技術預言的陷阱：企業家和投資人常引用的Gartner曲線對新技術走向的預測一定正確嗎？
獵雲注：Alex不只預言了2001年電子商務的衰落，也預言了2003年後“True” e-business的誕生。
編者按：它因成功預言互聯網泡沫一戰成名，20年來一直是企業家和投資人最常引用的模型之一；它以簡潔形式勾勒出萬千技術的演化軌跡，卻也曾因預測失准而倍受質疑。它便是Gartner光環曲線。如何解讀曲線真實含義？如何在曲線之外更好地識別風險、把握機遇？源碼資本經過分析研判呈現第七期[ 源碼內參 ]。
觀點
技術預言的陷阱
研究出品/源碼
各種模型本質上都是從某些側面對複雜世界所做的局部剪影，只滿足於局部清醒而忽略全域未知因素的人，很可能會掉入模型的陷阱中；技術本身是極難預測的因素，1999年夏天，整個矽谷沉浸在燥熱的狂喜裡。Web技術和電子商務成為口口相傳的熱詞，誰不談論“新經濟”、“新秩序”，誰就會被當成商業社會的盲人。初創公司只需在名字上加“e”或“.com”就能讓估值翻番。
然而在大洋另一端，Gartner倫敦辦公室的分析師Alexander Drobik卻感到一陣莫名的寒意。這位IT老兵曾在航空業服役多年，早就見證過電子商務在機票預訂和全球分銷系統中的成熟應用。在他看來，別人談論的e-business並不是多麼顛覆性的技術，不值得市場為那些止不住虧損的公司貼上比盈利良好的公司更高的價簽。
這個觀點在當時太過離經叛道，以至於Gartner內部也引起了不小爭論。歷經數月說服，評審委員會才下定決心將研報下發給數千名客戶。
但更重要的是，Alex不只預言了2001年電子商務的衰落，也預言了2003年後“True” e-business的誕生。回顧歷史，LinkedIn（2002）、Skype（2003）、Facebook（2004）、Twitter（2006）都是在這段時期嶄露端倪。這引起了業界和學界對Gartner曲線的興趣——新技術的走向真的可以被預測嗎？
2、統計意義上“不夠準確”如果你肯花時間，總能找到更多支援這條曲線的例子。比如Web技術公司的發展軌跡，Amazon和Yahoo在1998-2005年間的股價變動就和曲線走勢非常接近。但你也可能聽說過“後見之明”與“倖存者偏誤”，很多事後看來有跡可循的因果鏈條，在萌發之初其實充滿不確定性，只是我們選擇性地過濾掉了那些與現狀不相符的線索，好讓它在敘事上顯得融洽、和我們假想的模型更一致。
為了消除這種偏見，你應該提出反問：有多少曾經紅極一時的公司沒能從困境中爬出來？有多少曾被預言為前景廣闊的技術最終只是曇花一現？
2016年，Icon Ventures的投資人Michael Mullany對此做出了有趣的探究。通過回溯2000-2016年間Gartner光環曲線提及的200多項新興技術，他發現：
在炒作高峰後跌入穀底的技術中，很多沒能再爬起來；有超過50項技術只炒作了一年就淡出人們視野；其中眾包（2013）、HTML5（2012）、BYOD（自帶設備，2012）和播客（2005）等技術雖然仍在使用，但也只能算是小有成就。只有4項重大技術很早就被發現，而且完整地經歷了曲線“先起-後落-再起”的階段；它們是：雲計算（2008）、3D 列印（2005）、自然語言搜尋（2002）和電子墨水（2000）。有一些被炒作過的領域在技術洞察上是有前瞻性的，但卻因落地方式不對或市場仍不成熟，直到數年之後才重新得到應用，例如 Web Service Enabled Business Model（2003；現在Twilio、Plaid等公司採用這種模式）、公共認證服務（2002；類似於現在的Oauth認證）、萬億級架構（2006；可以容忍局部故障並儘快恢復的大規模計算體系）。