开场与选题契机：从职场到创业对 Fake Work 的体感转变
现在是北京时间晚上十一点半，对方则是早上八点半。两个人一个是夜行型，一个是晨行型，正好都在各自状态最好的时间段。
在之前核对提纲的时候，一提到“fake work”（虚假工作 / 表演性工作）这个词，就让人灵光一闪，当时便决定就聊这个话题，不再更换其他选题。这确实是创业以来感触非常深的地方。对于创业者来说，创业前的自己和开始创业、自己做播客，哪怕现在只是管理几个员工的小公司，跟以前在创业公司管几十人团队的状态相比，还是有极大的区别。现在可以完全放弃所谓的 fake work，直接去做真正想做的事情，并直接为所有的事情承担责任，进入一种全然为自己负责的状态。
什么是 Fake Work：从大厂经历到表演性工作的定义
关于对 fake work 的理解，不同人的感知可能不完全一样。这种体会往往是在自己真正开始直接面向市场、开始向客户收费之后才猛然意识到的。
回顾过往履历，博士毕业后，先后在亚马逊（Amazon）、Meta（Facebook）、腾讯等中美大厂工作过，后来又加入了一家名为 Statsig 的创业公司（该公司后来被 OpenAI 以十亿美元收购）。可以说中美大厂和创业公司都经历了一遍。当时作为一个专业型人才、数据科学家，身在其中时其实做了非常多的 fake work，但当时完全不自知。甚至当领导对结果提出要求，说“如果拿不到结果，最后说的那些东西不都是白说吗”的时候，内心还会产生抵触和反弹，心想：“你怎么能这么不专业？我做的东西专业度这么高，没有拿到业务结果是因为做这件事本来就不是百分之百能拿到结果的，为什么要用这种结果导向的方式来要求我？”
现在回头再看，观念则完全倒过来了：如果确实拿不到实际结果，空有那些所谓的“专业”到底有什么用呢？如果认为拿不到结果的专业依然有价值，那说明我们根本还不理解价值的本质是什么。
如果用最精炼的一句话给 fake work 下定义，它就是“表演性工作”。这种工作的目的既不是为了赚钱，也不是为了对现实中的人产生真正的有用影响，而纯粹是一种用于向上管理、向上汇报的工具。
大厂真实价值的少数时刻与跨部门协同的漫长拉扯
在整个职业生涯中，不带表演性质的、具有真实价值的工作其实非常少。
在 Facebook 工作期间，有一小段时间做的工作不是表演性工作。当时做的是整个公司非常在意的一件事——在 Facebook Marketplace 上尝试做电商业务。Facebook Marketplace 类似北美的“闲鱼”，主要用于二手交易。当时负责的副总裁（VP）非常希望能把电商做起来。虽然事实证明纯电商最终没能做成，但当时团队至少把邮寄功能以及用户直接在 Facebook 上结算买单的闭环跑通了（尽管后来这一功能又被砍掉了，导致现在用户在 Marketplace 上做二手交易基本只能在线下当面交易，无法提前线上购买或邮寄）。但无论如何，在当时把邮寄和线上交易规模做大的过程，是一件具备真实业务价值的事情。
后来回到腾讯，也做过一件具备真实价值的事：让腾讯游戏能够在安卓渠道上采买广告。这件事情在逻辑和技术层面上其实并不复杂，但前后却耗费了快一年的时间。这近一年的时间几乎全部耗费在各种汇报和拉通上——跟各个游戏工作室汇报、跟集团汇报、跟财务团队汇报、跟战略团队汇报，全都在做跨部门拉通，去应对来自各方面的质疑与挑战，最终才把事情推上线。
在这两件事之外，其他很多工作在很大程度上都充斥着 fake work。在后续加入创业公司之后，非 fake work 的事情才变多了一些。
Facebook 促销归因事件：两周严谨分析与半小时表格汇报的碰撞
在亚马逊、Meta、腾讯以及 Statsig，都有过一些标志性的瞬间，让人猛然意识到原来自己过去视若珍宝、觉得极有价值的事情其实是 fake work。往往是经历过真正的工作并获得强烈的现实反馈之后，才会反思过去的认知偏差。
在 Meta 时期发生的一件事让人印象尤为深刻。刚去 Meta 时，团队里有一位正在全力推进电商业务的印度裔主管（当时是 Senior Manager，马上要晋升为 Director）。他把人招进去后不久就变成了隔两级的汇报对象（加三层级），但平时依然非常关照下属。他深受负责该业务的 VP 信任，于是给安排了一个非常重要的任务。事后回想，主管安排这个任务的初衷，也是想给新人一个在 VP 面前露脸、崭露头角的机会。
当时正值美国的“黑色星期五”（Black Friday）购物季，即感恩节后的大促消费节点。Facebook 为了在 Marketplace 上力推电商，投入了大量的人力和预算进行补贴。前一年的补贴策略很简单粗暴，比如用户可以半价购买当时非常火爆的任天堂 Switch 游戏机，引发了广泛的新闻报道。而当年的补贴策略则更加复杂，试图采取更精准的打法，希望通过补贴促使用户养成在 Facebook 上的购买习惯。
大促过后，管理层自然面临一系列核心问题：这笔补贴资金花得究竟值不值？用户是否真正形成了购买习惯？对整体销量的拉动到底如何？最好能做出一套严谨的因果归因分析（Causal Attribution），论证如果没有这笔补贴基准线会是怎样，以此评估补贴策略和相关团队的工作是否真正产生了价值。
主管明确交代：现在大老板们极其关注这次大促的结果，需要尽快出一份分析报告向大老板汇报究竟发生了什么。
当时由于在亚马逊担任经济学家的经历，整个人还保留着学术界和前司留下的不良工作习惯。听到主管的要求后，脑子里的第一反应是：既然是大老板要看，那就必须做出一份极度专业、详实、全方位覆盖、能经得起任何学术级挑衅与推敲的分析报告，以此彰显自己的专业水准，供大老板做关键决策。
于是便按照博士训练的那套学术范式展开工作：设定研究背景与目标、阐述研究方法、描述数据清洗流程、构建不同的计量/统计模型、展开多维度交叉分析，最后输出结论与建议（Recommendations）。当时心里还盘算着，如果能花两周时间把这么庞大详实的一份大报告做出来，同时兼顾手头的其他事情，那已经相当厉害了。
结果仅仅过了一天，主管就过来询问进展：“你做得怎么样了？”在得到“大概需要两周做完”的回答后，主管直接把人叫到了他的工位旁，当场花了半个小时演示他是如何处理这个需求的：
主管直接把核心数据导下来，放进 Google Sheets 表格中，做了简单的排版，用颜色把最重要、最核心的指标突出高亮，清晰对比了今年发生的实际数据与去年的同期表现。随后，主管利用 Facebook 内部类似信息流（Feed）的协作工具写了一篇简短的帖文，把处理好的数据图表放上去，并在帖子里直接 @（tag）了所有的相关 VP、合作的各业务 Director 以及工程团队负责人，直接发布了出去。
发出后大概仅仅过了五分钟，大老板就在帖子下面点了赞并评论道：“这个分析做得很好，感谢你们及时提供的分析。”
这件事带来了极大的认知震动：过去引以为傲、花费大量时间精心雕琢的所谓详尽报告，在实际商业决策场景中究竟在扮演什么角色？
学术论文与工业界报告的含金量幻觉
这种对“假工作”的迷思，其实从读博士阶段就已经根深蒂固了。
回想经济学博士期间的研究，全美有那么多顶尖的经济学教授，写了浩如烟海的学术论文。如果把这些论文全烧掉，真实世界的 GDP 会发生什么变化吗？实际上不会有任何变化，除了教授们少了几篇发表记录之外，真实世界照常运转。
但身处学术评价体系内部时，人的感知是完全被异化的。当时会发自内心地觉得，学术论文是全世界最有技术含量、最有说服力的东西。与计算机/人工智能领域主要以周期较短的学术会议（Conference）为主不同，经济学、社会学等领域的顶级成果主要依赖顶刊学术期刊（Journal）。在经济学顶刊上发一篇论文，从构思、写作、审稿到修改，最快往往也要五到六年，拖上十几年也是常有的事。如果一个人花了六年时间就能在顶刊发出一篇论文，大家都会惊呼其极度幸运。
正因为在这个体系中，投入了极其漫长的时间、消耗了海量聪明的头脑，各路顶尖学者一本正经地在细节上反复推敲、争论好坏，身处其中的人就会产生一种强烈的幻觉，认为这就是世界上最有含金量的工作。
进入工业界（如亚马逊）担任经济学家后，这种工作模式实际上成为了博士学术训练的惯性延续，让人误以为只要模型够复杂、报告够厚重，工作就具备极高的含金量。直到在 Facebook 遭遇了那次强烈的现实碰撞，才开始严肃追问：那些复杂的步骤到底创造了什么？如果它不能干预实际业务结果，也不能及时影响有决策权的人去改变结果本身，那它的真实价值究竟在哪里？
数据科学家的真正交付物：Better Decision
这引出了一个关于岗位本质的深层问题。在 Facebook 期间，负责数据团队的最高负责人是 Alex Schultz。他最初是 Meta 的数据负责人（Head of Data），后来转型做了几年的首席营销官（CMO）——一个纯数据科学背景出身的人转去做市场营销一号位，在业界极为少见。再到后来，随着人工智能技术的大爆发，扎克伯格需要一个绝对信任的人来全盘统筹包括 AI 训练与使用在内的所有数据资产，Alex Schultz 又转回担任首席数据官（Chief Data Officer）。
当年在 Facebook 内部，Alex Schultz 曾为全体数据科学家（Data Scientist）录制过一套培训课程。该系列课程的核心主题非常直接，就叫做“Better Decisions”（做出更好的决策）。
刚听到这个课程名称时，很多人其实完全无法理解，甚至觉得过于抽象：数据科学家不应该讲数据结构、统计算法、机器学习模型等硬核专业技术吗？为什么核心课程会叫“Better Decisions”？
直到后来在腾讯工作期间，才真正深刻领悟到了这个理念的底层逻辑：数据科学家最终交付的核心产品到底是什么？
很多数据科学家会认为自己的产出是复杂的算法模型、炫酷的仪表盘（Dashboard）、通畅的数据管线、或是几十页的专业分析报告。但这些都不是。数据科学家唯一具有商业价值的交付物，就是“Better Decision”（更好的决策）。也就是说，有了数据科学家的介入，业务方的决策是否变得比以前更好了？如果最终的决策没有任何改善，那么前面所做的所有模型、仪表盘和数据清洗工作，全部都是一种资源浪费。
站在这个视角再去看很多大厂内部的行为，就会发现大量的模型开发完全就是 fake work。例如在腾讯内部知识库（KM）上，经常能看到有人发帖分享：“我研发了某种先进模型解决了某业务问题”，“我搭建了一套高阶系统辅助业务决策”。这类总结通篇都在强调模型的复杂度、仪表盘拖拉拽功能的先进性、数据清洗的难度，却唯独没有真正关心过业务决策本身是否发生改变。
