2}{0.2} & 0.2 \le t < 0.4 \\[6pt]1.0-0.9\dfrac{t-0.4}{0.2} & 0.4 \le t < 0.6 \\[6pt]0.1+0.5\dfrac{t-0.6}{0.2} & 0.6 \le t < 0.8 \\[6pt]0.6+0.15\dfrac{t-0.8}{0.2} & 0.8 \le t \le 1\end{cases}
这是一个分段函数，用五段不同斜率的直线近似 Gartner 曲线的五个阶段。斜率代表期望变化的速度：慢升、急升、暴跌、缓升、趋平。
  1. 触发段斜率前 20\% 的时间段，期望从 0 缓慢升到 0.35。对应极客圈内的小范围讨论，斜率平缓是因为大众还没看见。
    0.35×t0.2,0≤t<0.2\displaystyle 0.35\times\frac{t}{0.2},\quad 0 \le t < 0.2
  2. 膨胀段斜率期望从 0.35 陡升至 1.0，斜率最大。媒体和资本同时加速，市场情绪像排队抢号一样冲上顶点。
    0.35+0.65×t−0.20.2,0.2≤t<0.4\displaystyle 0.35+0.65\times\frac{t-0.2}{0.2},\quad 0.2 \le t < 0.4
  3. 破裂段斜率期望从 1.0 断崖式跌到 0.1，斜率为负且绝对值最大。现实落地跟不上叙事，差评集中爆发。
    1.0−0.9×t−0.40.2,0.4≤t<0.6\displaystyle 1.0-0.9\times\frac{t-0.4}{0.2},\quad 0.4 \le t < 0.6
  4. 复苏段斜率期望从 0.1 温和回升到 0.6。产品迭代见效，真实用户缓慢增长，斜率由负转正。
    0.1+0.5×t−0.60.2,0.6≤t<0.8\displaystyle 0.1+0.5\times\frac{t-0.6}{0.2},\quad 0.6 \le t < 0.8
  5. 成熟段斜率期望从 0.6 升到 0.75 后基本走平。技术成为基础设施，不再有戏剧性波动。
    0.6+0.15×t−0.80.2,0.8≤t≤1\displaystyle 0.6+0.15\times\frac{t-0.8}{0.2},\quad 0.8 \le t \le 1

阶段识别法

阿香吃过一次亏：她以为自己“火了”，其实只是被探店视频架到了火上。后来她学会看四块仪表盘，而不是听博主吆喝。第一块是翻台率——真实到店消费的客人有多少；第二块是黄牛价——排队溢价的泡沫有多高；第三块是复购率——吃完还愿不愿意再来；第四块是点评区的差评率——真实体验的负面反馈。

技术领域的四块仪表盘与此对应：媒体热度衡量新闻量、搜索指数和报告数量；资本节奏衡量融资事件、估值水平和入场机构数；落地渗透率衡量企业真实付费使用的新技术比例；人才流动衡量从业者简历关键词和岗位需求的变化。只看任何一块都会误判：媒体热但渗透率低，多半在期望膨胀期；渗透率高但媒体冷，往往已进入复苏爬坡期。

阿香现在每周做一次“四表会审”：翻台率下跌、黄牛价暴涨，她就知道虚火来了；复购率稳步上升，她才敢考虑开分店。AI 从业者也该给自己做同样的体检——你所在的赛道，媒体在升温，还是渗透率在升温？这两个问题，决定了你该挥舞铲子还是该捂紧钱包。

S=w1⋅M+w2⋅C+w3⋅A\displaystyle S = w_1 \cdot M + w_2 \cdot C + w_3 \cdot A
阶段识别得分等于媒体热度、资本流入、落地渗透三个指标按权重相加。权重根据行业经验设定，代表了“综合判断”的思想。
  1. 媒体热度 M把新闻量、搜索指数、社交讨论量归一化到 0—1。这是最容易观测但也最容易骗人的指标，因为叙事会自我放大。
    M=搜索指数−min⁡max⁡−min⁡\displaystyle M = \frac{\text{搜索指数} - \min}{\max - \min}
  2. 资本流入 C把融资金额、投资事件数、估值倍数归一化。资本节奏往往滞后于媒体一两拍，但泡沫破裂时它跑得比谁都快。
    C=当期融资额历史峰值融资额\displaystyle C = \frac{\text{当期融资额}}{\text{历史峰值融资额}}
  3. 落地渗透率 A把真实采用率、付费客户数、API 调用量归一化。这是最“诚实”的仪表盘，因为它衡量的是用户用真金白银投票的结果。
    A=实际采用企业数目标市场企业总数\displaystyle A = \frac{\text{实际采用企业数}}{\text{目标市场企业总数}}
  4. 加权求和三项指标乘上各自权重再加总，得到的 S 值对照经验阈值，即可定位所处阶段。
    S=w1⋅M+w2⋅C+w3⋅A\displaystyle S = w_1 \cdot M + w_2 \cdot C + w_3 \cdot A