技術曲線也漏判了很多重大技術，如x86、NoSQL、Hadoop、開源技術等，它們或者很晚才被發現，或者從未出現在光環曲線上。換言之，如果你是all in黑科技以求彎道超車的CEO，或是照著Gartner曲線撒網早期專案的的投資人，那麼多數時間你都會鎩羽而歸。因為統計意義上，Gartner曲線的預測並不準確。但如果你擅長做二階思考，能從人們都看得見的資訊裡發掘出少有人思考過的盲區，那麼這條曲線其實很有價值。
3、從二階思考中淘金不妨從一個簡單例子入手。下圖是2017年7月發佈的新興技術曲線，密密麻麻排布著32項技術。如果你是創業者、投資人、諮詢師，你的第一印象會是什麼？
看起點，5G技術和邊緣計算（edge computing）首次上榜，並被寄予厚望；看高峰，物聯網平臺、深度學習、機器學習風頭正盛，且預計2-5年內能進入成熟期；看低谷，增強現實和虛擬實境的預期回歸理性，且業界認為，虛擬實境正逐漸展露出應用前景。這些結論都不錯。但它對創業/投資/商業管理意味著什麼？如何將它應用於行動和判斷？這些才是我們真正感興趣的議題。讓我們對曲線做些加工，以投資領域為例，畫一個4*4的矩陣，橫軸是一項技術距離得到廣泛應用所需的時間，從最短的“2年以內”到最長的“超過10年”，對應Gartner曲線上四類不同的標誌；縱軸是我們對其商業價值的預判，同樣分為四個層級。然後可以將曲線上的點一一映射到下圖的矩陣中，對不同技術採取不同的投資策略。例如：一項技術的價值如果是顛覆性的，且在5年內能得到廣泛應用，那我們就應當給予最高的投研優先順序（對應圖中深紅區域）；反之，如果一項技術有較高價值，但距離工程和商業上的成熟還有5年以上距離，那麼我們應當謹慎佈局或者以儲備認知為主（對應黃色和灰色區域）。
注：上圖在技術成熟度和商業價值的判斷上與Gartner曲線有所差異；僅供示意，不構成投資建議
你能在Gartner每年發佈的報告中找到類似的矩陣（關鍵字：Gartner Priority Matrix）。但僅僅對曲線做形式上的變換，並不是我們的最終目的。資訊的價值來源於差異化的思考和對變化的追問，例如：
評估準確性：Gartner對技術成熟度和潛在商業價值的判斷和我一致嗎？哪些過於樂觀，哪些過於保守？相應的，各項技術在矩陣中的位置應該如何調整？識別差異性：成熟度其實分兩個維度——工程上和商業上；不同行業、不同國家在這兩個維度的情況一樣嗎？在我關心的市場上，該技術的發展處於什麼階段？動態化思考：哪些技術去年出現了而今年沒有出現？哪些技術曾經消失而今年又一次上榜？背後的原因何在？媒體的熱情曝光會縮短一項技術的成熟週期嗎？哪些技術可能還沒等自身成熟就已經被新浪潮取代？對這些問題的回答決定了認知的品質。謹記Peter Thiel的教誨：公開的秘密沒有價值，能帶給你優勢的，是別人未必認同但你卻深深相信的道理。
限於篇幅，我們僅以最後一個問題為例做些延伸和闡釋。對其他問題感興趣的朋友可以持續關注源碼的文章，或者從文末的問答環節尋找更多線索。
源碼資本創始合夥人曹毅曾在《科技創新的9個面孔》一文中提出過“三浪疊加”的原理：
通常第一波技術驅動產生的影響正在勢頭上，第二波大的浪潮已經起來，有時甚至第三波浪潮也在積蓄力量。最典型的例子是2008年的中國零售業：第一波浪潮裡，傳統零售業在通過科技手段不斷提高效率；第二波則是蘇甯、國美這樣的賣場通過“科技化”、“連鎖化”、並購等方式做全國性擴張。那時大家都在享受超過百分之幾十的增長，雖然也看到了第三波浪潮中以淘寶為代表的電商的崛起，但都誤以為自己已經站得很高，而電商體量太小，不會對自己構成威脅……最後結果是，長江後浪推前浪，前浪死在溫柔鄉。
