兰彻斯特战略源自一战工程师的军事法则，被日本经营顾问田刚信夫体系化为企业竞争战略。它用两个数学公式回答了一个问题：弱者如何战胜强者？

41.7%法则+AI Skill：把兰彻斯特竞争战略变成可调用的决策工具

一个被忽略的数学公式

1914年，英国工程师Frederick W. Lanchester提出了一个描述空战的数学方程式。他发现了一个反直觉的现象：当两支军队在开阔地形交战时，兵力优势不是线性叠加的——它是平方级放大的。

5对3，不是赢2个单位，而是赢4个。

这个公式在一战中被用于计算飞机损失率，二战中被发展为战略方程式。然后它消失了半个世纪，直到一个日本经营顾问——田刚信夫——把它翻了出来，用在了企业竞争上。

他把这套理论体系化后命名为兰彻斯特战略，核心只回答一个问题：弱者如何战胜强者？

答案不是”更努力”，不是”差异化”，不是”长期主义”。答案是一组数学公式和三条铁律。

两个公式，两种命运

兰彻斯特战略的起点是两个法则。

第一法则（弱者法则）：战斗力 = 质 × 量

一对一交战时，5人对3人，赢的一方存活2人。这是线性关系，双方损失大致相当。

第二法则（强者法则）：战斗力 = 质 × 量²

集团作战时，同样是5对3，赢的一方存活4人——仅损失1人。兵力优势被平方放大。

这个平方效应意味着什么？

意味着当你的市占率是对手的2倍时，你的实际战斗力不是2倍，而是4倍。3倍市占率差距对应9倍战斗力差。

所以兰彻斯特战略的第一条警告是：弱者绝对不能在广域战场与强者正面交锋，否则必败。

三个数字，一条分界线

兰彻斯特战略不是抽象的理论，它给了三个精确的数字。

73.9%——目标上限。达到这个市占率后，第二位无法翻盘。这是”安全圈”，对应钟表的9点位置（四分之三圆）。

41.7%——稳定目标。在竞争中独自获胜的最低门槛，对应钟表的5点位置（约五分之二圆）。这是”真正NO.1″的入场券。

26.1%——目标下限。从弱者升级为强者的最低条件，对应钟表的3点位置（四分之一圆）。

这三个数字不是拍脑袋来的。它们来源于第二法则的数学推导：当第一位市占率达到73.9%时，第二位最多为26.1%，两者比例约为3:1。而3:1正是兰彻斯特战略定义的”射程距离”——在这个差距下，弱者几乎不可能逆转。

所以一个反直觉的结论：排名第一不等于NO.1。 如果你的市占率是32%，第二名是28%，差距只有1.14:1，你随时可能被反超。NO.1要求市占率41.7%以上，并且与第二拉开射程距离。

弱者的五把刀

那么弱者怎么办？兰彻斯特战略给出了五大战术。

局部战——缩小战场范围。不要想全国市场，选一个城市。

近战——缩短与客户的距离。直销、私域、面对面，不要依赖远距离的品牌广告。

单打独斗——一次只推一个产品，不要多线作战。

一点集中——放弃次要市场，全力主攻核心。

运动战——避开强者锋芒，在薄弱环节发起攻击。

这五把刀的逻辑是一致的：既然广域作战的平方效应会碾压弱者，那就把战场缩到足够小，小到强者无法发挥兵力优势。

书中给出了一个关键原则：弱者成为NO.1的顺序是区域→客户→商品。

先在一个小区域做到NO.1，再扩展到更多客户，最后丰富商品线。反过来做——先做全品类再扩展区域——几乎必然失败。

竞争对象 ≠ 攻击对象

兰彻斯特战略里有一个精妙的区分。

竞争对象 = 强于你的对手 → 差别化，避免正面交锋。

攻击对象 = 弱于你的对手 → 迎合，正面击溃。

一个年营收5000万的SaaS公司面对50亿营收的大厂和3000万的同规模公司，正确的策略不是”与大厂竞争”，而是：

对大厂（竞争对象）：做它不做的垂直领域，形成产品差别化。

对同规模公司（攻击对象）：用更低价格和更好服务蚕食它的客户。

先把能赢的对手打掉，积累势能，再面对更强的对手。不打必败之战。

战略力 : 战术力 = 2 : 1

书里还有一个容易被忽略但可能最重要的原则。

兰彻斯特战略把企业能力分为两层：战略力（King，看不见的全局安排）和战术力（Queen，看得见的具体操作）。

最优比例是 2:1。70%的精力放在”选择做什么”，30%放在”怎么做”。

用书里的类比：钓鱼时，无论鱼竿（战术/武器）多好，如果选错了位置和时间（战略），就钓不到鱼。

这个比例对个人同样适用。选择进入哪个行业、哪个城市、哪个细分领域，远比”在当前领域怎么做得更好”重要。

用AI Skill跑三个真实案例

理论说完了，直接用这个Skill跑三个行业场景。以下分析均基于Skill中的Quick Reference表格和Decision Checklist，输入场景描述后自动匹配战术建议。

案例一：国产大模型创业公司

场景输入：一家国产大模型创业公司，年营收2000万，面对字节豆包（市占率约35%）、百度文心（约25%）、阿里通义（约20%）、智谱（约8%）。自身市占率不足1%。