泡沫形成机制

阿香一直想不通：为什么自己的店会被吹到那个高度？后来她复盘发现，泡沫从来不是火锅店自己吹起来的，而是四股力量合谋的结果。第一股是叙事放大器——一条探店视频配上“惊艳全城”的标题，算法把视频推给十万个本来不关注火锅的人；第二股是资本追风——投资人看到排队盛况，FOMO（错失恐惧）上头，抢着给分店注资；第三股是稀缺性幻觉——黄牛囤号制造“吃不到”的稀缺感，让人误以为产品供不应求；第四股是马太效应——越火的店越有人拍，越有人拍越火，头部通吃。

技术领域的泡沫机制如出一辙。大模型公司的每一次发布会都是“叙事放大器”；VC 看到竞品融资就焦虑，于是催生“资本追风”；GPU 算力紧张被渲染成“永远稀缺”，制造了“稀缺性幻觉”；头部创业公司融资一轮比一轮大，中小企业被挤出牌桌，这就是“马太效应”。

阿香后来学会在排队最疯狂的时候问自己一句：“这些客人是来吃火锅的，还是来拍照片发朋友圈的？”当拍照的人占比超过一半，她就知道泡沫在膨胀。AI 创业者也该问同样的问题——你的客户是来解决问题的，还是来追概念的？答案决定了你是在积累价值，还是在积累泡沫。

dBdt=α⋅N(t)⋅F(t)−β⋅V(t)\displaystyle \frac{dB}{dt} = \alpha \cdot N(t) \cdot F(t) - \beta \cdot V(t)
泡沫的膨胀速度等于叙事强度乘资金流入速度，减去真实价值验证速度的抵减项。当叙事与资金乘积远大于价值验证时，泡沫加速膨胀。
  1. 泡沫规模 B代表市场对该技术附加的“水分”总量，可理解为估值中超出基本面支撑的部分。它不是实物，而是一种集体情绪的累积。
    B=估值−基本面支撑价值\displaystyle B = \text{估值} - \text{基本面支撑价值}
  2. 叙事强度 N(t)媒体、KOL、行业大会共同营造的故事感染力。叙事不需要证明自己是对的，只需要让足够多的人相信。
    N(t)=报道量×情绪指数×传播层级\displaystyle N(t) = \text{报道量} \times \text{情绪指数} \times \text{传播层级}
  3. 资金流入 F(t)追逐叙事的资本总量。叙事与资金形成正反馈——叙事吸引资金，资金又制造新叙事，杠杆就此叠加。
    α⋅N(t)⋅F(t)≫β⋅V(t)\displaystyle \alpha \cdot N(t) \cdot F(t) \gg \beta \cdot V(t)
  4. 价值验证 V(t)真实产品被用户付费使用的速度。V 越滞后，β·V 越小，泡沫越吹越大；当 V 长期追不上叙事，破灭只是时间问题。
    dBdt<0  ⟺  β⋅V(t)>α⋅N(t)⋅F(t)\displaystyle \frac{dB}{dt} < 0 \iff \beta \cdot V(t) > \alpha \cdot N(t) \cdot F(t)

破灭与幸存

泡沫破裂那天，阿香站在冷冷清清的店里，看着对面三家跟风的火锅店贴出转让告示。她做了三件事：关掉亏损的分店、把囤货的现金流收回来、回到后厨把毛肚的七上八下涮法研究到极致。三个月后，老客人们发现她的店味道确实不一样了，口碑开始回流，而那些跟在风口上的店早已人去楼空。