零售業並非個案。如果你有心回溯過往的Gartner曲線，會發現更多有趣的例子。
2003年，Gartner在消費新興技術曲線上將MP3播放機列為即將走出低谷、得到廣泛應用的技術；而到2007年，這項技術確實如願走上了生產力的高峰。但就在同一年，另一項技術也悄悄攀上風口，它起初被稱為Ultramobile Devices（超便攜類電腦設備），而後演化出超極本、平板電腦，以至於今天無所不能的智慧手機。MP3播放機的市場則在新技術侵蝕下逐漸萎縮，以至於今天，更多時候是作為可攜式裝置的子功能。
類似的還有視頻點播技術（Video on Demand）。2003年，Gartner認為至少還需5-10年這項技術才能成熟；但到了2007年，這項技術已經迎來商用的曙光，人們甚至開始暢想更快更好的寬頻視頻點播技術。然而誰都沒想到，十年後的今天，最普及的卻是彼時被看衰的移動端流媒體播放（Mobile TV Streaming）。
我並不想造成一種“唯新技術是瞻”的誤解，只是想提醒那些已有成就的探索者們，對事物的變化仍要保持足夠的敏銳，思維模型也需要時時更新。技術上的先發優勢不總能保證你的商業模式固若金湯。它更應被看成一條生態鏈，螳螂在先，後有黃雀。所有技術物種都要靠不斷進化和反覆運算才能保證階段性的安全。
4、清醒者的困境在文章最後，我想把視角再次拉回互聯網泡沫破滅的那個夏天。
2000年，福布斯雜誌向550家VC發出了關於投資回報的問詢。其中Accel Partners第五期的21.6倍和Charles River Ventures的16.8倍在今天看來依然耀眼（數年後Accel投資了Facebook，CRV投資了Twitter，但同期回報都沒能超過這個標杆）。
可即便是這兩家明星VC，在Crosspoint Venture Partners面前也略顯失色。Crosspoint在1996年那一期基金的回報是33.7倍——相當於四年前投資過1美元的LP，現在已經拿回了29.6美元，而且還有4.1美元在帳戶裡。所以即便二級市場開始雪崩，Crosspoint依舊順利募集了單期8.5億美金的超級基金。
然而就在這年年底，Crosspoint突然宣佈將本期基金全部退還給LP，並且無限期暫停下一期基金的募集。這在業界引起一片震動。其合夥人Rich Shapero不得不向外界解釋：“二級市場的崩潰讓我們過去所有的預測模型都失效了...如果市場的繁榮一去不復返，我們就沒辦法交出我們想交出的成績單...我們有偉大的歷史，我們不想毀掉它...這不是一個投資任何公司的好時候”。
摘自《一支頂級VC的自殺》，劉元，有改動
“不是一個投資任何公司的好時候。”這句尤其耐人尋味。
從結果看，NASDAQ指數直到2012年才重新站上3000點位；1999和2000年也成了美國風投歷史上唯二的負IRR年份。但從另一面，Crosspoint也錯失了這十二年來成立的LinkedIn、Skype、Facebook、Twitter、Airbnb和WhatsApp，而它的老對手NEA、CRV、Benchmark、Sequoia卻堅持到了這些獨角獸長成參天大樹的那天。
可以說，Crosspoint對互聯網泡沫和市場衰退的判斷是清醒而準確的，只是這種宏觀上的清醒並沒能帶來微觀上的好運。風險投資本質上是一個捕捉“正向黑天鵝事件”的過程——多次有限損失的試錯，總可以被一次極大收益的命中抵消。在黑天鵝問題上，起作用的不是平均值，而是極端值。就好比你無法安然渡過一條平均1米深的河流，因為風險全在河流最深處。納西姆·塔勒布是研究黑天鵝事件的專家，他在金融危機爆發前數年就曾寫書揭示金融體系的風險，他的經驗或許可以給我們一些啟示：
