Sewall Wright 在 1932 年提出的适应度景观（fitness landscape）是演化生物学里最持久的心智模型：种群像球一样在起伏的山丘上滚动，适应度是海拔，突变是移动，自然选择是重力，山峰是局部最优，山谷是适应度低谷。这个图景如此直观，以至于我们忘了它只是一个比喻——而且是一个可能系统性误导我们的比喻。

问题在于：真实的基因型空间不是连续的三维地形，而是离散的、高维的、几乎完全不可达的。一个蛋白质的序列空间是 20^L 维的（L 是氨基酸数），相邻的序列之间只有一步突变。在这个空间里，「距离」不是欧几里得距离，而是编辑距离；「山丘」不是平滑的斜坡，而是由无数不可行突变构成的悬崖。Gavrilets 在 1997 年提出的「holey adaptive landscape」模型指出：高适应度区域不是孤立的峰，而是相互连通的「网络」——就像瑞士奶酪里的孔洞，适应度高的区域是连通的隧道网络，而不是被低谷隔开的山峰。

这个区别不是学术细节。它直接决定了我们对「物种形成」和「创新」的理解。如果适应度景观是平滑的山丘，那么从一个峰到另一个峰需要穿越低谷——这几乎不可能，所以物种形成需要地理隔离（allopatric speciation）。但如果适应度景观是连通的网络，那么种群可以沿着高适应度的「脊线」逐步漂移，在不穿越低谷的情况下到达新的峰——这为「同域物种形成」（sympatric speciation）和「适应性辐射」（adaptive radiation）提供了机制上的可能。

更深刻的教训是：我们倾向于把复杂系统简化为低维的、连续的、可视觉化的模型，然后忘记这个简化本身是一个选择。适应度景观之所以被广泛接受，很大程度上是因为它「画得出来」——而不是因为它「说得对」。当我们在系统思维中遇到类似的地形比喻（比如「知识图谱」「语义空间」「景观」）时，应该问：这个空间是连续的还是离散的？维度是多少？「相邻」意味着什么？如果这些问题没有答案，那么「山峰」和「低谷」就只是修辞，不是解释。

一个值得辩论的问题：当我们用「适应度景观」来比喻知识生态或学术创新时，我们是在帮助理解，还是在用错误的几何学预设限制我们对可能性的想象？