破灭期的规律是残酷而公平的。估值率先回落，靠概念撑起来的“独角兽”最先倒下；行业被迫回归本质，所有人重新算收入、成本、毛利，不再讲故事；幸存者获得优势，因为竞争对手退场，用户、人才、流量都开始向剩下的玩家集中；人才再配置随之发生，工程师从讲故事的伪需求项目流向算得清账的务实项目。

阿香和对面倒闭的店最大的区别，不是她产品更好吃（虽然确实更好吃），而是她没在膨胀期背上巨额租金和供应商欠款。破灭期拼的不是谁嗓门大，而是谁的血条厚。AI 创业者要时常检查自己的 γ₁c 是否为正、γ₃l 是否过高，别等潮水退了才发现自己在裸泳。

P=11+e−(γ1c+γ2b−γ3l)\displaystyle P = \frac{1}{1 + e^{-(\gamma_1 c + \gamma_2 b - \gamma_3 l)}}
这个公式用逻辑斯蒂函数描述一家公司穿越破灭期的生存概率。生存概率由现金流健康度、真实壁垒强度和杠杆率三个因素共同决定，与“吹得多响”无关。
  1. 现金流 c 与权重 γ₁现金流越健康，生存概率越高。c 代表经营产生的真实现金流入减去流出，是破灭期最硬的指标。
    γ1c,c>0  ⟹  γ1c>0\displaystyle \gamma_1 c,\quad c>0 \implies \gamma_1 c>0
  2. 真实壁垒 b 与权重 γ₂技术专利、数据积累、客户关系等真实壁垒。壁垒越深，竞争对手越难复制，用户粘性越强。
    γ2b,b≫0\displaystyle \gamma_2 b,\quad b \gg 0
  3. 杠杆率 l 与权重 γ₃债务、对赌协议、租金承诺等刚性支出。杠杆越高，泡沫破裂时的失血速度越快，公式里它是减项。
    −γ3l,l↑  ⟹  P↓\displaystyle -\gamma_3 l,\quad l \uparrow \implies P \downarrow
  4. 逻辑斯蒂变换把三因素的线性组合压到 0—1 之间，得到生存概率。当指数项为 0 时概率为 0.5，比 0.5 高则大概率活下来。
    σ(z)=11+e−z\displaystyle \sigma(z) = \frac{1}{1+e^{-z}}

历史案例复盘

阿香开始研究美食街的历史，发现每三五年就会轮回一次：××捞、××串串、××茶，剧本几乎一样——尝鲜、爆火、倒闭、沉淀、复出。她意识到每家店的配方不同，但周期的“骨架”惊人地相似。技术史也在反复上演同样的剧本。

互联网泡沫（1995—2001）是教科书级的案例：Pets.com 等公司只有概念没有收入，市值却冲破天际，泡沫破裂后纳指跌去近八成，但活下来的亚马逊成了电商基础设施。移动互联网周期（2007—2013）节奏更快，iPhone 发布触发浪潮，App 创业涌入，虽然也有泡沫但整体温和，因为基础设施已经存在于电信网络中。云计算（2009—2015）最开始被质疑“企业不可能把核心数据放云端”，却在泡沫破裂后悄然渗透，如今成为水电一样的存在。AI 周期则更曲折：2012 年深度学习引爆热潮，2018 年经历“AI 寒冬”论调，2022 年底生成式 AI 再度燃爆，大模型让人们看到AGI 的可能性。

阿香把美食街的历史写在厨房的白板上，每次有人给她推荐“下一个必火项目”，她就拿 M 值算一算：现在的热度是成熟价值的多少倍？如果是 20 倍，她就知道这是 1999 年的互联网，不是 2012 年的云计算。AI 从业者翻开历史，不是为了背诵年份，而是为了识别剧本——当新一轮“必火叙事”响起，你要能听出它翻拍自哪一集。