任何從觀察中獲取的知識都有陷阱。看過一萬隻白天鵝也無法證明黑天鵝不存在，這是歸納法固有的局限。在損失有限而收益無窮的問題上，你不知道的事比你知道的事更有意義。試圖靠歸納法預測黑天鵝的人多半徒勞無功。在不確定性問題面前，你更容易通過收集證據來證明哪些事情是錯的，而不是哪些事情是對的。證偽的價值總是被低估。
人們在使用科學模型時往往會犯兩個錯誤：一是對問題做不恰當的抽象和簡化，比如試圖用平均值去概括一個80/20分佈的事物，而忽略變數的方差；二是自我確認偏誤，複雜系統內部往往充滿難以察覺的相互依賴和非線性關係，如果你只關心如何微調自己對普通事件的理解，使新事件適應舊模型，那麼最終模型會變得異常複雜以至於偏離真實情境。
塔勒布的觀點需要繞個彎才能理解。他揭示的不是“什麼可為”，而是“什麼不可為”。在他看來，人們過於輕視那些無法被語言精確描述的知識，過於迷信自己構建的模型，最終註定要在模型匹配不了現實的地方落入陷阱。
而無論是Gartner曲線本身，還是Michael Mullany對曲線的回溯，抑或是Crosspoint對泡沫崩盤後世界的判斷，本質上都是從某些側面對複雜世界所做的局部剪影。對局部足夠清醒是必要的，但不能因局部的自信而忽略更大的圖景。在全域中，你不知道的事可能扮演著更重要的角色。保持謙卑心，不斷擴寬認知邊界，這既能幫你更好地抵禦風險，也可能讓風險站到對你更有利的一邊。
5、One More Thing在解釋Gartner曲線的過程中，我有意避開了一些容易讓人分神的技術細節。如果你對此感興趣，下面兩個自問自答可以視為上述內容的注腳和補充。
Q1：Gartner曲線是如何畫出來的？背後有沒有實證研究作為支撐？
A1：很多頻繁引用它的人都不知道，這條波浪線其實是兩條曲線的疊加。一條是Hype Level，反映的是媒體和公眾對於該技術期望值中虛高的部分；另一條則是工程與商業上的成熟度。兩者疊加後，Y軸對應一項技術的實際期望（expectation），X軸對應時間的演進。
Hype的本意是“誇大的宣傳”。當一項技術取得突破、發佈demo或推出產品時，媒體往往會快速跟進，關於技術前景的暢想和傳聞會抬升公眾的興趣度。但隨時間推進，客觀的分析和試錯會越來越多，宣傳中不實的成分也就逐漸被市場淘汰，這是Hype Level先走高後回落的內在邏輯。而一項技術在工程和商業上隨時間推進愈發成熟，這也和我們的常識相符。
需要注意的是，無論是hype還是expectation（即曲線Y軸），目前都沒有統一的、公認的指標可以度量；技術成熟度和商業成熟度亦然。Gartner團隊是通過訪談業內專家和從業者並進行分析預測的方式，來確定各項技術在曲線上所處的位置，因此存在一定的主觀性，也不適合以定量眼光去考察，它的價值更多在於定性揭示各項技術在憧憬和現實間的偏離程度。
Q2：曲線只有這一種形態嗎？有沒有哪些變體？
A2：遠不只一種。有些技術可能會經歷鳳凰涅槃式的變化，在首次出現時被熱捧，而後因技術尚不成熟趨於冷寂，但數年後又因技術和產品上的重大進展重歸大眾視野，並掀起新一輪的炒作高峰。這時曲線會出現“雙峰”形態，甚至第二峰比第一峰還高。一個經典的例子是Virtual Reality，你能猜到它最早一次出現在Gartner曲線上是什麼時候嗎？答案是1995年。
除Hype Level外，另一個思考維度是Maturity。技術並不總遵循線性增長的模式，有些技術的成熟週期明顯比其他短。背後的原因可能有這樣幾類：