在真实的商业环境中，数据在最终决策中所能占到的比重，客观来说可能往往只有 10% 到 20%，很难真正对整个业务决策起到绝对的支配作用。当数据人员无法真正触达和左右核心决策时，为了证明自身的存在感与价值，大家便倾向于在前端的形式上互相内卷、大秀花拳绣腿，从而陷入了群体性的“表演性工作”。
参谋体制与执行链条断裂带来的表演倾向
从组织架构与决策链条的角度来看，表演性工作的产生有其必然的结构性原因。
俗话常说“参谋不带长，放屁都不响”，这形象地说明了参谋团队在组织中真正能够直接影响核心决策的往往只是极少数人。
很多职场人在进入一家公司（例如广告公司或投资公司）初期，通常都是从最基础的策划或分析做起。处于这个层级时，其角色本质上就是“参谋”。策划人员可能会耗费心血画出一份非常漂亮的 PPT，随后销售总监或业务负责人带着这份 PPT 去做路演、跑客户。但无论外部反馈如何，真实的业务结果往往不会形成闭环反馈给最初做策划的人。基层策划人员既无法根据真实结果去优化整个业务流程，也无法反向调整自己的行为模式。只有当一个人在组织中逐渐向业务后端延伸、拥有了更多实权与资源调配能力之后，才会真切地意识到：要想把一件事情真正做成，必须深度卷入并协同更多的关键资源。
表演式工作与向上管理的逻辑
在这种情况下，表演式的工作就完全不一样了。表演式工作是有明确目的的，核心就是要向上表演。向上表演主要体现在几个方面：第一，我要证明我是有价值的；第二，我要证明我的业务是有价值的，从而争取到更多的资源；第三，更有甚者，在大厂坐到一定位置之后，觉得还要证明自己的老板及其业务的合法性。你首先得保住自己的工作，然后在写材料、做事情的时候，还要保证老板的工作安全，给老板提供充足的情绪价值。
这是非常真实的现状，因为在组织里每一层其实都一样。特别是当一个组织庞大到一定程度的时候，每个人都非常清晰地知道自己老板真正想要的东西到底是什么。
这就好比董事长交权、选了一个新的 CEO，这位 CEO 是怎么跟董事长对赌的？CEO 一定会跟他说：我打算把股价拉到多少钱，让你能够解套，或者让你能够顺利减持。在中国 A 股的很多上市公司里，即便明面上不公开说，实际上内部也必然会有这样一个明确的预期。
对于 CEO 来说，他就要去评估自己的哪一块业务板块在资本市场中比较容易讲出好故事。接着，他就会根据这个业务布局，重新调配人手，进而形成新的组织关系、权力关系以及业务架构。
到了这个阶段，下面具体的业务部门主管和骨干，特别是像做到中层管理者之后，心里就会非常清楚：在这个权力结构当中，自己必须通过怎样的方式来包装工作，才能够拿到更多的权力、更多的预算以及更高的优先级。因为如果没有这些资源，你实际上什么事情都干不成；即便拿到了资源，也许最终事情也会被干砸。但从某种角度来说，这种机制天然会扭曲人的行为。也许你的初心是真的想去做成一些事情，但在整个过程推进中，你不得不通过大量的表演性工作和虚假的行为去运转。
组织规模与中台流转中的 Fake Work
关于这个问题，我原本也有过一段认知迭代。最开始的时候，我认为这是一个所有制的问题，觉得是不是国企机制不行，而一些先进的民企或者外企就会好很多。但后来发现，这跟所有制并没有特别大的关系，只要组织庞大到了一定程度，情况全都是一样的。
后来我又在想，是不是跟企业规模有关系？组织变大了，你进入到一个中层或者中台部门，没有办法直接面对最终客户。特别是在一些知识性组织里面，中间存在大量充当“传话员”角色的岗位。就像文章里写 Fake Work 那样，组织里存在很多润滑性质的工作，负责在模块与模块之间、业务与业务之间进行衔接和卷动。
当你处在这样一个信息枢纽的位置时，天然就会面临两个问题：第一是脚不沾地，你不是直接面对一线客户，很难获得真实准确的业务体感，很多流程走到你这里可能就断掉或者走丢了；第二是公司对中层的考核往往偏向过程管理，所以大家往往会拿出各种数据证明，来佐证自己工作中的各种事项。
因此在那个阶段，我认为这是一个规模问题，即组织规模一旦达到一定程度，内部的 Fake Work 就会成倍增加。
创业公司中的权力结构与投资人诉求
然而再到后来，当我进入了一家创业公司之后，发现大家依然在做 Fake Work。这时我意识到，这不仅仅是规模问题，更深层的根源还是在于权力结构。
进入创业公司之后，你表演的对象发生了变化。因为一个再小的创业公司，当它只有一个大股东的时候，这个大股东在某种程度上就会像一个皇帝。全公司所有的人都会非常敏锐且清晰地去感知和关注他的个人情绪、恩宠或者是焦虑所在，这是毋庸置疑且非常现实的问题。
另一个关键因素是投资人，投资人会极大地影响管理层对事情判断的优先级。事实上，商业世界里有大量的决策纯粹出于常识；如果你是一个拥有真正勇气和常识的人，是完全可以做出客观判断的。但一旦引入了投资人，投资人自身有一套诉求和想法，他们对具体业务可能并没有那么深入的了解，他们的核心诉求就是要求企业保持高速增长，以便未来有机会把老股卖掉变现，或者能够做出一个漂亮的 Showcase。投资人对增长的渴求极高，这种压力传导下来，就会导致团队对商业的真相或真实的商业规律视若罔闻，转而去做一系列仅仅为了证明业务具备高增长潜力的虚假动作。
特别是当一个管理者成为多个部门的 Leader 时，他就会变成一个叙事的统合者。原本不同的部门各自有一套叙事来构建和管理自己的小团队，但当你同时管理多个部门，尤其是部门之间的利益存在冲突、目标不一致的时候，你就要花费更多的时间去统合这些诉求。在这个过程中，一个真正希望干实事的人会非常痛苦，因为他必须把大量的时间消耗在证明自己、向上汇报、跨部门沟通协调拉齐以及撰写各种文档上。之所以会这样，是因为只有这些工作本身及其带来的过程指标是可衡量的，即便这些 KPI 未必具备真正的实际价值，但由于它们是可衡量的，大家就只能被卷入其中。
所以对于 Fake Work 的理解，我认为它既不是单纯的所有制问题，也不仅仅是文化或规模问题，而是一个非常复杂的结构性问题。
资源博弈与知识工作归因困境
大厂内部的资源往往是硬性的，而个人的专业技能或业务本身有时反而是软性的。在大厂内部有很多类似的经历：比如当年如何替整个增长中台的老板去争取与其他核心业务部门（例如《和平精英》等项目）展开合作；在这个过程中，团队内部带的数据科学家往往无法理解背后的逻辑，需要耐心地向其解释在组织博弈中到底什么是核心重点、什么是次要事项。还有为了帮助部门在第二年能够继续活下来，甚至直接给小马哥写过汇报信；以及当年修改过一个关键脚本，这个脚本最终提交给了最大的甲方审核，几乎让整个游戏行业在当时那一轮互联网监管打击中避免了受到过于严重的冲击。
在创业公司中，大股东如同皇帝的现象确实普遍存在。比如在之前的创业公司，CEO 虽然能力极强，但身边总有人特别擅长迎合他的想法。当时我正是因为极其反感 Fake Work 才选择去创业公司，很多向上管理的动作本能地不想再做，尽管完全有能力做好。但当时团队里的 Chief of Staff 就会想方设法坐在 CEO 对面，甚至换工位时专门挑紧挨着老板的位置，处处投其所好。能够明显感觉到他对老板的影响力极大，老板遇到事情也会习惯性地让他去转达与协调，从而自然而然地让渡了大量权力给他。
这类表演性工作或 Fake Work 的成因，一方面源于白领工作的本质属性，另一方面源于公司金融与经济学中的委托代理问题（Principal-Agent Problem）。
知识工作者的生产力（Productivity）在本质上是无法精确衡量的。在传统工厂里工人可以按件计酬，农民种地也可以按产出计算；但是对于知识工作，比如一个数据科学家到底给业务带来了多大的增量价值，如果让团队里的十个人各自汇报，十个人算出来的业务增量相加可能会达到百分之五百——每个人都认为自己贡献了百分之五十的增长，整体功劳根本无法清晰拆分。知识工作的归因（Attribution）链条过长且过于抽象，在现实中无法让历史重演，也无法开展绝对严密的因果控制测试，因此在本质上难以做到客观精确的度量。
再者就是委托代理问题。公司的所有者（Principal）天然希望把业务做大做好，并且希望以最低的成本来实现业务目标；但身处其中的管理者和员工（Agent），核心诉求往往是实现自身的升职加薪。而在大企业中，升职加薪最快、最有效的方式往往是扩大管辖团队的规模、招揽更多的人手。一家公司之所以拥有这么庞大的员工规模，往往不是因为业务当下真的需要这么多人，甚至也不是因为未来需要这么多人，纯粹是因为公司当前招得起这么多人。只要企业承担得起成本，管理者就会倾向于尽量多招人，因为自上而下所有管理者的利益诉求都是通过扩充团队来抬高自身身价。
当知识工作不可精确衡量与委托代理机制叠加在一起，中间必然会滋生出大量的 Fake Work。而且在企业内部，只要存在职责分工与交接环节，所有的交接点都会成为 Fake Work 的温床，因为责任在交接的瞬间就很容易被洗白和清零。此外，即便在创业公司中，老板也不可能精通业务的所有领域。在老板擅长的领域（例如工程研发能力极强），他能够精准判断每一个工程师的代码水平与产出价值；但在他不擅长的领域（例如市场营销），由于缺乏判断标准，就更容易给各类表演式工作和虚构产出提供滋生的空间。
创作链条撕裂与管理者的干预痼疾
在现实分工中，蓝领的工作虽然有时被戏称为较为底层的脏活累活，可能从业者的自我价值认同感不高，但其工作贡献是清晰可见且极易量化的，比如捡了多少瓶盖、清理了多少垃圾，成果一目了然。而白领工作则完全不同，许多白领工作的表面产出看起来大同小异，但实际内涵和价值却天差地别，缺乏统一客观的衡量尺度。
以媒体从业经历为例，从广播电台主持人转行到电视台做导演，两者的工作模式存在巨大反差。在广播电台做主持人时，核心特征是“采编播一体”，一个人负责出独立创意、担任记者外出采访、作为主持人出镜主持、联络邀请嘉宾，同时还要兼任内容编辑。在整个采编播一体的闭环中，个人相当于一个“全栈”创作者，不需要耗费大量时间去跨环节协调或向上证明，做出了好内容就是好内容。这种模式高度契合内容创作规律，创作者能够按照自己的意图将一个作品从头到尾完整实现。