M=VpeakVmature\displaystyle M = \frac{V_{\text{peak}}}{V_{\text{mature}}}
泡沫倍数等于某个周期中期望的峰值除以成熟稳定期的期望值。倍数越大，说明该周期水分越重，教训越深刻。
  1. 峰值期望 V_peak市场对该技术最狂热时的期望值。通常出现在期望膨胀期的顶点，往往由融资规模和媒体声量共同推高。
    Vpeak=max⁡tE(t)\displaystyle V_{\text{peak}} = \max_{t} E(t)
  2. 成熟期望 V_mature技术进入生产成熟期后收敛到稳定水平。它代表真实价值的锚点，通常远低于峰值。
    Vmature=lim⁡t→∞E(t)\displaystyle V_{\text{mature}} = \lim_{t \to \infty} E(t)
  3. 比值 M两者相除得到泡沫倍数。互联网泡沫的 M 可能高达几十，云计算的 M 则小得多，说明后者炒作水分更少。
    M=VpeakVmature\displaystyle M = \frac{V_{\text{peak}}}{V_{\text{mature}}}

创业布局策略

美食街上有三种店主：第一种在概念刚萌芽时低价盘下店面，熬过冷清期后成了元老；第二种看到别人排队才冲进去，高位接盘后血本无归；第三种在泡沫破裂后低价接手转让店，重新打磨产品，反而笑到最后。阿香属于第三种——她没有预测周期的天赋，但她学会了在每个阶段做正确的事。

对应到技术创业，启蒙期的策略是“卡位”：低成本投入研发，积累数据和专利，不急着变现，因为这是入场成本最低的窗口。期望膨胀期的策略是“变现”：利用融资窗口拿到弹药，同时警惕叙事陷阱，不要让业务依赖幻觉。破灭期的策略是“练功”：对手撤退，人才和流量释放，正是打磨产品、积累客户信任的最佳时机。复苏期的策略是“爆发”：产品验证完成，渗透率拐点出现，果断投入销售和扩张。

阿香的计算告诉她：在破灭期接手转让店最划算——转让价低（C₀ 小），老店有一定口碑基础（π 有保障），她只需要把产品打磨好（缩短 T_w）。她不再羡慕那些在高峰期风光开店的人，因为她知道，笑得久的才是赢家。AI 创业者在涌入大模型赛道之前，不妨先算一遍自己的 NPV。

NPV=π(1+r)Tw−C0\displaystyle \text{NPV} = \frac{\pi}{(1+r)^{T_w}} - C_0
净现值公式帮助你评估“现在入场还是等待时机”：提前入场需要一笔早期投入 C₀ 并等待时间 T_w 才能进入成熟市场，把等待期的机会成本算清楚后，再决定何时出手。
  1. 成熟利润 π技术进入生产成熟期后能获得的稳定年利润。这是市场天花板，也是你最终要赚到的钱。
    π=市场规模×市占率×净利率\displaystyle \pi = \text{市场规模} \times \text{市占率} \times \text{净利率}
  2. 折现因子与等待时间 T_w你在早期入场后，需要等待 T_w 年才迎来成熟期。每多等一年，利润折现到今天的价值就缩水一次。
    (1+r)Tw,r=折现率\displaystyle (1+r)^{T_w},\quad r = \text{折现率}
  3. 早期投入 C₀启蒙期或破灭期的研发、市场试错成本。早期入场之所以吸引人，是因为 C₀ 低；但代价是 T_w 长、不确定性高。
    C0=研发成本+试错成本+机会成本\displaystyle C_0 = \text{研发成本} + \text{试错成本} + \text{机会成本}
  4. 净现值比较当 NPV 大于 0，说明该阶段入场划算；小于 0 则不如等拐点确认后再进场。
    NPV=π(1+r)Tw−C0\displaystyle \text{NPV} = \frac{\pi}{(1+r)^{T_w}} - C_0

投资节奏把握

美食街最有眼光的投资人不是追风的网红基金，而是卖调料的老王。他从不看探店博主的视频，只在每月底看阿香的进账流水。冷清期人少，他主动给阿香无息借了一笔钱，条件是以后按成本价供料。爆火期别人追着投资阿香的分店，他却悄悄把借条收回来一部分。他说：“我不要在最高点显得聪明，我只要在最低点不缺席。”

技术投资同样讲究节奏而非预测。逆向布局要求你在泡沫破裂、估值回落的谷底，下注重实质资产和现金流的公司——类似老王在冷清期进货。顺势加速要求你在复苏信号明确、渗透率拐点出现后再加仓，不接飞刀，也无需精准抄底。止损纪律要求你预先设定“叙事破裂、基本面恶化”的离场线，避免从坚持变成死扛。长跑思维则是承认周期必然起伏，用仓位和纪律穿越它，而不是试图消灭它。

