01原理
名字来自《爱丽丝镜中奇遇》：红皇后拉着爱丽丝拼命跑，周围的景物却一动不动，红皇后告诉她，在这里你得用尽全力奔跑，才能留在原地。1973 年，芝加哥大学的古生物学家利·范·瓦伦借用了这个画面。他发现，在一个类群里，物种灭绝的概率大致不随它已经存在的时间下降，老物种并不比新物种更安全。他的解释是：每个物种的环境主要由别的物种构成，捕食者、猎物、寄生者、竞争者都在同时改进，你的每一点进步都会变成对手的新压力，对手的进步又把你的优势抵掉。
放到商业里，意思很朴素：相对位置才决定结果。你今年的产品比去年好一倍，如果对手、替代品和客户的预期也涨了一倍，你的处境没有变化。芒格讲的织机故事是同一件事的另一面：整个行业一起变快，改进的好处被价格竞争传给了客户，厂商只是多花了一笔钱，换来留在原地的资格。
对 10 人以内的 AI 公司，红皇后几乎是日常。底层模型每隔几个月换一代，竞争者用同样的模型、同样的工具，客户对“能用”的标准也在跟着抬。这个模型要回答的问题不是“我们进步了没有”，而是“我们相对谁进步了，这些进步会不会被对手和客户的变化吃掉”。
为什么成立
红皇后成立靠的是“互为环境”。在对抗关系里，一方的改进直接改变了另一方面对的选择压力：宿主的免疫变强，留下来的就是更会躲避免疫的寄生者；防守规则变严，留下来的就是更会绕规则的攻击者。双方都在变，所以任何一次领先都是暂时的，停下来就意味着落后。
第二条机制是竞争把收益转移出去。当一项改进人人都能拿到，它很快从“优势”变成“入场费”：谁不跟上就被淘汰，谁跟上了也只是不被淘汰，多出来的价值通过降价、加功能流到客户手里。只有在对手很难复制、或者你掌握定价权的地方，跑得快才会留下利润。这也是芒格把织机和独家报纸放在一起讲的原因：同样一台更好的机器，在大宗商品生意里是成本，在没有竞争的生意里才是利润。
02芒格怎么说
芒格没有专门讲过“红皇后效应”，这个名字也没有出现在我们查到的他的演讲和信件里；把它放进芒格的格栅，是后人的归纳。和它最接近的是 1994 年南加大商学院演讲里的两段：一段讲伯克希尔做纺织时，巴菲特听说新织机效率翻倍反而担心，因为在大宗商品生意里，更好的机器带来的生产率提升会全部流到买方手里，所有者什么也留不下；另一段是他所说的“竞争性毁灭”，技术变化快的时候，原来最好的马鞭工厂也会被淘汰。他在同一场演讲里还说过，市场经济很像生态系统。本章用生物学里的红皇后假说来串起这些看法，是编者的做法。
All of the advantages from great improvements are going to flow through to the customers.
重大改进带来的所有好处，都会流到客户那里。
03怎么用
- 01
先分清哪些进步只是“入场费”
把过去半年做的改进列出来，逐条问：竞争对手用同一个模型、同一套开源工具，几周内能不能做到同样的事？能做到的，记在“入场费”一栏，它们必须做，但不该被当成护城河写进融资材料。剩下那几条做不到的，才是你真正需要加倍投入、并且想办法定价的地方。
- 02
用相对指标代替绝对指标
“准确率从 82% 提到 88%”不说明处境变好了。给关键指标配一个参照物：最强的竞品、客户能免费拿到的通用模型、客户自己搭一个的成本。每次底层模型更新后都重测一遍，看你和参照物之间的差距是扩大了还是缩小了。差距在缩小，就是红皇后在追你。
- 03
在对抗型业务里，把“持续进化”设计成流程
安全、风控、反作弊、内容审核这类业务，对手会针对你的防线调整。不要把一次上线当成完成，而要建一条固定管道：收集被绕过的样本，定期加进测试集，按周或按月更新规则和模型，并记录每一类攻击从出现到被拦住用了多久。这个“修复周期”才是你在比赛里的真实速度。
- 04
找一块不用和所有人一起跑的地方
红皇后最狠的地方是大家用同一种武器赛跑。小团队可以问：有没有一种优势不跟着底层模型的进步一起贬值？比如客户的私有数据和工作流、行业里的交付关系、积累下来的失败样本。把一部分精力放在这些地方，进步才会留在自己手里，而不是全部流给客户。
04案例
线虫与细菌：不进化的种群二十代内灭绝