但到了电视台做导演，整个创作逻辑就彻底被撕裂了。首先，制片人有制片人的诉求与考量；其次，项目还要兼顾招商赞助商的权益以及平台节目的调性；再者，主持人有在镜头前展现个人魅力的诉求；而后期的剪辑制作人员则希望尽量少熬夜通宵，同时又希望在片子里保留自己的审美表达。在多方利益交织下，作为导演的创作环境变得异常艰难。从效率和产出层面来看，最终交付的成品并不是完整意义上的个人作品，其最终的完成度也根本无法由导演单方面决定。面对这种复杂的制约，创作者既可以选择用非常轻巧、偷懒乃至敷衍行活的方式去交差，也可以选择投入巨大的精力去精雕细琢。两者的投入产出差距极大，但由于个人在整个庞大的生产环节中仅仅只是一个齿轮（Play 的一环），往往很难真正全情投入，最终很容易滑向妥协与糊弄，做出一件平庸的作品，以此来应付商业、领导等各方面的诉求。
与此同时，很多管理者身上还普遍存在一种“价值增加强迫症”（Value Adding Disease）。这正如相关行业短文所剖析的那样，许多管理者很难克制住向下属指手画脚的冲动。当下属拿上来一份极其精美且专业的设计方案或策划案时，管理者为了体现自身的管理价值，无论如何都必须开口提上两句修改意见，而这些意见往往反而把原本优秀的方案改得更差。
在广告行业同样存在类似的现象，比如业内通常尽量避免接大型银行客户的品牌广告业务。原因在于银行内部的副行长人数众多，彼此之间往往还存在利益博弈与矛盾。一个大型品牌广告需要经过多位副行长层层过目，每位领导都会顺手添加自己的诉求，而这些诉求之间往往互相冲突。最终，整个项目就会陷入巨大的内耗之中，团队不再是专注于完成一件优秀的作品，而是被迫耗费海量的时间去承担情绪劳动、提供情绪价值，在极其扭曲的结构下疲于应付各方博弈。
面对虚假工作：选择环境而非试图改变环境
在意识到自己所从事的工作可能属于所谓的“虚假工作”（Fake Work）时，很多人会探讨是否应当采取行动去做出改变。其实，在面对大环境时，更理性的策略并不是劝大家去改变环境。正如很多职场观察和播客讨论中呈现的那样，身处特定体系内，个人很难真正改变大环境，更多时候只能去适应环境，并在既定环境下选择更合适的策略与战略（tactics 或 strategy）。
看清所处的环境至关重要，但必须明确，个人在其中能够改变的事情是非常有限的。如果恰好具备足够的影响力或机缘巧合能够推动环境变化，自然是一件好事；但从历史经验来看，试图单枪匹马改变环境的人往往结局并不理想，被改变的人未必领情，自身也往往陷入极大的消耗与痛苦之中。
因此，更为实际的做法是主动去“选择环境”。当意识到自身具备选择的机会与能力时，完全可以通过转换环境来摆脱 Fake Work。比如通过跳槽，从大型企业（如腾讯）跳到创业公司，再从创业公司走向独立自立门户、做自己的事业。当拥有完全的自主权去经营自己的业务时，自然就不需要再去应对那些 Fake Work。
而在真正拥有这种自主权之前，核心在于提升自己选择环境的能力。起步阶段，可以把个人的专业经历与简历打磨扎实，确保自己具备跳槽到任何目标公司的市场竞争力；当经历了一定阶段、不再想继续在不同公司之间跳槽时，则可以开始探索副业与个人事业，尝试构建不依赖单一雇主也能创造价值、独立立足的能力。
职场生态与中台定位：看清游戏规则与守住专业底线
对于既无法轻易跳槽、也尚未建立起独立副业的大多数职场人而言，身处企业生态中，必须首先看清两件事。以过去在腾讯游戏数据科学中台的实际经历为例，当时团队是从老市场部门演化而来的增长中台，中台负责人在腾讯内部拥有广泛的人脉网络，与各大核心业务部门关系深厚。而数据科学团队整体的能力与专业素质过硬，属于一个精干的专业小团队。从组织运作层面来看，管理层往往是以数据科学团队的专业能力作为切入点和合作契机，去敲开与核心业务部门的合作大门，进而带动整个中台的其他资源全面接入。
在这样的背景下，团队曾有一位专业能力非常出色的小朋友遇到困惑：在做数据分析时，业务方预期希望看到结果 A，但严谨分析得出的客观事实却是结果 B。此时究竟是该坚守数据科学的诚实度与专业节操（integrity），还是直接迎合业务方的需求输出他们想要的内容？
要解开这种困惑，首先要认清合作达成的真正逻辑。核心业务部门愿意与中台合作，本质上并不是因为某一份数据分析报告多么有节操、多么专业，而是因为双方高层管理者之间具备成熟的信任关系与合作意愿。双方需要一个业务由头来落地合作，业务方需要调动中台的资源，中台也需要核心业务作为载体来证明自身资源的价值，最终在更高层管理者面前形成共赢局面。
因此，作为专业的数据科学家，合理的应对方式应当分为两步： 第一，恪守专业底线。客观保留真实的数据分析过程与结论，将应有的专业建议清晰地传达给业务方关键的决策者，确保对方在知情的前提下做决策，履行好专业角色的职责。 第二，在关键决策者已经知情的情况下，全力配合甲方的实际需求去推进执行。要摆正心态与定位，明确业务方就是甲方，中台专业团队只是大型组织协同（big play）当中的一个组成环节，做好自身环节应承担的角色，避免为团队和管理者制造不必要的障碍与摩擦。
作为专业人士，必须先看清整个职场游戏的规则。坚守诚实与专业度本身是有价值的，但必须意识到，这种专业价值只是组织整体更大运转逻辑中的一小部分。专业人员应当坚守自己的价值与底线，但也要懂得适可而止，把真实信息呈现给拥有决策权的人之后，按照规则把游戏玩好。
识别打工的本质：用 10% 的高价值工作挤掉低价值琐事
职场人必须建立清醒的认知：当你选择进入大厂打工的那一天起，就意味着进入了一个不可避免包含大量 Fake Work 的系统，甚至在某种程度上，Fake Work 本身就是企业雇佣劳动价值的重要组成部分。如果身在其中，却始终陷入“为什么我总在做 Fake Work”的抱怨中，只会徒增内耗。
如果确认自己极其排斥 Fake Work，可以在日常工作中主动创造空间，通过放大高价值工作来逐步挤出低价值的琐事。这一工作法源自过去在 Facebook（Meta）任职时从资深高级数据科学家处获得的启发：在日常工作中，真正产生决定性价值的内容往往只占 10%。
任何人回溯自己过去半年的工作产出，通常都会发现，真正决定这半年核心绩效与产出成果的，往往只是其中两到三周的关键工作。虽然在往前展望时很难精准预判哪些是决定性的 10%，但可以在工作中保持主动性，一旦识别出具有高价值的工作模块，就想方设法进行沉淀、复用并反复推进，以此占据主要精力与工作界面，进而把那些低价值、流程化的 Fake Work 逐步挤压掉。通过这种方式，在以虚假工作为主流的环境中，为自己争取到更多从事真正有意义事情的生存土壤。
降低琐事内耗：借助技术工具与最优解思维化解情绪摩擦
很多人对虚假工作和机械琐事（例如繁琐的填表、发票报销、财务流程及家务杂事）的耐受度极低，面对这类任务时容易产生暴躁与烦躁情绪。然而，长期的抗拒与抱怨对个人精力状态的破坏是极其严重的。
随着当前各类 AI 工具与 SaaS 软件的普及，面对不想做但又不得不处理的事务，完全可以采取更理性的方式寻找“最优解”：
- 任务转移：将机械性事务交由团队其他成员协作完成或外包处理；
- 技术提效：利用 AI 自动化流程或软件工具实现无痛处理，大幅降低执行成本；
- 沉没成本止损：对于极其繁琐且收益极低的事情（例如复杂的发票处理），如果精力消耗过大，甚至可以选择放弃报销以换取心情的平静。
现实中没有人的工作能够做到 100% 都是自己喜欢、擅长且愿意做的事，除非有其他人代为承担了重负，或者自身处于至高无上的管理位置。如果把琐事持续堆积在心里、反复抱怨抗拒，对个人心理能量与精神面貌的损耗往往远大于事情本身。
告别工作的“纯恨时代”：高薪中层的冒充者综合症与心理内耗
当前社交媒体上有观点提到，过去人们对工作往往抱有复杂的感情，交织着个人价值实现、社会认同、喜忧参半与痛并快乐；而如今不少人对工作已经进入了“纯恨时代”。这种对工作的极端排斥状态，对个人会造成深层次的多重伤害：
第一，直接伤害个人的情绪与日常体验，让人长期处于不适与痛苦之中； 第二，严重削弱个人的自尊感。根据自我决定理论，自主性、胜任感与连接感是获得价值感的核心来源。很多人的价值认知建立在“通过自身努力达成某个结果并获得正向反馈”的基础之上，当工作中无法获得胜任感与正面反馈时，自尊水平会受到严重打压； 第三，引发强烈的“冒充者综合症”（Impostor Syndrome）。这种情况在金融机构与互联网大厂的中高层管理人员中尤为普遍，不少人长期处于惶惶不可终日的高压紧绷状态。
大厂中层与金融中层的收入普遍显著高于社会平均水平，但他们的核心工作往往变成了“如何保住这份工作”。由于大厂的高职级岗位（如 P8 等）在外部市场中的通用承接度有限，一旦脱离原有平台，很难在市场上快速找到同等薪资待遇的职位。这种对职位稳定性的依赖，导致其全部的安全感与专注度都被迫绑定在保住现有岗位上，进而对整个人的人格完整性与精神状态造成长期的隐性伤害。
真实反馈与自尊来源：街头小个体户对比大厂夹心层
观察街头的个体经营者与手工艺人（如做煎饼的小摊主、手工艺品制作者）可以发现，虽然他们的整体收入未必很高，但其精神面貌往往展现出高度的自信与自尊。这是因为手艺人每完成一个产品，都能直接从顾客那里获得真实且即时的反馈。无论是正面还是负面评价，都是来自现实世界真实用户的直接交互，一天之内可以经历几十次甚至上百次这样的闭环反馈，从而建立起极其扎实的胜任感与自尊心。
相比之下，身处大厂中台与中层位置的人群，向上无法直接参与最高层战略决策并驱动宏观结果，向下无法像一线销售或前线业务人员那样直接触达真实用户。他们夹在组织中间，沦为“战略传声筒”与“战略叙事者”，长期从事缺乏真实反馈的 Fake Work。这种身处夹心层所带来的职业消耗与人格伤害，也是促使很多资深专业人士最终选择跳出大厂体系、转型成为独立个体户或创业者的核心动因。
职业阶梯的“过拟合”与大厂核心竞争力的异化
身处大型企业体系中，员工往往会被系统训练出对特定“职业阶梯”的严重过拟合（overfitting），所积累的全部技能都是为了在这个单一体系内向上攀爬而准备的。
以腾讯时期的体验为例，如果在一个大厂环境中继续深耕两三年，个人所形成的核心竞争力往往会异化为：对公司内部政治与流程更加了解、在内部认识更多人并建立了人际信任、在内部办事调配资源更加顺畅。然而，这种仅仅依附于特定组织的协调能力，并不能构成跨越周期的通用核心竞争力。除非打算在一家公司工作一辈子，否则随着外部技术（尤其是 AI 技术）的快速爆发，这种高度依附于大厂内部体系的能力在真实市场面前将变得极其脆弱。
在探讨职场与 Fake Work 时，还会涉及一个核心概念——“跨期违约”。
警惕“AI 自动摸鱼”：短期套利背后的精气神损耗