老王的调料铺子为什么能一直开下去？因为他从不赌自己能在最高点套现，他只是用“别人贪婪我恐惧，别人恐惧我贪婪”的纪律，把每一次周期都变成复利的机会。AI 投资亦然——大模型估值已经高企，重要的是问自己：我的 Signal 公式里，a 和 b 分别设了多少？

Signal(t)=a⋅dEdt−b⋅(E(t)−Eˉ)\displaystyle \text{Signal}(t) = a \cdot \frac{dE}{dt} - b \cdot (E(t) - \bar{E})
这个信号公式把两种投资逻辑合二为一：前半项顺着趋势动量走，后半项逆着过热程度走。它提醒你既要尊重趋势，又要警惕偏离常态太远。
  1. 动量项 a·(dE/dt)期望的变化率代表趋势方向。dE/dt 为正说明周期正在上行，信号为正，可以顺势参与。
    dEdt>0  ⟹  趋势向上\displaystyle \frac{dE}{dt} > 0 \implies \text{趋势向上}
  2. 均值回归项 b·(E - Ē)当前期望值偏离历史均值越多，向均值回归的拉力越强。E 远大于 Ē 时，后半项为负，提示减仓。
    E(t)−Eˉ≫0  ⟹  过热\displaystyle E(t) - \bar{E} \gg 0 \implies \text{过热}
  3. 权重 a 与 ba 大则偏趋势跟踪，b 大则偏逆向交易。成熟的机构会根据周期相位动态调整 a、b 的比例。
    a+b=1,a,b≥0\displaystyle a + b = 1,\quad a,b \ge 0
  4. 综合信号取正、取负、取零分别对应加仓、减仓、观望。没有公式能预知拐点，但你可以用纪律避免在最糟的位置重仓。
    Signal>0  ⟹  加仓,Signal<0  ⟹  减仓\displaystyle \text{Signal} > 0 \implies \text{加仓}, \quad \text{Signal} < 0 \implies \text{减仓}

AI 应用场景

场景一：AI 创业者判断是否跟风入局大模型

阶段：赛道选择与入场时机

解决的问题：2023 年生成式 AI 爆发后，无数创业者面对两难：不上车怕错过窗口（FOMO），上车又怕泡沫破裂血本无归。用“技术周期定位法”评估后，创业者可以判断自己想做的是“基础大模型”（处于期望膨胀期，需要巨额资本支撑）、“垂直行业应用”（处于复苏期，值得深耕）还是“AI 原生工具”（渗透率低但增长陡峭，适合卡位）。避免在期望膨胀期用对赌协议换取高估值，转而选择破灭期更健康的融资结构。

具体案例：某团队 2023 年初计划做通用大模型，用阶段识别四块仪表盘评估后发现：媒体热度 95 分、资本流入 90 分、落地渗透率仅 8 分——典型期望膨胀期。他们果断转向“法律行业合同审查助手”，避开算力烧钱战，在 2024 年泡沫回调声中实现了正向现金流。

场景二：投资机构用阶段指标给 AI 公司估值

阶段：尽职调查与投资决策

解决的问题：传统估值只看财务预测和团队背景，容易在技术泡沫期给“只有叙事没有落地”的公司打出荒谬估值。引入“周期位置 + 泡沫倍数”框架后，机构先判断公司所在赛道处于 Gartner 曲线哪个阶段，再用泡沫倍数 M 校准估值锚点：如果赛道处于期望膨胀期且 M 超过 10 倍，估值要在 DCF 基础上打折；如果赛道已跌入泡沫破裂谷底，反而可以寻找基本面扎实的逆向标的。

具体案例：某 VC 在 2024 年评估一家 AI 客服公司：竞品都在烧钱抢大客户，该公司却专注中小客户的标准化产品，单月收入已覆盖 80\% 成本。VC 判断其处于复苏爬坡期，按“谷底布局 + 幸存者优势”逻辑完成投资，一年后赛道回暖，公司估值翻了三倍。

场景三：企业 CTO 决定生成式 AI 的采纳时点

阶段：技术选型与落地规划

解决的问题：传统企业 CIO 面对炒作常走两个极端——要么跟风上马大项目（在期望膨胀期高位接盘），要么过度保守错过效率红利。用技术周期框架指导，CIO 可以在破灭期（此时供应商价格回归理性）以低成本的方式试点生成式 AI 用于客服、文档处理等确定性场景，在复苏期再规模化推广，把预算花在拐点确认之后。