范·瓦伦 1973 年的论文《一条新的演化定律》先后被几家主流期刊退稿，他索性自己创办了《Evolutionary Theory》，把它登在第 1 卷第 1 页。假说的一个推论是：有性繁殖虽然代价高，却能让后代不断重组基因，跟得上寄生者的变化。2011 年，印第安纳大学柯蒂斯·莱夫利实验室的利瓦伊·莫兰等人在《科学》上发表了一次直接检验。他们把秀丽隐杆线虫改造成只能自体受精、只能异体交配、以及两者混合三种群体，再让它们分别面对三种条件：没有病原体、固定不变的黏质沙雷氏菌、以及每一代都挑出感染力更强的菌株、和线虫一起“共进化”的细菌，一共跑 30 代。结果是：在共进化条件下，所有只能自体受精的群体都在 20 代内灭绝，而面对固定细菌时没有一个群体灭绝；混合群体里，异体交配的比例从约 20% 升到 70% 以上，在共进化组里一直保持在高位，在固定细菌组里后来又回落。对手不变时，适应一次就够了；对手在变，停止变化的那一方就出局。[2][3]
验证码：自家的 AI 识别扭曲文字准确率达 99.8%
验证码的前提是机器认不出扭曲的文字。2014 年 12 月，谷歌 reCAPTCHA 产品经理维奈·谢特在官方博客上写道，谷歌的研究发现，当时的 AI 已经能以 99.8% 的准确率识别最难的一类扭曲文字，单靠扭曲文字已经不可靠。谷歌的应对不是把字扭得更厉害，而是换了比赛场地：前一年开发的风险分析后台会看用户在验证前后的整体行为，大多数人只需勾一下“我不是机器人”，拿不准时再弹出图片选择题。十年后，这块阵地又被追上：2024 年 9 月，苏黎世联邦理工学院的三位研究者发表论文，用 YOLO 视觉模型解开了 100% 的 reCAPTCHAv2 图片题，此前的研究只做到 68% 到 71%；他们还发现，这套系统在很大程度上依赖 cookie 和浏览记录来判断真人。每一轮防守的升级，都在给攻击方指明下一步该练什么。[4][5]
Lakera 的 Gandalf：让全世界来攻击自己的防线
Lakera 2021 年在苏黎世成立，三位创始人是戴维·哈伯、马泰奥·罗哈斯-卡鲁利亚和马蒂亚斯·克拉夫特；2023 年 10 月公开亮相时，披露的融资是 1000 万美元，做的是防提示注入的 API。它最出名的东西是一个小游戏 Gandalf：玩家想办法骗大模型说出藏起来的密码，每过一关，防守就多一层。哈伯当时对 TechCrunch 说，游戏上线半年来自约 100 万用户的约 3000 万次交互会喂给他们的产品，“我们会根据威胁形势来演化产品”。这是有意把红皇后赛跑放进自己的流程：攻击者在游戏里不停发明新招，团队就有源源不断的新样本来更新防守。他们在 2025 年发表的论文里总结了几条经验：限定应用的任务范围、叠加多层防守、以及根据同一会话里的可疑次数自适应地封堵，效果都更好；同时提醒，防守会让正常回答变短、变味，安全和好用之间要权衡。2025 年 9 月，Check Point 宣布收购 Lakera，新闻稿称 Gandalf 社区已积累 8000 多万条对抗样本。这些数字来自公司和收购方自己的说法，未经独立核实。[6][7][8]
05误用与边界
把所有竞争都当成军备竞赛
红皇后描述的是双方会针对彼此调整的关系。很多市场里，客户要的东西多年不变，对手也不会专门针对你。如果把每个竞品更新都当成必须回应的威胁，团队会一直追着别人的功能清单跑，忘了自己的客户。先确认对方真的在针对你、客户真的在因此流失，再决定要不要加速。
只想着跑得更快，不想着换一条赛道
谷歌在验证码上的那一步，是不再比谁的文字更扭曲，而是改看用户行为。红皇后赛跑里拼速度往往是最贵的选项，小团队尤其拼不过。在加码之前先问：有没有一种做法，能让对手现有的进化方向变得没用？
用红皇后为停不下来的投入找借口
“不跑就会落后”很容易变成永远追加预算的理由。芒格的织机故事恰恰说明，有时候正确答案是不跟：如果改进的好处注定全部流给客户，最理性的做法可能是少投、收缩，甚至退出这门生意。跑之前要算清楚，跑赢了自己能留下什么。
把生物学的类比当成定律
红皇后假说在生物学里本身也有争议：它能不能解释有性繁殖为何普遍，至今没有定论，也有学者认为气候、地质这类外部变化才是大尺度演化的主因。拿它来思考竞争是有用的视角，但不要用一个类比去预测某个具体市场一定会怎么走。
06检查清单
下次做相关决策前逐条过一遍。勾选只保存在你的浏览器里。
08来源
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8