当前在北美大厂环境中，由于 AI 工具的快速普及，具备一定 AI 技能的员工获得了大量“摸鱼”的空间。在社群与实际访谈中，已经出现不少利用 AI 完全接管日常工作的案例。例如，有员工利用 AI 自动读取项目管理工具（如 Linear）及 GitHub 上的任务，让 AI 自动完成代码编写与任务交付，自己仅在下班前喝着咖啡进行验收并提交，白天在家几乎无需真正投入工作。在 Meta 等大型科技公司中，类似利用 AI 自动化完成工作的情况屡见不鲜。
从短期来看，这种工作方式似乎是一种时间与薪酬上的套利，但从长期来看，它对个人的自信心与精气神会造成极大的侵蚀。长期处于这种状态下，即使能够找到逻辑上的自我合理化，内心深处也会逐渐产生强烈的虚无感，认为自己的工作是假的，自己也变成了一个缺乏真实价值的虚假之人（fake），拿着与实际创造不匹配的高额薪酬，陷入对自身真正能力的迷茫与恐慌。
当然，如果能够保持清醒，这也可以被视为一种特殊的阶段性窗口期：在获得稳定薪酬的同时，利用释放出来的精力去深入思考脱离当前雇主体系后，自己真正能够独立创造价值的领域与方向。
学校评价体系的延伸与真实财富的定义
大厂中层所执着的考核标准并非真实价值，而街头小老板的经营反而蕴含着真实价值，这一现象背后存在着深刻的认知惯性。人们从小到大接受的都是学校教育与考试体系的训练，而大厂的职场运转机制本质上是学校体系的全面延伸，员工只是从一所物理学校流动到了另一所企业形态的“大厂学校”。
学校与大厂体系与真正的市场创业和现实价值创造存在本质区别。现代学校体系是工业革命后为了培养白领劳动力而逐步形成的制度产物，其核心特征包括：
- 存在标准答案；
- 依赖书本知识去解决预设问题；
- 题目难度越高被赋予的评价权重越大；
- 由专门的权威人士进行评分，分数高低直接决定了优秀程度。
大厂的职级晋升与绩效考核完全继承了这一逻辑：只要在既定的评分体系里拿到高分、解决复杂的技术或管理问题，就会被认定为能力强、有价值，从而获得更高的薪酬与社会认可。这与从小考取清华北大等名校所获得的社会赞誉如出一辙。
然而，这种价值很大程度上建立在一个人为构建的封闭评价系统之中。它如同在《魔兽世界》等网络游戏里练就了极高的游戏等级，在游戏生态内部备受认可，但一旦脱离了该游戏规则，外部真实世界并不会直接承认这种分数的意义。必须清醒认识到这类封闭评价系统的局限性。
究竟什么是真实的价值与财富？正如硅谷著名投资人、Y Combinator 联合创始人保罗·格雷厄姆（Paul Graham）在经典文章中对“什么是财富”所展开的探讨，真正的价值创造需要跳出人为设定的考试与职级游戏，回归到真实世界与真实需求的连接之中。
财富的本质与大厂工作中的虚假感
一般人想到财富首先想到的就是钱，可是钱只是近现代的发明。人类历史上有那么漫长的时间处于没有钱的状态，那在那个时候什么是财富呢？是土地还是什么？其实归根结底一句话总结，财富就是 people want、what people want，也就是别人想要的东西。别人想要的东西就是财富。比如你种地收的麦子，我想吃粮食，粮食就是财富；我需要衣服，衣服就是财富；我需要一些别的物品，哪怕是金子，有人想要金子，那金子也可以是财富。只要别人需要这个东西，你就可以拿这个东西去跟别人进行交换，这就是财富本身。
所以你看那些小业主、个体户，他们所做的东西很明显，他们明确知道这就是别人所需要的，比如每天早晨有这么多人来吃我做的早餐。他们所从事的事情与真实的财富之间存在着一种真实的链接。
但是在大厂里，一方面是工作本身演变成了一种虚假的游戏，另一方面则是我们看似很值钱、看似赚了很多钱，但金钱的金融体系本身其实也是另外一套叙事和游戏。如果我们去看具体实物，财富和钱本质上都是一种故事。而在这样的故事体系里面，我觉得恰恰缺乏了一种真实的链接感。
在这样一个缺乏真实世界、缺乏真实链接和真实游戏的环境之下，我们只能不断选择去强化原有的叙事，比如论证为什么我是一个中层、为什么我具有这么大的价值。但是你哪怕反复去强化它，最后心里还是清楚知道这个东西其实是假的，那个逻辑在现实中并不成立。
人才高密度与低增速环境下的 Fake Work 膨胀
从我个人的感知来看，这里面有两个非常关键的点。第一个点是，当一个地方人才密度极高但业务增速不快的时候，这是相当危险的。为什么说人才密度高而增速放缓时会极度危险？因为在意义感变得稀缺之后，这些人必须要通过更加勤奋、更加持续的工作，以及跟同部门之间的横向比较来获得自身的合法性。而这群人又实在太聪明了，一群极其聪明、知识浓度极高的人被置于一个低增速的环境当中，内部竞争就会变得极其剧烈，他们就会成倍、成十倍甚至成百倍地去生产虚假工作（Fake Work）。
这是我们在过去很多大厂当中所观察到的非常明显的一个现象。包括我自己在做播客之后，这里就不具体点名了，某一个平台有段时间可能是因为某个业务 Leader 特别喜欢播客这种内容载体，于是就非常热烈地让他们的运营人员去邀请所有播客主入驻平台并发布内容。但事实上，他们内心深处并不真正相信这种内容形式，也不真正相信 RSS 的技术手段。当时他们为此写了许多推文和小文章，然而当过了这个双月周期，他们发现相关数据达不到预期之后，所有的运营人员就突然间全部消失不见了，直接把主播们晾在原地。
之所以会出现这种情况，是因为身处一个增速开始放缓的头部大厂里，员工需要每两个月立一次新功，需要每两个月证明一次自己是有价值的。但是必须明白，真实世界当中的相当一部分业务反馈根本不是及时的，它不是发生在此时此刻，而是往往需要两年、三年、五年甚至更长的时间。如果一个人本身没有坚定的信念，在那种体制下是根本等不到结果的，因为两三年时间里包含着无数个商业考核周期，可能早就被公司淘汰了。
所以我们在现实当中看到，当一个大厂以增长为导向，而在增长开始放缓的同时又缺乏足够的业务信念和耐心时，往往能够看到的就是这种一窝蜂涌现的 Fake Work。
聪明人与有趣问题的失衡：大厂的结构性困境
关于这一点，我之前采访过 Facebook 的前 VP、后来转型做投资人的 Mike Vernal（后来先后在红杉资本以及顶尖 AI 基金 Conviction 担任投资人）。他的视角非常有启发性：他经历过 Facebook 早期的飞速增长，也见证了它后来体量变大的过程。他提到过一个比例关系（Ratio），即“有趣的问题”（Interesting Problems）与“聪明的人”（Smart People）之间的比例。也就是组织里究竟有多少有意思的问题需要被解决，同时又有多少聪明的人在其中。
如果说存在很多有意思的问题，而聪明的人相对较少，那这种情况是非常棒的（Great），你身处其中可以做很多事情，大家也互不争抢。但反过来，如果你发现有意思的问题变少了，而聪明的人却越来越多，那么正如前面所说，组织内的内卷和 Fake Work 必然会急剧增加，整个工作就彻底演变成了一场纯粹的数字游戏。
因为在白领工作当中，工作成果本身就极难被准确量化。在大厂内部，管理上又必须维持表面上的公平，最后大家就只能去横向比较。你不能简单地因为某个人声称自己做的事情两年之后才会有结果，就认定他是在坚持长期主义而给予他奖励。哪怕主管知道、哪怕当事人知道、哪怕大家心里都心知肚明，也必然会有人站出来质疑：“凭什么？我做的事情在两年的时间尺度上肯定也是好的，你为什么不奖励我？”
所以这最终是一个结构性的系统问题，根本没有任何制度或考核机制可以从根本上彻底解决它。
AI 对 Fake Work 的放大与贬值机制
那么在面对 Fake Work 时，AI 的出现是否能够带来实质性的改变？比如让很多 Fake Work 变得极其快捷，甚至直接外包给 AI 去完成，从而减轻大厂员工的痛苦？
事实上，正如我们之前发布的专门探讨 Fake Work 的视频中所分析的那样：AI 的介入，必然会先极大地膨胀 Fake Work，随后再让它迅速贬值。
在社群交流以及与一些大厂高管沟通的过程中，很多人已经深刻体会到了这一点。有一个很有意思的例子：一位管着两三百号人的大厂总经理（General Manager）找到我倾诉，他说看了相关文章后深有同感，但同时也感到非常痛苦。因为他手下的每个人现在都用 AI 制作出极其精美、逻辑头头是道的周报发给他，导致他必须在这些材料中耗费巨大的精力去做辨别和判断。对于中层管理者而言，核心能力本身就是判断力，结果他的判断力一方面被海量的表面文章极度消耗，另一方面在团队培养上也感到青黄不接，自己也很难自证价值。
我当时就对他说，你这完全是“媳妇心态”而不是“婆婆心态”。如果我是你，我会要求所有下属汇报时只准写七句话，而不是学黄仁勋那样长篇大论，下属写那么多繁琐的文字无非是想把判断的包袱甩给管理层。你要求他们只提供精炼的七句话，并且如果你给出了核心建议，你还必须明确标注你对该建议的置信度是多少：你敢不敢赌上你的职业生涯？敢不敢赌上一年的年终奖？或者敢不敢赌上一个月的工资来证明这件事非做不可？通过建立这样一种基于责任和置信度的机制，才能遏制表面功夫。
在那之后，至少他们团队内部的 Fake Work 很快就进入了收缩和贬值的阶段。但在绝大多数企业中，Fake Work 普遍会经历一个被 AI 加速膨胀的过程。这背后的根本原因在于：在过去，生产 Fake Work 的成本是高昂的。员工要想交出一份精美的周报或一份详尽的调研报告，确实需要投入大量的时间与精力绞尽脑汁去撰写。由于缺乏客观的衡量标准，老板即便没有看到实质功劳，也会为员工付出的“苦劳”赋予一定的权重，认可其表面价值；加之很多管理者自身也缺乏准确的判断力，不知道什么是真正的好与坏，最终只能依据谁花的时间长、谁花的心思多、谁呈现的材料好看来进行评估。
因此在过去，Fake Work 实际上充当了一种“昂贵的努力信号”。然而在当下，这个信号机制已经彻底失效了。可是很多人仍然停留在原有的思维惯性中，首先想到的就是利用 AI 去成倍放大这个已经不再值钱的信号。
此外，AI 本身天然具备放大虚假工作的倾向。因为真正的核心判断是不需要也不可能被无限制加速的，你无法瞬间做出十个重大决策，判断必须逐一审慎完成；而判断之前的信息搜集、格式包装以及部门之间的交接材料，全都可以被 AI 瞬间放大。如果你不是非常审慎、有意识地去使用 AI，就必然会陷入用 AI 去放大原本根本不该做的事情的陷阱中。