具体案例：某制造企业在 2023 年末启动 AI 质检项目时，恰逢市场对生成式 AI 的“幻灭期”，供应商愿意提供大幅折扣和定制支持。企业以预算的 60\% 完成了试点，2024 年验证效果后追加投入并全面推广，成为行业效率标杆。

Python 演示

python56 行
# -*- coding: utf-8 -*-"""技术周期阶段评估器 根据媒体热度、资本流入、实际采用率三项指标,判断一项技术当前处于 Gartner 曲线的哪个阶段。"""  def evaluate_stage(media, capital, adoption):    """输入三项指标(0-100), 返回阶段名称与判断理由"""    if adoption < 15 and media < 30 and capital < 30:        return "技术触发期", "少数极客在尝鲜, 大众尚未感知"    if adoption < 20 and media >= 60 and capital >= 60:        return "期望膨胀期", "叙事很热但落地很少, 警惕泡沫"    if media < 40 and capital < 40 and adoption < 35:        return "泡沫破裂期", "热度退潮, 行业洗牌, 活下来靠真本事"    if adoption >= 40 and media < 60:        return "复苏爬坡期", "渗透率回升, 产品找到真实需求"    if adoption >= 70 and capital >= 50:        return "生产成熟期", "主流采纳, 技术基础设施化"    return "过渡期", "信号混杂, 建议结合人才流动与竞品数据进一步判断"  def simulate_cycle():    """模拟一条 Gartner 曲线的期望值走势, 演示五阶段切换"""    def curve(t):        if t < 0.2:            return 0.35 * t / 0.2        if t < 0.4:            return 0.35 + 0.65 * (t - 0.2) / 0.2        if t < 0.6:            return 1.0 - 0.9 * (t - 0.4) / 0.2        if t < 0.8:            return 0.1 + 0.5 * (t - 0.6) / 0.2        return 0.6 + 0.15 * (t - 0.8) / 0.2     stages = ["技术触发期", "期望膨胀期", "泡沫破裂期", "复苏爬坡期", "生产成熟期"]    print("\n--- 曲线模拟 ---")    for i in range(11):        t = i / 10        idx = 0 if t < 0.2 else 1 if t < 0.4 else 2 if t < 0.6 else 3 if t < 0.8 else 4        print("t={:.1f} 期望={:.2f} 阶段={}".format(t, curve(t), stages[idx]))  if __name__ == "__main__":    cases = [        ("生成式AI(2023)", 95, 90, 12),        ("自动驾驶(2020)", 45, 40, 25),        ("云计算(2012)", 55, 60, 45),        ("企业上云(2020)", 30, 35, 75),    ]    print("--- 阶段评估 ---")    for name, m, c, a in cases:        stage, desc = evaluate_stage(m, c, a)        print("{} -> {}: {}".format(name, stage, desc))    simulate_cycle()
目的：这是一个轻量的技术周期判断工具箱，用三段式规则模拟 Gartner 曲线的阶段识别逻辑，帮助创业者或投资人在没有数据团队的情况下快速定位技术所处周期。
  1. def evaluate_stage(media, capital, adoption):定义核心评估函数，输入三个 0—100 的指标分，输出阶段与解释
  2. if adoption < 15 and media < 30 and capital < 30:三个指标都很低，说明只有极客在玩，对应技术触发期
  3. if adoption < 20 and media >= 60 and capital >= 60:媒体热、资本热、落地冷，典型期望膨胀期的“虚火”特征
  4. if media < 40 and capital < 40 and adoption < 35:热度退潮且渗透率未起，对应泡沫破裂期的谷底
  5. if adoption >= 40 and media < 60:落地渗透率先于媒体回升，这是复苏爬坡期最可靠的信号
  6. if adoption >= 70 and capital >= 50:渗透率规模化且资本稳定流入，说明技术已成为基础设施
  7. def simulate_cycle():模拟函数，把五段分段函数的期望值打印出来，便于直观理解整条曲线的形状
  8. idx = 0 if t < 0.2 else 1 if t < 0.4 else 2 if t < 0.6 else 3 if t < 0.8 else 4根据时间 t 映射到五个阶段的下标
  9. if __name__ == "__main__":程序入口，用四个历史案例演示评估器用法，输出阶段判断结果

