CTL / ATL / TSB / PMC
什么是 CTL、ATL、TSB？读懂体能、疲劳与状态
从每天的训练负荷到 CTL、ATL 和 TSB：解释 42 天与 7 天时间常数、同日 TSB 公式，以及加量、恢复和减量时这些指标为什么会变化。
CTL 和 ATL 都由每天的训练负荷计算：CTL 变化慢，ATL 变化快；TSB 则是当天的 CTL 减去 ATL。
这就是 Performance Management Chart（PMC，体能管理图）的核心。如果把每日训练负荷看成输入，CTL 和 ATL 是两种变化速度不同的平滑结果，TSB 只是它们的差。它们可以帮助你观察负荷如何累积和消退，却不会直接告诉你身体此刻有多强、有多累，或是否已经为比赛做好准备。
| 指标 | 界面名称 | 可以用来观察什么 | 默认时间常数 |
|---|---|---|---|
| CTL | 体能 / 慢性训练负荷 | 过去数周的负荷趋势 | 42 天 |
| ATL | 疲劳 / 急性训练负荷 | 最近几天的负荷变化 | 7 天 |
| TSB | 状态 / 训练压力平衡 | 当天 CTL 与 ATL 的差值 | 无独立时间常数 |
为什么 Fitness 翻译成“体能”？
在 Trainingload.ai 中，我们把 Fitness 译为“体能”。这是一个便于理解、也与耐力训练软件常见用法一致的界面名称，但不能按字面把它理解为身体能力测试。
CTL 并不直接测量耐力、VO₂max、训练适应或比赛表现。更准确地说，它是根据每日训练负荷计算出的长期趋势。所以我们不会把 Fitness 翻译成“耐力”：耐力是一种运动能力，CTL 则是训练负荷历史的数学摘要。
同样需要注意：
- “疲劳（ATL）”不等于主观疲劳或生理疲劳；
- “状态（TSB）”不等于恢复程度或比赛准备度；
- 三个名称帮助我们阅读图表，但不能把模型变成身体检测报告。
CTL 和 ATL 为什么变化速度不同？
Trainingload.ai 使用指数时间常数递推。对 CTL 和 ATL 来说，公式相同，区别只在时间常数 τ：
decay = exp(-1 / τ)
X_today = X_yesterday × decay + daily_load × (1 − decay)- CTL 使用
τ = 42，变化较慢； - ATL 使用
τ = 7，对最近几天的负荷反应更快； - TSB 不再平滑一次，而是直接计算
TSB_today = CTL_today − ATL_today。
这里的 42 天和 7 天是时间常数，不是最近 42 天或 7 天的简单算术平均。更早的训练仍会保留逐渐减小的权重。如果每日负荷突然变为一个固定水平，经过一个时间常数，指标大约完成 63.2% 的变化；经过三个时间常数，大约完成 95%。
某一天没有记录训练负荷时，当天的 daily_load 为 0。CTL 和 ATL 会按各自速度逐渐衰减，而不是立即归零。
CTL 反映过去数周的负荷趋势
CTL 的 42 天时间常数让它不容易被一两次训练突然改变。它更适合回答：过去数周的训练负荷趋势是在上升、维持，还是下降？
- CTL 上升：近期每日负荷整体高于当前 CTL 水平；
- CTL 稳定：近期负荷大致维持当前模型水平；
- CTL 下降：近期负荷低于它，例如恢复周、漏训或赛前减量。
CTL 上升只能说明训练负荷正在累积，不能证明运动员已经成功适应，也不能单独说明训练是否有效或安全。
ATL 对最近几天的训练更敏感
ATL 使用 7 天时间常数，因此一天高负荷或连续几节重点课都可能让它明显上升。减少训练后，它通常也会比 CTL 更快下降。
ATL 能让我们看到最近几天是否突然加量，却不能回答“运动员现在有多疲劳”。相同的 ATL，可能对应完全不同的睡眠、压力、疼痛、健康情况和训练耐受能力。
因此，读完 ATL 之后还要回到产生变化的训练：运动类型是什么，时长和强度如何，课程是否按计划完成，负荷来源是否可靠？
TSB 只是 CTL 与 ATL 的差
Trainingload.ai 使用同一天的 CTL 减去 ATL：
TSB_today = CTL_today − ATL_today例如，当日 CTL 为 50、ATL 为 65，TSB 就是 −15。
- TSB 为负：ATL 高于 CTL，说明最近几天的负荷高于过去数周形成的水平；
- TSB 接近零：ATL 与 CTL 接近，但不代表身体在生理上刚好平衡；
- TSB 为正：ATL 低于 CTL，说明最近几天的负荷低于过去数周形成的水平。
负值不等于坏，正值也不等于最佳。在计划中的负荷构建期，TSB 下降可能完全符合目标；在恢复周或赛前减量期，TSB 回升也只是确认近期负荷下降得更快，不能证明疲劳已经消除或比赛状态已经到达峰值。
不同平台还可能使用不同的日期口径。Trainingload.ai 和 Intervals.icu 使用相同的当日值口径；TrainingPeaks 的公开说明则使用前一日 Fitness 与 Fatigue 表示今天的 Form。跨平台比较之前，需要同时确认日期口径、时间常数和负荷来源。
加量和减量时，这些指标会怎么变？
下面的 Trainingload.ai 示例使用同一组 72 天每日负荷，并通过前面的公式逐日计算。最后一天得到 CTL 47.7、ATL 51.3、TSB −3.6。这些数字展示的是负荷变化，不是某位运动员的身体检测结果。
在典型的加量阶段，最近几天的训练负荷增加，ATL 通常最先上升；CTL 变化较慢，只会逐步跟上，因此 TSB 往往下降。
进入恢复周或赛前减量后，每日负荷减少，ATL 会更快下降；CTL 仍保留较多过去数周的负荷，因此 TSB 往往回升。
所以，单看某一天的数字意义有限。更值得追问的是：变化由哪些训练造成？是否符合当前周期的计划？课程完成质量和运动员的实际感受是否也支持同一个判断？
在 Trainingload.ai 里，这些数字从哪里来？
Trainingload.ai 会按照你的负荷来源优先级，为每项活动选择一个可用负荷。根据活动和设置，它可能来自功率、心率、配速或 Session RPE。同一天多项活动的负荷会相加，形成当天的 daily_load，再依次计算 CTL、ATL 和 TSB。
因此，活动缺失或重复、阈值变化、负荷来源变化，都可能改变后续曲线。比较两个训练周期时，应尽量保持计算口径一致。
在实际使用中，可以按下面的顺序检查：
- 计划了什么：当前训练周期和目标课程；
- 实际完成了什么：活动、时长、强度和训练负荷；
- 负荷怎样变化：CTL、ATL 和 TSB 是否按预期移动。
图表负责提供线索，训练决策仍需结合课程完成质量、表现趋势、睡眠、疼痛、生病信号和主观状态。
你可以继续查看 Trainingload.ai 的 PMC 功能，或直接查看自己的 PMC。需要核对定义和完整边界时，可阅读体能（CTL）、疲劳（ATL）与状态（TSB）文档。