从经济学优化的角度来看，优化的核心在于改变约束条件（Constraint）。你首先需要明确业务流程的约束卡在何处，进而去打破并重构这一约束。但寻找和改变约束条件是高度依赖人类大脑的深度思考和实际投入的。现实中很多人所做的往往不是改变约束条件，而是将原本根本不需要存在的流程自动化。比如原本两个人在某个冗余流程上做得好好的，现在为了引入 AI，反而又投入两个人去学习、调试和维护 AI，最后人力成本不仅没有节省下来，反而让本该被废除的流程变得更加根深蒂固。
因此，要想真正消除 Fake Work，核心在于消灭不必要的流程，而不是将繁文缛节全面自动化。
打工人的应对策略：公开反对与确立行动大义
对于身处这一变革浪潮之中的普通职场人来说，依然有许多切实的应对策略：
第一，要在组织中公开宣传并表明反对 Fake Work 的立场。如果你不主动站出来发声，等到组织推行精简、消灭无用功的时候，你也无法获得相应的认同。事实上，组织中绝大多数人对形式主义的 Fake Work 都是深恶痛绝的，只要你能以聪明、恰当的方式表达出来，大家自然会愿意站在你这一边。
这就像古代行军打仗讲究“师出有名”，首先要占据大义的名分。把大义确立清楚之后，再去指出某些精美周报实际上属于没有实质价值的 Fake Work，并合情合理地将节省下来的时间投入到真正有价值的核心业务中，以此向管理层展现自己的专业思考与负责态度，避免被误解为偷懒消极。
建立 Agent 工作流：开放工具与操作本地电脑
在谈到 AI 的具体落地实践时，很多人第一反应往往是希望获得一个立竿见影的“一二三步骤”速成指南。但在不理解底层逻辑的情况下盲目套用操作步骤是非常危险的。在体系化的学习中，首先应当学习核心方法，进而培养工作习惯，最后重塑思维方式（Mindset）。只有当这三者发生转变之后，具体工具的选择才会变得游刃有余。
不过在实操层面，确实有一个核心习惯值得大家立刻去建立，那就是养成深度使用 Agent 的习惯。
具体来说，像 Codex、Claude Code、Cursor 以及 DeepSeek Harness 这类工具，它们不仅能够直接调用底层模型，还配备了完整的 Harness（脚手架/运行环境），能够操纵你的本地电脑，并无缝使用你的本地数据。大家一定要把自己的日常工作习惯迁移到这类工具体系中。相比之下，一些试图将用户深度绑定在封闭生态内的工具（例如某些闭源或强绑定的工作助手产品）具有明显的局限性，并不推荐使用。推荐使用的是开放度高、能够自由接入各类上下文、能够灵活调用各种外部工具的 Agent 开发与执行框架。
在使用 Agent 的过程中，建议把握以下几个核心要点：
首先，要充分了解 AI 的能力边界，并建立完备的数据安全与备份系统。以我个人为例，我可以把非常全面的操作权限交付给 AI 去执行，前提是我拥有完备的即时备份体系。哪怕 AI 在操作过程中误删了任何文件，我也完全不担心，在两分钟之内就能完成系统恢复。社群里之前有相关帖子专门介绍过如何搭建这样一套极简的自动化备份与恢复系统，核心原理非常简单，就是将关键指令提取出来交给 AI，由 AI 协助配置完成即可。
其次，务必开启并善用 Computer Use（电脑操作）功能，让 AI 能够像人一样直接接管并点击操作你的图形界面。在 GPT-5.x 以及 Claude 4.7 之后的模型版本中，AI 操作电脑界面的能力已经取得了长足的进步。
这也是为什么近期各大头部科技公司都在大规模采购 Mac mini 和 MacBook 用于构建集群来专门训练 Agent 操作电脑的能力。现在的 Agent 不仅能够编写代码，更能非常熟练地处理各类复杂的日常电脑操作。比如亚马逊的商品退货、繁琐的账单支付以及税务申报等原本极度消耗心力、让人头疼的琐事，现在都可以全权委托给 AI 自动化完成。
哪怕面对 AI 从未见过的冷门界面，它也能展现出极强的泛化与理解能力。例如在某些特定的垂直社区平台中，开通定制化 Branded App（可能需要耗费数万美元定制）的专属后台设置界面，AI 此前从未在训练集中见过相关截图，甚至该后台页面本身还存在一些细小的交互 Bug。然而 AI 在加载页面后能够瞬间理解其功能逻辑，迅速识别出 Bug 的所在并绕过问题顺利完成配置。
可以说，目前绝大多数需要人类手动在电脑上完成的图形交互操作，AI 都已经具备了极高的替代执行能力。善于借助这类通用的开放工具，是建立新型工作流的关键。
通过权限配置与本地沉淀将琐事全流程交付给 AI
把权限给足，打开 Computer Use，再打开 Remote Control，这样在手机上就可以直接操作了。打开 Remote Control 之后，比如说我现在打开手机上的 ChatGPT，上面显示的是 Codex 的 session。我是让它去帮我干很多活的，比如说我今天发的视频播客是怎么做的，里面所有的截图，都是它直接去我的各个后台去截取的，并且顺便把我的主页也给更新了，所有的发布全都是在里面直接交给它去处理的。这些事情很多都是我躺在床上、跟人聊天或者开车的时候让它去做的。
有了这个基础之后，还有一个关键点，就是尽量把所有的上下文都沉淀成 Markdown 格式，把所有的 skill 也整理好。我们在社区里有教大家怎样去写一个结果类的 skill，而不是风格类的 skill。Skill 的核心意义在于，你把该有的工具提供给 AI，把你对结果的具体要求提供给 AI，把它的边界设定以及相关的案例提供给 AI，而不是去教 AI 怎么具体做事，更不是去调动什么风格，比如弄一个苏格拉底风格的 skill，那是没有什么意义的。
你可以明确地让 AI 去操作微信，像我的 AI 就是可以直接操作微信的，因为我把这些底层接口和工具都准备好了，直接交由 AI 调用，AI 就可以去操作微信或者发邮件等等。把你的上下文保存在本地，把这些 skill 也保存在本地，它们全都是可以跨工具复用的。只要这方面的工作做好了，之后想切换到任何工具都可以随时切换。
把这几件事情都做好之后，就能把绝大多数的 fake work 很好地交给 AI。我现在无论是做播客，还是之前在上海办 AI 活动——就是把美国一个非常头部的 AI 工程师大会第一次带到上海——在这个过程中，需要跟赞助商、演讲嘉宾、品牌方以及上海本地的合作方沟通各种各样的问题，还要跟上海人工智能协会的领导们开会，这些沟通会产生大量让人感到繁琐、难受的事务性工作。以前我对处理这些事情非常抗拒，现在则是对方提出要求后，我直接把要求交给 AI，AI 处理完成之后就可以了，整个人就会觉得很轻松、很舒服。
有的时候我跟我儿子交流也是这样说的：对于你不喜欢做的事情，不要拖延或者抱怨，你可以兴高采烈地用最快、最利落的姿态去把它处理掉，而且 AI 完全可以帮你达成这个目标。这样一来，虽然那些非核心的事务依然被完成了，但它占据你生命中的时间是极少的。
摆脱事务消耗以保持松弛并做出高质量决策
这些杂事占据生命的时间变少了，对一整天的精神消耗也会降到很低，你就能腾出更多的时间，给自己的生活留出更多的冗余。哪怕是用这些时间去跟客户聊天、跟朋友聊天，对个人来说也是一种滋养和休息，能够帮助你在更松弛的状态下去做出两到三个更好的决策。
以前看到贝索斯说他每天工作最重要的事情就是做出两到三个高质量的决定，当时觉得这像是一句空话，心想如果自己能做出高质量决定，不也能成大老板了吗？但当你自己创业或者经历的时间长了之后，就会慢慢理解这句话。因为要做的事情实在太多了，如果你愿意，创业者随时可以把每一分每一秒都填满。而且当你不做核心决定，只是闷头狂奔去做具体事务的时候，感觉往往还挺好，因为你觉得自己一直在做事、在交付、在搞很厉害的技术产出，觉得这个别人也不会、那个别人也不会，觉得自己特别行。
十几二十年前，这种现象在很多外企里被称为“工程师文化”，工程师会觉得自己做的这个东西厉害、那个东西也厉害，但销售往往会吐槽，因为这些东西在客户那一侧可能并不是真正管用的。
所以从某种程度来说，如果把 AI 工具用好，它可以把人解放出来，让你以 60 分或者相对合格的水平，更快速高效地完成那些非核心的工作。这样你就可以花更多的时间，更加从容地去打磨自己更稀缺的能力，并且更从容地去做那些真正重要的决定。
创业的本质是求真而非表演
在开始创业以后，我一直在思考一个问题：创业到底是为了追求什么？按照中国传统的观念来看，究竟是求富贵、求逍遥，还是求长生？
如果说是求富贵，以过去二十年中国增长最快的行业比如房地产为例，历史上可能有八万个房地产老板或法人，但到现在没有被限制高消费、既没有出事也没有避走海外的，可能也就剩八千个左右，实际占比并不高，所以创业未必能真正获得富贵。
如果说是求逍遥，那就更难了。创业后虽然不用按点上下班打卡，但实际上意味着随时都没有下班的时间点，时刻有大量的事情需要处理。
如果说是求长生，想要活得更久，其实也很难。因为小老板的压力非常大，皮质醇水平很高，需要承担和背负的东西极多。
但在创业中有一点是可以做到的，那就是“求真”。只要是你真正相信、真正认可的事情，你马上就可以去付诸行动；做完之后，市场会迅速给出真实的反馈；通过这个反馈，你再开展下一步的行动。在不断行动与获得反馈的过程中，你对于真实的自己和真实的世界会有一种切身的肉身体感。
这跟在大厂工作是很不一样的。在大厂里，哪怕一个人拥有很强的创业精神，也像隔着一层袜子在做事。你知道总有人会兜底，知道自己并不是最终的一号位，不需要全然为结果负责。你可以裹挟很多资源，信誓旦旦地把老板的信誉投进去做项目，最后做砸了亏损了，还有老板、股东等各方承担，板子不会全然打在自己身上，因此调动的精气神和个人能量是完全不同的。
当把创业理解为一场求真之旅的时候，天然就不会去做那些 fake work，因为你已经没有表演的对象了。在大厂里往往有明确的表演对象，人可以通过向上表演来获取权力和信息环境上的优势；但成为创业者之后，失去了这种表演对象，组织内部的 fake work 就会减少很多。虽然各种琐碎的杂活依然不可避免，但对于做事的心态会发生根本性的转变。
放弃虚妄幻象并以求真实现真正的自由
求真这件事确实非常重要，也就是所谓的“真本事”或者“整点真东西”，正好与 fake work 形成对照。钱在一定程度上可以解决很多问题，但超过这个限度之后，反而会带来更多问题，包括对欲望的膨胀以及对时间的支配，会让人去追求很多原本并不需要的东西。
从真正的人生意义来看，长生是不切实际的，而且追求永生幻象往往会带来很多负面问题，必须先打破这种永生幻象。而逍遥是值得追求且有可能实现的。所谓直接能够达到的逍遥，本质上就是“认识你自己”（know yourself），去过自己真正想要的生活。