常见误区

误区泡沫破裂了，技术是不是就完蛋了？大家都不提 ChatGPT 了，是不是生成式 AI 凉了？周期结束是不是意味着这个方向不值得做了？

正解周期不是寿命，而是“热度—期望”的波动。泡沫破裂淘汰的是资本泡沫和伪需求，技术本身往往沉淀为基础设施。互联网泡沫破裂后死了无数 ".com" 公司，但互联网成了水和电。生成式 AI 概念降温时，真正的落地应用反而开始赚钱。周期结束只意味着炒作结束，而不是技术死亡。

为何常见：人们容易把“媒体报道热度”等同于“技术生命力”，媒体不报道就以为技术消失，这是把叙事当成了本体。

误区既然有五阶段曲线，我是不是可以算出哪一天到峰值、哪一天崩盘，然后精准抄底逃顶？像看天气预报一样安排融资和退出。

正解Gartner 曲线是描述性框架，不是时间预言机。不同技术的周期长度差异巨大——互联网泡沫走了六年，短视频概念只用了两年，大模型的拐点更是谁也说不准。曲线告诉你“大概率有这五个阶段”，但不告诉你“每个阶段持续几天”。与其预测拐点，不如监测指标：当渗透率开始爬坡、叙事开始退烧，你就该调整动作。

为何常见：人天生喜欢确定性和规律感，看到一条平滑曲线就想在上面标满买卖点，忽略了真实世界的不确定性。

误区媒体天天报道 AI，说明泡沫已经很大了，我应该赶紧跑，千万别碰正在被热炒的技术和公司。热度就是风险本身。

正解期望膨胀期虽然风险高，但也是融资最容易、品牌势能最强、用户教育成本最低的窗口。聪明玩家的做法不是离场，而是改变身份：创业者可以在膨胀期完成融资储备弹药，但不用泡沫估值去扩张线下重资产；投资人可以减仓规避泡沫，但保留观察仓位等待破灭后的抄底机会。关键不是“要不要参与”，而是“以什么姿势参与”。

为何常见：人们容易把“风险”和“机会”二元对立，忽略了同一阶段对不同身份的参与者意义完全不同。

误区等 AI 技术进入生产成熟期，一切都稳定了，我再进场一定稳赚不赔。宁可慢一点，也不要当炮灰。

正解成熟期的特点是竞争格局已定、巨头林立、进入壁垒极高。就像火锅市场已经形成了“必吃榜”格局，你现在再开一家新店，没有差异化就只能打价格战。破灭期和复苏早期才是新玩家的窗口——对手退场、估值理性、用户渴望新选择。成熟期入场等于用最贵的价格买最晚的船票。

为何常见：规避风险的本能让人倾向于“等确定了再动手”，但技术商业的悖论是：确定的时候，窗口也关闭了。

面试题

Q1. 在 Gartner 技术成熟度曲线中，市场期望值达到最高的阶段是？

单选题 · easy

  • A.技术触发期
  • B.期望膨胀期← 正确答案
  • C.泡沫破裂期
  • D.生产成熟期

答案：B。期望膨胀期是媒体、资本和叙事合力把市场情绪推到顶点的阶段，恰如网红火锅店排队最疯狂的时刻。技术触发期期望刚起步，泡沫破裂期期望断崖下跌，生产成熟期期望趋于平稳，所以只有 B 正确。

Q2. 技术触发期的典型特征是什么？

单选题 · easy

  • A.资本市场热烈追捧
  • B.极客圈内小范围实验← 正确答案
  • C.主流企业全面采用
  • D.行业标准完全确立

答案：B。技术触发期对应阿香火锅店“只有几位老饕私下试吃”的阶段，产品粗糙、成本高、大众无感。资本市场追捧属于膨胀期，全面采用和标准确立属于成熟期，故 B 正确。

Q3. 泡沫破裂期通常伴随的现象是？

单选题 · easy

  • A.估值回落与资本退潮← 正确答案
  • B.排队抢购热潮再现
  • C.企业渗透率井喷
  • D.人才大量涌入赛道

答案：A。泡沫破裂期就像差评涌来后的火锅店——排队消失、资金撤退、估值回落。渗透率井喷和人才涌入是复苏期或膨胀期的特征，B、C、D 都与破裂期的“退潮”逻辑相反。