使用極其簡單，安全隱患低，因此很快能從to C生意擴展到to B端；技術有很強的可見性和示範效應，當其他人使用時，易於出現病毒傳播；產業鏈上游的供應商合力推動，或是技術本身可以借力現有的基礎設施。對應下方左圖，當一項技術有幸踏上發展的快車道時，很可能不會有明顯的低谷期，而是在預期回歸理性後就步入成熟應用。反之，也有一些技術會經歷長達數十年的低谷，因為底層科學研究的進展遠比預想中緩慢，如人工智慧和納米計算。
另一類變體是“馬尾效應”，指一項技術在工程上趨於成熟，但在不同行業中的發展命運卻呈現明顯差異。上圖右側給出的例子是RFID。這項技術在90年代中期曾被各行各業寄予厚望，但最終得到廣泛應用的領域主要是快消和零售，在航空業貨物分揀上的嘗試很早就以失敗告終。
此外，空間和時間的差異也值得考慮。一項技術在不同國家或地區所處的位置可能不同，但發展路徑有相似性。先行者靠試錯積累的經驗既能為後來者指明道路，也能加速該技術在後發地區的成熟速度，進而產生空間套利的機會。這和孫正義常說的“時間機器”理論不謀而合——先在美國這樣的發達國家開展業務、驗證模式，然後等時機成熟再憑經驗優勢殺回日本和中國。
總能找到更多支援這條曲線的例子。比如Web技術公司的發展軌跡，Amazon和Yahoo在1998-2005年間的股價變動就和曲線走勢非常接近。但你也可能聽說過“後見之明”與“倖存者偏誤”，很多事後看來有跡可循的因果鏈條，在萌發之初其實充滿不確定性，只是我們選擇性地過濾掉了那些與現狀不相符的線索，好讓它在敘事上顯得融洽、和我們假想的模型更一致。為了消除這種偏見，你應該提出反問：有多少曾經紅極一時的公司沒能從困境中爬出來？有多少曾被預言為前景廣闊的技術最終只是曇花一現？
2016年，Icon Ventures的投資人Michael Mullany對此做出了有趣的探究。通過回溯2000-2016年間Gartner光環曲線提及的200多項新興技術，他發現：
在炒作高峰後跌入穀底的技術中，很多沒能再爬起來；有超過50項技術只炒作了一年就淡出人們視野；其中眾包（2013）、HTML5（2012）、BYOD（自帶設備，2012）和播客（2005）等技術雖然仍在使用，但也只能算是小有成就。只有4項重大技術很早就被發現，而且完整地經歷了曲線“先起-後落-再起”的階段；它們是：雲計算（2008）、3D 列印（2005）、自然語言搜尋（2002）和電子墨水（2000）。有一些被炒作過的領域在技術洞察上是有前瞻性的，但卻因落地方式不對或市場仍不成熟，直到數年之後才重新得到應用，例如 Web Service Enabled Business Model（2003；現在Twilio、Plaid等公司採用這種模式）、公共認證服務（2002；類似於現在的Oauth認證）、萬億級架構（2006；可以容忍局部故障並儘快恢復的大規模計算體系）。技術曲線也漏判了很多重大技術，如x86、NoSQL、Hadoop、開源技術等，它們或者很晚才被發現，或者從未出現在光環曲線上。換言之，如果你是all in黑科技以求彎道超車的CEO，或是照著Gartner曲線撒網早期專案的的投資人，那麼多數時間你都會鎩羽而歸。因為統計意義上，Gartner曲線的預測並不準確。但如果你擅長做二階思考，能從人們都看得見的資訊裡發掘出少有人思考過的盲區，那麼這條曲線其實很有價值。
3、從二階思考中淘金不妨從一個簡單例子入手。下圖是2017年7月發佈的新興技術曲線，密密麻麻排布著32項技術。如果你是創業者、投資人、諮詢師，你的第一印象會是什麼？