这种想要的生活，并不是指去买一艘游艇，而是清晰地知道自己内心到底想要什么。虽然明确这一点非常困难，但每离这个目标靠近一步，就能获得更多的自由与逍遥。当想清楚自己想要什么并且能够实现时，所谓的富贵自然也就包含在其中了。如果不求真，既不理解客观世界，也不理解真实的自己，是根本无法获得逍遥的。
当放弃了对绝对富贵和长生的执念，以求真和逍遥作为本心时，反而能够得到一个相对自在的状态。比如我现在早上、晚上以及周末的时间基本上都在陪伴孩子，这比牺牲陪伴家庭的时间去拼事业要好得多。看我的日程表，基本上大部分时间都是空的，每周只有两个固定的练拳时间，其余时间可以很自由地跟各位创作者交流。所有的冗余会议我都推掉了，需要出差的事情也都尽量不接。
在商业模式上，我把它打造成不需要我自己去做销售，也不需要我本人进行重度交付的形态。我所谓的交付，主要就是每个月在社区里给会员组织一场大师课，做一次在线问答，剩下的时间在社区里公开解答大家的问题。对于频道私信或者视频评论里的提问，我通常不进行私下回复，只在社区里集中公开解答。这样大部分时间都可以由我自己自由支配，比如拿来跟朋友们深入聊天。
有观众在直播间看到我经常聊天，以为我最近一直在加班。但实际上，这种深度的交流对我来说是巨大的精神滋养，每次聊完都非常开心。这种思想上的碰撞，除了带来业务上的启发之外，更重要的是在聊天过程中得到了心灵上的印证，结交了志同道合的朋友。
摆脱外部评价体系并在真实世界中拿到结果
我还发现一个规律：当我越去模仿别人、学习别人的套路时，自己内心越痛苦，商业上的结果往往也越差；而当我越真实地面对自己，想清楚自己到底要什么，认清自己是一个什么样的人以及什么方式适合自己时，得到的结果反而越好。
举个具体的例子：之前在抖音和小红书上经常看到很多教程，教人怎么设计吸引眼球的标题、怎么做封面、怎么把握开头前 30 秒，甚至宣称做知识付费不能真正讲知识、必须兜售情绪等等。看了这些之后我一度产生过自我怀疑。但后来我想明白了，那些讲套路的人自己肚子里没有干货，当然教不了真正的知识；而我自己明明有系统的知识体系可以分享，为什么要听信那些套路？想通之后，我就专心把真实的知识讲透，完全不去搞那些制造情绪的手段，结果学员和观众的反响反而非常好。
在这个过程中，求真是所有事情的底层根基。而那些 fake work 最危险的地方，在于它会对大脑的潜意识进行长期的驯化。从上学读书到进入大学，再到初入职场，人们往往花了十几年时间生活在一个由他人设定好的计分牌和评价体系当中。在职业生涯早期，这个评价体系确实扮演了客观的筛选标准，让人去争取资源；但这个计分牌本身是动态变化的。
往往只有在传统计分体系中的既得利益者，才会极力去维护那个评价体系。身处其中的人只能不断做题，试图去解答难度更高的题目，却往往意识不到世界上还有其他全新的生活方式。
很多在大厂里状态保持得比较好的人，往往是因为他们拥有一个能够触达真实世界的副业或者兴趣爱好。这种爱好不是指周末偶尔去爬爬山、拍拍照，而是达到了一种专精的程度，比如登山非常专业，或者摄影能够拿奖。这种在某个领域的专精，能够有效补偿他们在日常职场中面对 fake work 所产生的虚无感。
把在真实世界中所擅长的事情进一步放大，甚至在商业上取得一些突破，哪怕只是拿到一个小小的正向结果，对一个人的信念支撑也是巨大的。这能让人确信：在真实世界中，依靠自己的创意和劳动是能够直接获得回报的，而不是只能依附于某个组织的体系恩赐或者公司当年的业绩红利。
我第一次体会到这种巨大的自由感，是在 2022 年 10 月到 2023 年 2 月期间。那是我第一次觉得人生进入到了下一个阶段，找到了属于自己的无限游戏。在 2023 年 10 月的时候，我开启了会员频道，在这之前其实我已经产出了非常多的视频内容。
会员频道变现与摆脱既定路径
因为我不做追求流量的内容，所以我的频道增长是比较慢的。虽然 YouTube、B站和小红书我都有在做，但如果从更新发布的数量和粉丝量来比的话，其实并不算高。
但是当我做了会员频道以后，瞬间在 B站上给我充电以及在 YouTube 上加入会员的人就特别多，达到了几千人。每个月我一下子就有了足够支撑我生活的收入。我只是做了开通会员这么一个决定，之后该干什么依然干什么，无非是每个星期再多发一期会员视频。就这样，我立刻获得了可以不用听任何人的自由——我不需要去接商业广告商单，就可以直接养活自己。
当时我就意识到，这个事情其实就是我真正想干的事。那时候还有朋友问我，如果现在给你足够的钱让你财富自由了，你想干嘛？我说我想做视频跟人聊天，去讲讲思考的问题，分享我自己的想法。而这恰恰就是我已经正在干的事情。而且我知道，我可以把赚来的钱继续投入到制作更好的视频里，从而获得更多的增长；只要这件事一直有价值，就可以一直持续做下去。
那对我来说是一个非常大的节点。在那之前我没有接过商单，没有体会过在自己频道上变现的感觉，而那次会员变现给了我巨大的自信和自由。
如果大家有这么一个爱好的话，当你去做了这件事并拿到结果之后，你就会感觉到自己真正摆脱了那种既定的路径。大家默认的 default path 通常是：做好学生、找好工作、买房、结婚、生娃，然后打一辈子工，想办法熬到六十五岁退休。当你摆脱了这样一个既定路径，你才会真正静下心去思考：我究竟是一个什么样的人？我真正想要的是什么？我要在这个世界上留下些什么东西？
这些问题其实是普通打工人没有奢侈的精力去思考的。打工人没有这种奢侈，是因为我们从小被训练到了那条既定轨道上。但其实每个人都可以去想，小孩子会一直想，一个做个体户的人可以想，没上学的人或者在学校里的人、小时候的我们其实都思考过。
大厂工作中的价值感与真实产出
在大厂里面打工的时候，我觉得如果遇到一些机会，还是应该主动争取上去做，不要瞻前顾后。
我当时在 Facebook 工作的时候，负责 C2C shipping 项目，也就是在 Marketplace 上支持邮寄物品的业务。当时公司正好非常重视这个方向，所以我当时的职级虽然不算高，只是一个资深数据科学家（Senior Data Scientist），但很多人都会听我说话，很多人都会来征询我的意见。而且我做的那些事情，我也能真切看到对用户的实际影响：每个星期都能看到线上交易的走势、用户完成交易的数据以及退款的情况。我做出的业务决定能够真实带来可见的效果。
虽然现在回过头来看，那也是一个间接的、可能昙花一现的东西，或者老板一句话说不要就砍掉了；但在打工的时候，做 fake work（假工作）和不做 fake work 的差距是非常大的。当你不做 fake work、你做的事情真正有价值有作用的时候，你的精气神是完全不一样的，会有一种“红气养人”的状态。
表达的麦克风与商业基础设施的成熟
在一个自由的市场当中去做创意化的表达，并且能够得到直接的反馈，这是一份极其幸福的工作。因为很少有工作能够同时把你影响力的杠杆、创意以及直接的反馈结合得这么好。现在多重因素和工具结合在了一起：
第一点在于每个人都拥有了麦克风。以前在我们小时候或者刚大学毕业那会儿（比如在传媒大学读本科的时候），媒体格局被形容为“一个西瓜、几个苹果、一地芝麻”。一个西瓜指中央电视台，几个苹果是几家大的省级卫视，剩下的一地芝麻就是各地的地市台和县级台。中国有几百个地级市、几千个县级市，虽然都有自己的广电系统，但实际上没有全国影响力，而且这些麦克风都是层层嵌套的俄罗斯套娃结构，处于自上而下的统一组织形态中。
而自媒体的诞生给每个人提供了获得麦克风的机会。现在任何一个垂直细分领域，哪怕是一个非常冷门的医学词汇，比如内啡肽、前额叶，在小红书上只要有潜在需求，博主就不再只是宽泛的健康博主，而是会出现专门的“内啡肽博主”、“前额叶博主”，并且依然能把体量做得非常大。麦克风被高度细分了，只要你是一个专业的人、具备表达能力，都可以占据一个麦克风去表达你的观点、知识和理念。这是一个历史级别的机会。
第二点在于商业化的基础设施迎来了成熟，这在海外尤为明显。在美国，YouTube 天然自带视频切片广告分成，创作者的回报相对丰厚；国内 B站虽然没有这种切片广告分成机制，但国内也有“一个半”平台——一个抖音，半个小红书。这一个半平台的商业化基建已经较为完善，广告工具、直播工具、电商工具都逐步引入，提供了清晰的商业化路径。
在 2015 年之前，也就是十年之前从电视台离开的时候，媒体人其实是无处可去的。像在上海只有一家电视台体系，离开之后就很难找到对口方向，只能去金融机构等企业做新媒体业务。后来随着微信公众号的兴起，加上“大众创业、万众创新”，才开始出现基于去中心化平台生产内容、搭建网站和独立 App 的机会。移动互联网与平台基建让内容表达者第一次有机会建立属于自己的内容生态，而 AI 的出现则会进一步放大这一杠杆，让创作者能够提供更多服务或产出更有价值的内容。
在传统语境中，国内 UP 主或自媒体创作者的变现路径往往局限在几块：做电商卖货、接商业广告，或者开发课程教别人技能。而在全球尤其是美国成熟的商业与科技博主群体中，存在着更多利用专业技能进行商业化探索的成熟模式。
商业博主的杠杆、分发与多元变现模式
聊到商业变现，正如纳瓦尔（Naval Ravikant）所言，代码和媒体是每个人都可以拥有的两个最有效的杠杆。代码过去门槛极高，媒体则是门槛相对较低的杠杆。在我看来，这两个杠杆的核心意义对应着“交付”与“分发”：商业赚钱的本质就是交付与分发。媒体一方面直接输出干货与内容，另一方面建立了受众的信任，让大家愿意尝试；而产品则完成最终的短期或长期购买转化。
在有了 AI 之后，很多人没有花足够的时间去思考自己能够交付出什么别人交付不了的独特价值。很多人看到市面上流行录播课、直播课或线下课赚钱就去盲目跟风，虽然同属知识付费，但内核完全不同。很多专业人士明明能教非常专业、独特且有价值的知识，但并没有去交付，也没有意识到这些内容真正可以变现、有人愿意买单。
在美国有很多值得参考的博主案例，比如 Ali Abdaal、Charisma on Command、Alex Hormozi、Tim Ferriss；在垂直专业领域有 Lenny's Podcast、The Pragmatic Engineer；还有 The Diary Of A CEO 以及 Chris Williamson 的 Modern Wisdom 等频道。这些人的共同特征是：他们都是普通人出身，没有依赖大舞台，全凭一己之力做到了几千万甚至上亿美元的收入规模。他们都有自己的产品，除了课程之外，还包括自己的软件应用甚至是实体产品。比如 Modern Wisdom 的主持人投资了功能饮料公司并在节目中销售，MrBeast 创立了 Feastables 巧克力品牌，Ali Abdaal 开发了自己的应用工具，Dan Koe 也打造了类似个人商业总部的产品体系。