Skill自动匹配：Quick Reference第一行——”新入市场，市占率<26.1%”，角色=弱者，推荐战术=局部战+一点集中。

Skill输出分析：

Decision Checklist逐项检查：

•  市场地位：市占率<1%，绝对的弱者
•  战场是否够小：不够——如果对标”通用大模型”，战场太大，会被第二法则的平方效应碾碎
•  差别化策略：需要组合3个以上维度

战术建议：

不要做”更好的通用大模型”（广域作战=自杀）。缩小战场——选一个垂直行业（如法律、医疗、金融合规），在特定客户层做到市占率NO.1。

竞争对象=豆包/文心/通义（强者）→ 差别化：做它们不做的深度垂直场景。

攻击对象=同规模创业公司（弱者）→ 迎合：在已选垂直领域提供更好的行业数据和工具链。

路径：区域（垂直行业）→ 客户（该行业的头部企业）→ 商品（从1个场景API开始）。

案例二：独立开发者做HarmonyOS应用

场景输入：一个独立开发者计划开发HarmonyOS原生应用，当前华为应用市场已有数万个应用，头部应用下载量千万级，新应用平均下载量不足1000。

Skill自动匹配：Quick Reference第一行——”新入市场”，角色=弱者，推荐战术=局部战+一点集中。

Skill输出分析：

Decision Checklist检查：

•  市场地位：个人开发者，弱者
•  战场是否够小：关键问题——如果做”通用工具”（如记账、天气），战场太大
•  是否决定了”不做什么”：一点集中主义的本质

战术建议：

不要做通用工具。选一个足够小的细分场景——比如”A股盯盘”（已有一定用户基础但头部产品不多），或”雅思备考”（人群精准、付费意愿强）。

近战策略：不做广告投放（远距离作战=浪费），通过社群、内容（公众号文章）直接触达目标用户。

单打独斗：一次只做一个应用，做到该细分场景的NO.1，再考虑第二个。

战略:战术=2:1——花在”选哪个细分场景”上的时间，应该是”开发功能”的2倍。

案例三：公众号创作者在AI赛道的定位

场景输入：一个公众号创作者，定位”AI行业深度”方向，当前阅读量几十到几百。对标账号包括量子位（粉丝量百万级）、机器之心（百万级）、新智元（百万级）。

Skill自动匹配：Quick Reference第五行——”资源有限，面对多个竞争对手”，角色=弱者，推荐战术=一点集中主义。

Skill输出分析：

Decision Checklist检查：

•  市场地位：阅读量几十，弱者
•  战场是否够小：AI赛道太大了——量子位做新闻、机器之心做论文、新智元做政策
•  竞争对象vs攻击对象是否分开：没有大号资源，不应与大号正面竞争

战术建议：

不要做”AI新闻日报”或”论文解读”（那是强者的战场，平方效应会碾压你）。

缩小战场：选一个强者的盲区。比如”AI工具实测+架构解析”——不是报道新闻，而是亲自把工具跑一遍，写使用体验和技术架构分析。这类内容量子位不会写（太深），个人博客不会写（没有系统性），正好是一个局部战的机会。

一点集中：不要什么AI话题都写，集中在”AI设计工具”、”AI编程工具”这类可标准化的品类，形成稳定的读者预期。

攻击对象：其他写AI工具测评的小号——用更深的实测和更好的数据支撑拉开差距。

NO.1路径：先在”AI设计工具实测”这个细分品类做到头部 → 扩展到”AI编程工具实测” → 最终建立”AI工具深度实测”的品牌认知。

Skill的价值：从”读过”到”用过”

三个案例跑下来，兰彻斯特战略的核心价值点很清晰：它不是让你”理解竞争”，而是给你一个可执行的决策框架。

但这套框架有14个原则、10个战术、3个关键数字、9项检查清单——靠记忆根本记不住。这就是把它做成AI Skill的原因：

1. 按需调用——遇到竞争决策时，AI自动匹配对应的战术
2. 结构化输出——Quick Reference表格按场景索引，不需要从头读到尾
3. 检查清单——Decision Checklist防止遗漏关键维度
4. 持续积累——case-study.md可以不断补充新案例

Skill的触发词：兰彻斯特、弱者战略、强者战略、市占率、竞争格局、一点集中、NO.1主义、射程距离、差别化战略。

如何安装

git clone https://github.com/victorcheung/biz-framework.gitcp -r biz-framework/lanchester-strategy ~/.claude/skills/  # Claude Code# 或cp -r biz-framework/lanchester-strategy ~/.openclaw/skills/  # OpenClaw

安装后目录结构：

lanchester-strategy/├── SKILL.md              # 入口文件（AI触发时读取）├── _meta.json            # 元数据└── references/    ├── principles.md     # 14个原则完整说明    └── case-study.md     # 6个商业案例

同项目还收录了另一个skill：麦肯锡方法（mckinsey-method），结构化分析与问题解决方法论。两个skill互补——麦肯锡方法管”怎么分析问题”，兰彻斯特战略管”怎么赢”。

一点集中主义的本质

书里最后一句话最值得反复读：

“不扩大经营范围，做小，集中在好的区域。对好的客户提供好的商品就会有好的成绩。”

这不是鸡汤。这是从数学公式推导出来的战略结论。

当你看完这本书，你会重新理解”集中精力做好一件事”这句话——它不是道德劝诫，是战斗数学。

本文基于《了解兰彻斯特战略的14个原则》整理，该书源自日本经营顾问田刚信夫对兰彻斯特战略的体系化研究。