看起點，5G技術和邊緣計算（edge computing）首次上榜，並被寄予厚望；看高峰，物聯網平臺、深度學習、機器學習風頭正盛，且預計2-5年內能進入成熟期；看低谷，增強現實和虛擬實境的預期回歸理性，且業界認為，虛擬實境正逐漸展露出應用前景。這些結論都不錯。但它對創業/投資/商業管理意味著什麼？如何將它應用於行動和判斷？這些才是我們真正感興趣的議題。讓我們對曲線做些加工，以投資領域為例，畫一個4*4的矩陣，橫軸是一項技術距離得到廣泛應用所需的時間，從最短的“2年以內”到最長的“超過10年”，對應Gartner曲線上四類不同的標誌；縱軸是我們對其商業價值的預判，同樣分為四個層級。然後可以將曲線上的點一一映射到下圖的矩陣中，對不同技術採取不同的投資策略。例如：一項技術的價值如果是顛覆性的，且在5年內能得到廣泛應用，那我們就應當給予最高的投研優先順序（對應圖中深紅區域）；反之，如果一項技術有較高價值，但距離工程和商業上的成熟還有5年以上距離，那麼我們應當謹慎佈局或者以儲備認知為主（對應黃色和灰色區域）。
注：上圖在技術成熟度和商業價值的判斷上與Gartner曲線有所差異；僅供示意，不構成投資建議
你能在Gartner每年發佈的報告中找到類似的矩陣（關鍵字：Gartner Priority Matrix）。但僅僅對曲線做形式上的變換，並不是我們的最終目的。資訊的價值來源於差異化的思考和對變化的追問，例如：
評估準確性：Gartner對技術成熟度和潛在商業價值的判斷和我一致嗎？哪些過於樂觀，哪些過於保守？相應的，各項技術在矩陣中的位置應該如何調整？識別差異性：成熟度其實分兩個維度——工程上和商業上；不同行業、不同國家在這兩個維度的情況一樣嗎？在我關心的市場上，該技術的發展處於什麼階段？動態化思考：哪些技術去年出現了而今年沒有出現？哪些技術曾經消失而今年又一次上榜？背後的原因何在？媒體的熱情曝光會縮短一項技術的成熟週期嗎？哪些技術可能還沒等自身成熟就已經被新浪潮取代？對這些問題的回答決定了認知的品質。謹記Peter Thiel的教誨：公開的秘密沒有價值，能帶給你優勢的，是別人未必認同但你卻深深相信的道理。
限於篇幅，我們僅以最後一個問題為例做些延伸和闡釋。對其他問題感興趣的朋友可以持續關注源碼的文章，或者從文末的問答環節尋找更多線索。
源碼資本創始合夥人曹毅曾在《科技創新的9個面孔》一文中提出過“三浪疊加”的原理：
通常第一波技術驅動產生的影響正在勢頭上，第二波大的浪潮已經起來，有時甚至第三波浪潮也在積蓄力量。最典型的例子是2008年的中國零售業：第一波浪潮裡，傳統零售業在通過科技手段不斷提高效率；第二波則是蘇甯、國美這樣的賣場通過“科技化”、“連鎖化”、並購等方式做全國性擴張。那時大家都在享受超過百分之幾十的增長，雖然也看到了第三波浪潮中以淘寶為代表的電商的崛起，但都誤以為自己已經站得很高，而電商體量太小，不會對自己構成威脅……最後結果是，長江後浪推前浪，前浪死在溫柔鄉。
零售業並非個案。如果你有心回溯過往的Gartner曲線，會發現更多有趣的例子。
2003年，Gartner在消費新興技術曲線上將MP3播放機列為即將走出低谷、得到廣泛應用的技術；而到2007年，這項技術確實如願走上了生產力的高峰。但就在同一年，另一項技術也悄悄攀上風口，它起初被稱為Ultramobile Devices（超便攜類電腦設備），而後演化出超極本、平板電腦，以至於今天無所不能的智慧手機。MP3播放機的市場則在新技術侵蝕下逐漸萎縮，以至於今天，更多時候是作為可攜式裝置的子功能。
類似的還有視頻點播技術（Video on Demand）。2003年，Gartner認為至少還需5-10年這項技術才能成熟；但到了2007年，這項技術已經迎來商用的曙光，人們甚至開始暢想更快更好的寬頻視頻點播技術。然而誰都沒想到，十年後的今天，最普及的卻是彼時被看衰的移動端流媒體播放（Mobile TV Streaming）。