他们的商业体系构建得非常完善：
首先是体量巨大的品牌合作（Brand Deal）。他们的品牌合作中可能有高达 90% 是基于 Affiliate（分销推广）模式，而不是单纯收取一笔固定的广告费。播客中插入广告，听众通过专属链接或优惠码购买并享受折扣，博主据此获取销售分成。这是一种非常健康的商业模式：博主必须去筛选自己真正认可、确实能带来实际销量的产品，并在此基础上获得收益，完全将自己作为高效的分发渠道。对于美国一线 AI 公司以及各类消费品公司（如保健品、床垫、沙发、AI 工具等）来说，这是最有效的营销推广渠道之一。比如之前被 OpenAI 收购相关的公司 Statsig，当时最有效的推广就是与播客节目 Acquired 达成合作；我们在旧金山投放过巨幅户外广告、刷过 Product Hunt 等各种渠道，但转化效果最好的依然是 Acquired 的播客赞助。我们赞助了他们的年框合作获得访谈与推广机会，他们还在线下办活动卖门票，仅这一项就能获得极高的收入。
其次，知识付费是必经且非常健康的一条路径。因为知识付费毛利率极高，而且内容创作者在自身领域通常拥有独到的知识积累。但在国内，知识付费的环境相对恶劣，核心问题之一在于国内知识付费默认不支持退款；而在美国，几乎所有知识付费产品都提供无理由退款。国内把课程等同于不支持退款的虚拟商品。我当时在 B站卖课时坚持要开通退款保障，B站还专门为此开辟了特殊通道才得以实现。如果机制上允许退款并且建立起社群，产品的质量就会完全不同。国内正因为普遍不退款，导致很多从业者把全部精力都消耗在话术设计、逼单技巧和层层转化套路上，这是很不健康的。如果回归健康模式，专业人士交付真正有价值的知识来切实帮助用户，知识付费本身是非常成立且健康的。
除此之外，成熟创作者还可以结合纯品牌曝光广告、YouTube 流量分成（AdSense）、周边小产品销售以及直播等多种手段。最根本的前提在于先认清媒体本质上是一个分发渠道，并明确自己所分发的客户与价值究竟是什么。
分发与卖自己东西的杠杆效应
在这个时代，最有价值的依然是分发自己的东西，这也是在小红书运营中体会到的一个关键点。就杠杆和商业逻辑而言，第一个层面是卖知识付费或者说卖无形产品。过去常常开玩笑说卖什么毛利最高——卖空气毛利最高，因为卖无形的东西不仅毛利极高，能分佣分出去的比例也多。第二个层面则是卖什么东西杠杆最高，答案必然是卖自己的东西杠杆最高，自己卖自己的产品具备天然最高级别的商业杠杆，这个逻辑在商业层面上是非常通顺的。
不过中美两国的市场环境在商业生态以及对 SaaS 产品的容忍度和付费上限上，依然存在着相当巨大的差距。平时看 YouTube 的时候，一个很直观的感受就是各类 SaaS 工具居然都能够投得起 YouTube 的贴片广告。但回看国内，很多时候会让人觉得某种工具哪天飞书或者大厂一拍脑袋、一发狠，直接做个免费版给集成进去了。
国内用户不仅是对办公类 SaaS 的付费意愿有限，除了部分金融等特定行业因为拥有独占数据而能卖出几万元一套的高价软件之外，大多数中国人，尤其是相当一部分企业客户以及海量的个人用户，对于纯工具类 SaaS 软件的支付上限和容忍度都极其有限。这可能涉及文化土壤，也可能与市场发展阶段紧密相关。很多中小企业老板以及中产以上的人群，对于纯工具软件的付费容忍度并没有想象中那么高。
国内对“金手指”的付费偏好与投顾生态
相比于纯工具，国内市场更倾向于为所谓的“金手指”买单，这种现象在投资领域尤为明显。国内存在一种非常特殊的头部公司生态，有些机构手里握着合法合规的证券投资顾问推荐股票的牌照，而这张牌照本身价值极高。
这些机构会出面签约某些网红，或者安排网红直接入职，以此来兜售价格昂贵的高级投顾策略服务。这些产品可能会被包装成五花八门的实战课程，但其最核心的卖点依然是每周或每月所推荐的具体股票标的。他们通过一套极其复杂的话术体系和商业结构，从抖音等各大公域流量平台大规模获客，引导海量用户开单购买这些高单价产品。哪怕经过一轮牛熊周期之后可能会遭遇百分之三四十的退单率，但其前期吸金规模依然极其庞大。
正因如此，国内金融监管部门针对此类内容出台了严格的管控举措，对泛投资以及所有沾边的知识星球社群、付费课程都采取了整体持续趋严、甚至越来越严厉的监管态势。这对于行业规范而言无疑是一件好事。但从商业生态的角度来看，这种模式的生态健全度依然不足。
从信息差搬运到社区型共建
做知识付费如果仅仅依靠个人去输出，本质上依靠的是信息差和认知差。然而，单靠某一个个体所能搬运的信息差与认知差始终是存在物理上限的。一份内容要想获得广泛且持续的认可，首先它必须足够前沿，只有足够前沿才能不断涌现出新的信息差；其次，足够前沿的实践细节和 know-how 往往分散并沉淀在无数个身处产业一线、业务一线的具体从业者身上，绝不可能完全集中在某一个网红博主一人手里。
因此，一个更健康、更有生命力的模式是偏向 UGC 式的社区形态。大家聚集在一起，拥有相同的探索诉求，同时各自掌握着不同维度的前沿信息。这种多元共建的社区生态，其价值要远远大于单纯依靠某一个创始人个人光环所搭建的单向度课程。
中美付费意愿的差异与内容供给质量
关于 SaaS 和知识付费的支付意愿问题，在实际经历中也有很深的反思。此前在美国生活了十七年，在海外生活的时间甚至比国内还要久，但因为个人更喜欢用中文进行表达，所以在做内容时认真权衡过到底做英文还是中文。起初也曾非常担忧国内用户的消费能力以及为知识付费的意愿较弱，但后来发现实际情况未必完全如此。
换个角度看，有多少人愿意排队购买最新一代的 iPhone，其实就有多少潜在人群愿意为优质的知识内容付费，核心问题在于很多市面上的知识并不是用户真正想要的。此前采访硅谷学者时探讨国内 SaaS 为何难以发展，学者分析认为原因固然包括付费意愿等外部因素，但不可忽视的关键事实是国内大部分 SaaS 软件在产品打磨上确实不够好，客观上与北美成熟产品相比差了两三代的产品体验。
知识付费领域同样存在类似的问题。市面上虽然存在少数极具深度的精品课，但绝大多数内容质量堪忧。这形成了一种负向循环：可能因为起步阶段的生态不够成熟或大众付费习惯尚未养成，导致真正有能力制作高品质课程的专业人才没有入场，或者从业者普遍觉得投入产出比不划算而被直接劝退。
如果一开始没有被这种悲观预期劝退，而是扎扎实实去打磨优质内容，就会发现市场上依然存在大量认可价值并愿意付费的忠实用户。例如社区内甚至有学员在武汉本地筹备线下技术讲座时，提出自掏腰包购买多份课程送给现场观众，这种自发的认可证明了只要内容交付过硬，需求与买单意愿是真实存在的。
超行星学院的免费生态与前沿实践沉淀
目前社区的载体是“超行星学院” App，用户下载后可以免费注册。整个社区规划了非常庞大的免费板块，绝大多数核心技术沉淀都向公众免费开放。
在这些免费板块中，涵盖了所有深度技术文章，包括如何系统编写提示词与 Prompt Engineering 技能（如 scale 框架）、如何积累 Agent 架构与上下文技术栈（a tex）、如何高效运用前沿 AI 等等；同时，社群成员自发分享的实践项目也完全沉淀在免费社区中，目前已经积累了接近八百多个真实落地项目。包括像开源项目 Minus 刚上线推广时、小红书发布自研大模型时，都选择来到社区内进行官方宣传；许多前沿团队需要招聘人才时，也会在社区里发布职位。此外，包括给小红书、抖音、腾讯等企业做的一系列内部企业培训内容，也都完整公开在免费板块供所有人查阅。
做 AI 这门领域必须扎根在前沿，个人知道的知识再多也是有限的，因此极度需要一个高频通道去了解最先进的从业者正在前线做什么。这个社区的内核由多元力量共同支撑：一部分来自播客采访的一线前沿嘉宾，一部分来自持续的工程与商业实践，另一部分来自核心技术合伙人鸭哥（其技术能力在许多工程维度上甚至比 Andrej Karpathy 这类顶尖学者还要扎实全面）。
这套底层内核吸引了大量志同道合、寻求前沿交流的开发者与探索者。社区的核心目标在于营造一个良性的激励氛围，让每一份真诚、硬核的实践分享都能得到社区的认可、正向反馈与尊重，从而激发更多人站出来分享自己的一线成果。
比如前几天麦当劳推出的欢乐儿童餐玩具非常火爆，由于各家门店库存和款式不同，许多人不知道去哪里收集齐整套玩具。社区里一位既是程序员也是父亲的成员，利用周末时间写了一个网站和 App，能够清晰展示哪一家麦当劳门店拥有哪一款特定的玩具。该产品在一个州上线吸引了 7 万用户，扩展到两个州后突破了 10 万用户。做完之后，他专门在超行星学院社区连发了两篇长帖，详尽复盘了自己是如何在几天内把产品做出来的、技术方案如何选型、种子用户是如何获取的，以及后续如何实现自然裂变传播。这类充满实操细节的技术与产品复盘，在以算法推荐和泛娱乐为主的流量平台上很难成为大众爆款文章，因为内容过于硬核，并不符合泛大众的消费心理。
克服内卷与通缩思维，做供给侧创新
大众的人性在国内外是一致的：很多人不想买枯燥的健身课，而是渴望买到一颗吃了就能立刻长肌肉的“减肥药”。但真正的硬核知识和技能提升，本质上就是一套需要持续自律的“健身课”，天然具备筛选门槛。
正因如此，社区在运营机制上采取了一种牵引式的策略。之所以开放如此大量的免费高质量内容，就是希望用户进入社区后，能够在一个纯粹的技术与共创环境中逐步被氛围所塑造。通过下载 App，用户从最初一天只打开一次，逐渐变成每天主动打开五次；在浏览过程中，用户会不断看到身处相似背景的普通开发者做出了具体的落地案例，从而产生“我也可以用在工作中”、“我也能做好”的信心。在这种持续的环境牵引下，一个人的 mindset（思维方式）和 behavior habits（行为习惯）才会真正发生知行合一的改变。
当用户在社区中见识了丰富的人和案例，某一天下定决心想要系统化地把 AI 融会贯通时，再去选择系统课程就会成为水到渠成的事情。即便用户选择不买课也完全没有问题，社区同样开放并鼓励其他创作者来分享他们自己的优质课程。因为对于求职面试套路或者某些纯工具的浅层点击教程，社区创始人并不热衷于去讲，如果有其他开发者能够提供优质供给来满足大家的需求，直接在社区内互相连接即可。