Q4. 一家 AI 公司媒体曝光极高、融资一路走高，但企业付费用户数极少，最可能处于哪个阶段？

单选题 · mid

  • A.技术触发期
  • B.期望膨胀期← 正确答案
  • C.泡沫破裂期
  • D.复苏爬坡期

答案：B。这正是“媒体热、资本热、落地冷”的组合，像探店视频爆红但翻台率不涨的火锅店，属于典型的期望膨胀期。技术触发期媒体不会热，破裂期融资不会走高，复苏期付费用户会增长，故 B 正确。

Q5. 技术泡沫的“稀缺性幻觉”指的是什么？

单选题 · mid

  • A.技术供应客观不足
  • B.资金误判供给有限← 正确答案
  • C.高端人才真正稀缺
  • D.数据资产真正稀缺

答案：B。稀缺性幻觉是黄牛囤号制造的假稀缺——让消费者误以为“吃不到”，从而抬高预期。AI 领域的算力紧张未必是绝对稀缺，但资本与媒体渲染放大这种紧张感，制造了供不应求的错觉。B 正确描述了这种认知错位。

Q6. 泡沫破灭期最有可能幸存下来的公司具备什么特征？

单选题 · mid

  • A.融资能力最强
  • B.资本叙事最响
  • C.现金流壁垒最实← 正确答案
  • D.产品迭代最快

答案：C。破灭期拼的是“血条厚度”——健康现金流和真实壁垒决定公司能否撑过寒冬，对应公式 P = 1/(1+e^{-(γ₁c+γ₂b−γ₃l)})。融资能力、叙事能力在资本退潮时都会失效，产品迭代快但没现金流的公司也会死在黎明前。

Q7. 判断一个赛道进入泡沫破裂期的组合信号是？

单选题 · hard

  • A.媒体热、资本热、采用高
  • B.媒体退、资本撤、采用低← 正确答案
  • C.媒体稳、资本稳、采用升
  • D.媒体热、资本退、采用高

答案：B。破裂期是“三低”局面——媒体不再报道、资本撤离、实际采用率还没起来，对应差评雪崩后门店冷清的状态。A 是膨胀期信号，C 是复苏期信号，D 的“媒体热但资本退”组合很罕见且不符合破灭期规律。

Q8. 技术进入“生产成熟期”的典型特征包括哪些？

多选题 · mid

  • A.主流企业开始规模化采用← 正确答案
  • B.技术逐渐成为基础设施← 正确答案
  • C.竞争格局趋于稳定← 正确答案
  • D.媒体炒作达到顶峰

答案：ABC。生产成熟期对应火锅店成为“必吃榜”常客的阶段——客流稳定、口碑稳定、格局稳定。技术成为像水电一样的基础设施，主流玩家按部就班使用。媒体炒作顶峰属于期望膨胀期，D 不选。

Q9. 创业者要在 AI 技术周期中生存并胜出，合理的策略包括哪些？

多选题 · hard

  • A.破灭期专注打磨产品与现金流← 正确答案
  • B.膨胀期盲目烧钱扩张门店
  • C.复苏期快速抢占落地场景← 正确答案
  • D.触发期低成本布局前沿方向← 正确答案

答案：ACD。破灭期练功、复苏期爆发、触发期卡位是三种正确的周期策略，对应阿香关店回后厨、老客回流后扩张、早期盘下店面的三个阶段。膨胀期盲目烧钱扩张是典型的高位接盘行为，B 不选。

Q10. 投资机构在把握技术周期节奏时，正确的做法包括哪些？

多选题 · hard

  • A.低谷期逆向布局优质标的← 正确答案
  • B.高点追涨当下热门概念
  • C.设定止损纪律避免死扛← 正确答案
  • D.用长跑思维穿越整个周期← 正确答案

答案：ACD。逆向布局利用均值回归，趁冷清期进场；止损纪律防止在叙事破裂后还死扛；长跑思维接受周期起伏、顺势调整。高点追涨热门概念是典型的 FOMO 行为，容易被套在期望膨胀期的山顶，B 不选。