我並不想造成一種“唯新技術是瞻”的誤解，只是想提醒那些已有成就的探索者們，對事物的變化仍要保持足夠的敏銳，思維模型也需要時時更新。技術上的先發優勢不總能保證你的商業模式固若金湯。它更應被看成一條生態鏈，螳螂在先，後有黃雀。所有技術物種都要靠不斷進化和反覆運算才能保證階段性的安全。
4、清醒者的困境在文章最後，我想把視角再次拉回互聯網泡沫破滅的那個夏天。
2000年，福布斯雜誌向550家VC發出了關於投資回報的問詢。其中Accel Partners第五期的21.6倍和Charles River Ventures的16.8倍在今天看來依然耀眼（數年後Accel投資了Facebook，CRV投資了Twitter，但同期回報都沒能超過這個標杆）。
可即便是這兩家明星VC，在Crosspoint Venture Partners面前也略顯失色。Crosspoint在1996年那一期基金的回報是33.7倍——相當於四年前投資過1美元的LP，現在已經拿回了29.6美元，而且還有4.1美元在帳戶裡。所以即便二級市場開始雪崩，Crosspoint依舊順利募集了單期8.5億美金的超級基金。
然而就在這年年底，Crosspoint突然宣佈將本期基金全部退還給LP，並且無限期暫停下一期基金的募集。這在業界引起一片震動。其合夥人Rich Shapero不得不向外界解釋：“二級市場的崩潰讓我們過去所有的預測模型都失效了...如果市場的繁榮一去不復返，我們就沒辦法交出我們想交出的成績單...我們有偉大的歷史，我們不想毀掉它...這不是一個投資任何公司的好時候”。
摘自《一支頂級VC的自殺》，劉元，有改動
“不是一個投資任何公司的好時候。”這句尤其耐人尋味。
從結果看，NASDAQ指數直到2012年才重新站上3000點位；1999和2000年也成了美國風投歷史上唯二的負IRR年份。但從另一面，Crosspoint也錯失了這十二年來成立的LinkedIn、Skype、Facebook、Twitter、Airbnb和WhatsApp，而它的老對手NEA、CRV、Benchmark、Sequoia卻堅持到了這些獨角獸長成參天大樹的那天。
可以說，Crosspoint對互聯網泡沫和市場衰退的判斷是清醒而準確的，只是這種宏觀上的清醒並沒能帶來微觀上的好運。風險投資本質上是一個捕捉“正向黑天鵝事件”的過程——多次有限損失的試錯，總可以被一次極大收益的命中抵消。在黑天鵝問題上，起作用的不是平均值，而是極端值。就好比你無法安然渡過一條平均1米深的河流，因為風險全在河流最深處。納西姆·塔勒布是研究黑天鵝事件的專家，他在金融危機爆發前數年就曾寫書揭示金融體系的風險，他的經驗或許可以給我們一些啟示：
任何從觀察中獲取的知識都有陷阱。看過一萬隻白天鵝也無法證明黑天鵝不存在，這是歸納法固有的局限。在損失有限而收益無窮的問題上，你不知道的事比你知道的事更有意義。試圖靠歸納法預測黑天鵝的人多半徒勞無功。在不確定性問題面前，你更容易通過收集證據來證明哪些事情是錯的，而不是哪些事情是對的。證偽的價值總是被低估。
人們在使用科學模型時往往會犯兩個錯誤：一是對問題做不恰當的抽象和簡化，比如試圖用平均值去概括一個80/20分佈的事物，而忽略變數的方差；二是自我確認偏誤，複雜系統內部往往充滿難以察覺的相互依賴和非線性關係，如果你只關心如何微調自己對普通事件的理解，使新事件適應舊模型，那麼最終模型會變得異常複雜以至於偏離真實情境。
塔勒布的觀點需要繞個彎才能理解。他揭示的不是“什麼可為”，而是“什麼不可為”。在他看來，人們過於輕視那些無法被語言精確描述的知識，過於迷信自己構建的模型，最終註定要在模型匹配不了現實的地方落入陷阱。