这背后的核心心态是彻底摒弃“通缩思维”和“存量内卷”。存量内卷是一种极度负向的恶性循环，如果要追求长期、可持续的商业回报，绝对不能抱着用通缩的心态去抢夺现有的一小块存量蛋糕。一旦动了靠低价或恶性竞争去分食存量蛋糕的念头，整个盘子必然越做越小，最终导致所有人陷入无利可图、资源枯竭的境地。
健康的发展路径必须是立足于供给侧的开拓：主动去洞察和发掘市场上尚未被满足的全新需求，创造出全新的价值增量，进而根据新需求去匹配业务结构和产品形态。这种主动创造全新供给的心态，与把现有存量业务打五折去恶性竞争的心态有着本质的区别。
消除 Fake Work、提供人生样本与正反馈闭环
这种前沿知识与社区生态的搭建，恰恰能够有效解决职场中广泛存在的 Fake Work（伪工作）困境。很多职场人之所以长期深陷 Fake Work 无法自拔，根本原因在于他们在过往的生活环境中没有接触到足够丰富、多元的“人生样本”。
优质的前沿一手知识与真实的实践社区，能够为身处迷茫中的人提供两个至关重要的支撑：
第一，彻底改善个体的信息环境。很多在体制内或传统大厂大组织内打转的人，其日常所处的信息环境单一且封闭，身边所有人都在按部就班地做着没有实际增量价值的 Fake Work，久而久之个体就会被这种沉闷压抑的氛围彻底同化。而前沿的一手信息和真实的案例会明确展示出：外部世界的方差其实非常大，拥有无数种截然不同的人生样本；许许多多普通人凭借完全不同的探索路径，做出了全新的尝试并拿到了出色的结果。信息环境的重塑，是打破认知局限并迈出行动第一步的前提。
第二，丰富的人生样本能够带来切实的榜样力量与行动勇气。最近两三年，有许多从互联网大厂走出来转型做内容或做独立产品的人。在自身有余力的情况下，通常会愿意为这些刚走出体制与大厂的探索者开出“第一张支票”——例如通过自己运营的项目为对方投几万元广告，或者邀请其深度参与某个合作项目。
对于一个刚刚脱离大厂安全区的人来说，这几万元的正反馈在绝对金额上可能远不及过去在大厂里的年薪收入，但它所带来的心理支撑和落脚点是无可替代的。有了第一个真实的正反馈，紧接着就会有第二个正反馈，个人的转型斜率一旦被拉起来，整个人的状态和信心就会发生质的飞跃。这也是共建社区对于个体探索者的深层价值所在。
AI 时代与第二次文艺复兴
关于在探讨 Fake Work 时所提及的“当今时代或许正在迎来第二次文艺复兴”，以及“我们需要一个新的佛罗伦萨”这一命题，其内在逻辑在于：
历史上的第一次文艺复兴，核心在于“人的发现”与对人本身价值的肯定与庆祝（celebrate）。在此之前，中世纪的视角全部聚焦于神，而文艺复兴让人们意识到不光要仰望神，更要看见人，人本身具有超越教条的独立价值。
然而随后的工业革命，在大幅提升生产力的同时，也在很大程度上造成了对人性的严重异化。工业化时代的分工体系要求把每一个活生生的人打造成流水线上的标准件、标准螺丝钉，塑造成完全可以被无缝替换的模块化构件。现行的教育体系和传统职场分工，自然而然地为了适配这种工业化经济与社会体系而运转，这也是为何当下社会中会充斥着如此之多的 Fake Work。
AI 的爆发并不会在一夜之间直接带来第二次文艺复兴，但 AI 正在以极快的速度彻底消灭所有标准化工作与 Fake Work 存在的合理性。所有标准化的、可被流程化定义的常规工作，AI 在当下或者早在一年多以前就已经完全有能力胜任，目前许多人之所以觉得不好用，仅仅是因为提示词与工程运用水平还不够成熟。
当 AI 彻底摧毁了标准化工作的生存土壤之后，人类将被迫走出舒适区，去重新发现那些唯有属于自己的独特特质：自己的 mastery（真正专精与热爱的领域）、自己的 unfair advantage（非对称竞争优势）、内心深处真正的热情所在，以及愿意倾注心血深入钻研的独特差异。
这个转型的过程必然是剧烈且充满阵痛的，并非所有人都能轻而易举地完成平滑过渡。但正是因为 AI 的出现，许多原本只能被困在组织内的大厂人才才得以走出来；如果没有 AI 带来的生产力跃迁，许多人也不会有勇气跳出既有轨道去探索独立事业。
第二次文艺复兴的本质，就是个体摆脱工业化标准件的异化，重新发现自我、回归人之为人、全面庆祝（celebrate）个体的独特性与多样性。第一次文艺复兴处理的是人与神的关系，而这一次文艺复兴处理的则是独特的个体与冰冷工业标准件之间的关系。而在探讨这场深刻变革的过程中，还有一个极其关键的维度，那便是构建起类似于当年佛罗伦萨那样的孕育土壤与支持环境。
品味与成群出现的创造力环境
Paul Graham 在 2002 年写过一篇叫《Taste for Makers》（创作者的品味）的文章，我看了很多遍。现在大家都说人在 AI 时代 agency（主体性）和 taste（品味）是特别重要的，那篇 2002 年的文章就系统阐述了品味到底是什么。他讲了六个特征，其中一个特征叫“Good design happens in chunks”（好设计成群出现）。他用了佛罗伦萨的例子：在第一次文艺复兴时期，佛罗伦萨和米兰的经济环境差不多，但是佛罗伦萨出现了成批的大师，而米兰没有，米兰没有米开朗基罗。同样都在意大利，经济基础差不多，为什么佛罗伦萨涌现了那么多大师，米兰却没有？因为佛罗伦萨当时具备特定的环境，同时大师是成堆、成群出现的。
这就关系到刚刚所说的社区环境。比如一个大厂里的员工，如果没有大师或者同行的托举与帮助，他缺乏正反馈，往往就放弃了；但如果有人这样帮他一把，可能性就显现出来了。一个人来到超线性学院，也是同样的道理。他来到这里之后看到了不同的可能性，觉得做成这件事是可行的。关键在于，他之前在大厂里面，身边的同事可能都会说：“你别想了，你凭什么？你工作不饱和吗？你这个东西做不出来的。”他脑子里原本装满的都是这样的负面想法。但当他来到这里，看到了广阔的世界，他就会发现做自己的产品其实是一件很正常、完全可行的事情。
做完之后放在社区里，还能收获很多真实的反馈。我们社区里面很多开发者都提到，他们在别的地方或许能获得一些流量，但在超线性学院里最宝贵的是反馈。他们做了一个东西给别人用，下面很多人会具体指出哪里好用、哪里不好用；他们再把这些反馈喂给 AI，AI 就能帮助他们把产品迭代得更好。这样一个能够提供持续正反馈与碰撞的环境，是特别重要的。
第二次文艺复兴：从看见有用转向看见不同
关于“第二次文艺复兴”，之前我和清华大学的刘嘉教授交流时也提到了这个观点，刘嘉教授的一个总结特别到位：他觉得 AI 带来的第二次文艺复兴，既是对工业革命的一次升级，也是对工业革命的一次致敬。因为在第一次文艺复兴时期，有特权去发现自我的人只是极少数；而到了现代，我们在物质层面其实已经非常丰富了，大多数人完全有足够的财力，只要适当减少不必要的非理性消费，完全可以养活自己、维持体面生活，从而把更多的时间投入到发现自我当中。
很多时候人的痛苦是因为被迫去做 fake work（虚假无意义的工作）。现在有这样一个机会，AI 赋予了我们如此多的能力去探索自我、去做自己真正喜欢的事情，从这个角度来说我是非常看好这个时代的。
文艺复兴的核心是从“看见神”变成“看见人”；而 AI 时代的第二次文艺复兴，则是从过去只看见“人的有用性”，转变成看见“人的独特性与不同”。在以往的发展过程中，无论是表演性工作还是 fake work，很大程度上源于大家心中的一个执念或前置假设：我必须证明自己是有用的，有用才是我存在的意义，因此要千方百计地证明自己的价值。即便在此时此刻或者大组织内部，付出的价值和回报往往是不均衡的。在知识性工作环境中，人不可能每时每刻、每个阶段都维持同等的高效与有用，但由于机制所迫不得不去证明，这个过程就会产生大量的次生灾害，导致 fake work 反复滋生。
AI 的出现正在消解那些标准化、流程化的“有用性”的意义。当这些原有的有用性被解构之后，人不得不转而去探寻自己的独特之处：我身上到底有哪些特质和他人是不一样的？这些独特的特质中，又有哪些是真正被社会所需要的？AI 正好提供了这样一个契机。
比如一个原本非常优秀的程序员，当他第一次发现 AI 可以替代自己 99% 甚至 100% 的日常编码工作时，他就被迫去重新审视自己。在这之前，他把自己的大部分价值感都绑定在那些高度可被替代的工作上——可能占了他价值感的 90%，他过去只是在可替代的通用任务上比别人做得快一点点、好一点点。当这 90% 的部分被 AI 彻底接管后，他被迫去发掘剩下属于自己的 10% 到底是什么；而当他真正深入探索时才会意识到，在那剩下的 10% 里面，蕴藏着过去未曾留意的千倍价值与可能性。
节目收尾与后续协作安排
今天我们聊了非常多充实的内容，交流得非常愉快。后面隔几个月，比如明年一月份回国时（大概回国待四个月左右），肯定会去上海，到时候大家可以再约新的议题继续深入讨论。
关于本次录制的后期制作，音频部分由我这边来主剪，我会按照既定的播客节奏进行剪辑。因为本期内容涉及到大量的英文专业名词和学术概念，音频制作人会再对逐字稿进行细致的校对与验证。
具体的协作流程是：录制文件上传并同步完成后，我会将文件下载下来，先用 AI 进行一遍精校，然后把 AI 精校的内容和原始素材全部同步过去。视频制作的同学也会拉进群组，大家一起沟通讨论如何提取和制作短视频切片内容。
另外，还需要补录一段音频开头的个人自我介绍，以便在正片开始时顺利引入。开场白的大致框架为： “Hello 大家好，欢迎来到《听懂掌声》，我是天南。今天我们请到了课代表立振和我们一起来聊一聊 fake work 这个话题。聊到这个选题也是源于我们之间的一次闲聊，当时他提到的一个概念让我觉得天灵盖都打开了。下面我们先请课代表立振来做一个简单的自我介绍。”
嘉宾个人背景介绍
感谢天南的邀请，听懂掌声的听众朋友们大家好，我是课代表立振，本名叫孙玉征。
我是在 2007 年前往美国读本科，之后在康奈尔大学攻读并获得了经济学博士学位。毕业后先后在亚马逊工作了两年、Meta 工作了两年，以及在腾讯工作了两年。在腾讯期间，我担任腾讯游戏数据科学和 AI 方向的副总监。之后我重返美国，加入了一家创业公司 Statsig，这家公司在去年被 OpenAI 以 11 亿美元收购。
在那之后我便开始专注做自己的事业。我从 2020 年开始做自媒体，当时就尝试做视频播客，第一期视频播客的主题是《人工智能在互联网大厂的应用》。我的专业背景是数据科学家，长期关注 AI 领域的职业发展和落地实践。我所创立的社区“超线性学院”，汇聚了众多 AI builders（AI 开发者与创造者），旨在为大家提供一个共同分享与探索 AI 前沿实践的交流平台。
由于录制时北京时间已经很晚了，本期节目的录制到此圆满结束。