而無論是Gartner曲線本身，還是Michael Mullany對曲線的回溯，抑或是Crosspoint對泡沫崩盤後世界的判斷，本質上都是從某些側面對複雜世界所做的局部剪影。對局部足夠清醒是必要的，但不能因局部的自信而忽略更大的圖景。在全域中，你不知道的事可能扮演著更重要的角色。保持謙卑心，不斷擴寬認知邊界，這既能幫你更好地抵禦風險，也可能讓風險站到對你更有利的一邊。
5、One More Thing在解釋Gartner曲線的過程中，我有意避開了一些容易讓人分神的技術細節。如果你對此感興趣，下面兩個自問自答可以視為上述內容的注腳和補充。
Q1：Gartner曲線是如何畫出來的？背後有沒有實證研究作為支撐？
A1：很多頻繁引用它的人都不知道，這條波浪線其實是兩條曲線的疊加。一條是Hype Level，反映的是媒體和公眾對於該技術期望值中虛高的部分；另一條則是工程與商業上的成熟度。兩者疊加後，Y軸對應一項技術的實際期望（expectation），X軸對應時間的演進。
Hype的本意是“誇大的宣傳”。當一項技術取得突破、發佈demo或推出產品時，媒體往往會快速跟進，關於技術前景的暢想和傳聞會抬升公眾的興趣度。但隨時間推進，客觀的分析和試錯會越來越多，宣傳中不實的成分也就逐漸被市場淘汰，這是Hype Level先走高後回落的內在邏輯。而一項技術在工程和商業上隨時間推進愈發成熟，這也和我們的常識相符。
需要注意的是，無論是hype還是expectation（即曲線Y軸），目前都沒有統一的、公認的指標可以度量；技術成熟度和商業成熟度亦然。Gartner團隊是通過訪談業內專家和從業者並進行分析預測的方式，來確定各項技術在曲線上所處的位置，因此存在一定的主觀性，也不適合以定量眼光去考察，它的價值更多在於定性揭示各項技術在憧憬和現實間的偏離程度。
Q2：曲線只有這一種形態嗎？有沒有哪些變體？
A2：遠不只一種。有些技術可能會經歷鳳凰涅槃式的變化，在首次出現時被熱捧，而後因技術尚不成熟趨於冷寂，但數年後又因技術和產品上的重大進展重歸大眾視野，並掀起新一輪的炒作高峰。這時曲線會出現“雙峰”形態，甚至第二峰比第一峰還高。一個經典的例子是Virtual Reality，你能猜到它最早一次出現在Gartner曲線上是什麼時候嗎？答案是1995年。
除Hype Level外，另一個思考維度是Maturity。技術並不總遵循線性增長的模式，有些技術的成熟週期明顯比其他短。背後的原因可能有這樣幾類：
使用極其簡單，安全隱患低，因此很快能從to C生意擴展到to B端；技術有很強的可見性和示範效應，當其他人使用時，易於出現病毒傳播；產業鏈上游的供應商合力推動，或是技術本身可以借力現有的基礎設施。對應下方左圖，當一項技術有幸踏上發展的快車道時，很可能不會有明顯的低谷期，而是在預期回歸理性後就步入成熟應用。反之，也有一些技術會經歷長達數十年的低谷，因為底層科學研究的進展遠比預想中緩慢，如人工智慧和納米計算。
另一類變體是“馬尾效應”，指一項技術在工程上趨於成熟，但在不同行業中的發展命運卻呈現明顯差異。上圖右側給出的例子是RFID。這項技術在90年代中期曾被各行各業寄予厚望，但最終得到廣泛應用的領域主要是快消和零售，在航空業貨物分揀上的嘗試很早就以失敗告終。
此外，空間和時間的差異也值得考慮。一項技術在不同國家或地區所處的位置可能不同，但發展路徑有相似性。先行者靠試錯積累的經驗既能為後來者指明道路，也能加速該技術在後發地區的成熟速度，進而產生空間套利的機會。這和孫正義常說的“時間機器”理論不謀而合——先在美國這樣的發達國家開展業務、驗證模式，然後等時機成熟再憑經驗優勢殺回日本和中國。