第一部分
理論
The Idea

第1章
深度工作是有價值的

隨著2012年總統選舉日的臨近，《紐約時報》網站流量達到了高峰。出現流量高峰在全美國關注的重要時刻是很常見的，但是這一次情況有些不同。這些流量中有極大部分（有些記者稱超過70%）流向諸多板塊中的一個點。不是頭版突發新聞故事，也不是報社普利策獎獲得者的評論專欄，而是一個從棒球數據極客轉行的競選預測員的博客，這個人名叫內特·西爾弗（Nate Silver）。不到一年之后，娛樂與體育節目電視網（ESPN）和美國廣播公司新聞網（ABC News）將西爾弗從《紐約時報》挖走（《紐約時報》也嘗試挽留他，承諾為他安排12名作家當助理），從而完成了一項重大交易。他們許可西爾弗做任何報道，從體育、天氣預報到網絡新聞領域，甚至令人難以置信地，還有奧斯卡頒獎典禮電視直播。盡管輿論對于西爾弗一手打造的模型方法論之嚴謹性仍有爭議，但是極少有人否認，2012年這位35歲的數據奇才是我們經濟中的贏家。

另外一位贏家是大衛·海涅邁爾·漢森（David Heinemeier Hansson），他是一名電腦程序明星，創造了ruby on rails網站開發框架，為當前網絡上最流行的網站提供了基礎，其中包括推特和Hulu等。漢森是頗有影響力的開發公司Basecamp（2014年之前名為37signals）的合伙人。漢森沒有在公開場合談及自己在Basecamp的利潤分成等級，也未曾提及自己的其他收入來源，但是我們可以認定其收入很豐厚，足夠他在芝加哥、馬里布（Malibu）和西班牙馬貝拉（Marbella）之間穿梭，同時在賽車比賽中有不俗表現。

我們的第三位也是最后一位經濟生活贏家是約翰·杜爾（John Doerr），他是聞名于世的硅谷風投公司凱鵬華盈（Kleiner Perkins Caufield & Byers）的普通合伙人。杜爾協助融資了多家引領科技變革的核心企業，包括推特、谷歌、亞馬遜、網景公司和太陽微系統公司（Sun Microsystems）等。這些投資的回報都是天文數字，在我寫作本書時，杜爾的個人凈資產超過30億美元。

為什么西爾弗、漢森和杜爾能取得這樣的成就？這個問題有兩種答案。第一種是微觀層面，關注個人性格和策略對此三人成功的幫助。第二種答案是宏觀的，關注點較少落在個人身上，而更多在于他們所代表的工作類型。盡管對這個核心問題的兩種闡釋都很重要，但是宏觀的回答與本書探討的內容關系更密切，因為它們能夠更好地反映出當前經濟回報最高的是哪些領域。

要從宏觀角度探究個中原因，我們首先要談及兩個麻省理工的經濟學家，埃里克·布林約爾松（Erik Brynjolfsson）和安德魯·麥卡菲（Andrew McAfee）。二者在2011年出版的重要著作《與機器賽跑》（Race Against the Machine）中講述了一個令人嘆服的案例：在當今時代涌現出的各種力量中，恰是數字科技的崛起使我們的勞動力市場以一種未曾預想的方式發生改變?！拔覀冋幱诖笾亟M最初的陣痛期?！辈剂旨s爾松和麥卡菲在他們的著作開端如此解釋，“我們的科技日新月異，但是我們的很多技能和組織卻嚴重落后?！睂τ诤芏喙と硕?，這種落后是壞消息。隨著智能機器的不斷改進，機器與人之間能力的差異逐漸縮小，雇主越來越多地選擇聘用“新機器”而不是“新人類”。而只有人類可以做的工作也遭遇了問題，通訊和寫作工具的發展使遠程工作史無前例地方便，促使公司將關鍵崗位外包給行業中的翹楚，本地人才的失業率便會極高。

然而，這個冷酷的現實并沒有滲透所有角落。布林約爾松和麥卡菲強調，這次大重組并沒有碾壓所有工作，而是將其分化。盡管在新經濟形勢下，越來越多的人因為技能可通過機械自動化實現或易于外包而遭遇挫敗，但是還有一些人不僅能夠存活，還變得比以往更有價值（也因此得到更多的回報）。提出這種經濟雙峰軌跡理念的并非只有布林約爾松和麥卡菲。比如，2013年喬治梅森大學經濟學家泰勒·考恩（Tyler Cowen）出版了《平均時代的終結》（Average Is Over）一書，反映了數字分化這一主題。但是布林約爾松和麥卡菲的分析之所以特別有用，是因為他們更進一步，識別出了擁有三種特點的人群，這三類人在智能機器時代處于獲利的一方，收獲極大的利益。毫無疑問，西爾弗、漢森和杜爾恰恰屬于這三類人。我們來逐一分析每一類型的人，從而更好地理解他們為什么突然變得如此有價值。

高級技術工人

布林約爾松和麥卡菲將以內特·西爾弗為代表的一類人稱作“高級技術”工人。機器人和聲控技術的發展使很多低技術要求的崗位實現了自動化，但是這兩位經濟學家強調：“諸如數據可視化、分析、高速通訊和快速原型設計等技術對抽象和數據導向型推理有了更高的要求，因此也提升了這些工作的價值?！睋Q言之，那些有神奇工作能力，能夠使用愈發復雜的機器創造出有價值成果的人將會成功。泰勒·考恩用更加坦率的方式總結了這種現實：“關鍵問題在于，你是否擅長使用智能機器？”

當然，內特·西爾弗擅長將數據嵌入到更大的數據庫中，然后抽取數據存入他那神秘的蒙特卡洛模擬（Monte Carlo simulations）中，這恰恰是高級技術工人的一個縮影。智能機器并非西爾弗成功的障礙，而是他成功的前提。

超級明星

王牌程序員大衛·海涅邁爾·漢森代表著布林約爾松和麥卡菲預測將在新經濟中取得成功的第二類人：“超級明星?！备咚贁祿W絡和電子郵件、視頻會議軟件等協作工具摧毀了知識工作的很多領域。比如，現在如果能夠聘用漢森那樣全球最優秀的程序員用一小段時間完成手頭的項目，就沒有必要再安排辦公空間、支付薪酬福利去聘用全職的程序員了。在這種情況下，你很可能支付更少的錢得到更好的結果，而漢森每年也可以服務更多的客戶，變得更有價值。

你的辦公室在艾奧瓦州的得梅因（Des Moines），而漢森或許遠在西班牙的馬貝拉遠程工作，這其實對你的公司而言并沒有什么影響，因為隨著通訊和協作科技的發展，整個協同過程幾乎可以無縫連接。（然而，這對于那些生活在得梅因、技能略差并需要穩定工資收入的程序員而言就有關系了。）這種趨勢在越來越多的領域都開始流行，在這些領域中科技使高效的遠程工作成為可能——咨詢、市場營銷、寫作和設計，等等。一旦人才市場可以全球共享，那么在市場頂端的人將會取得成功，而余下的人則會遭遇困境。

經濟學家舍溫·羅森（Sherwin Rosen）在1981年發表的一篇開創性論文中解出了這種“勝者通吃”市場背后的數學理論。他最核心的見解是明確地將才能（貼上標簽、清晰可見的，在公式中用變量q表示）定義為一種“不完全替代”因素，羅森就此做出如下解釋：“連續聽一系列中等水平的歌手唱歌并不能累加成一場無與倫比的演出。”換言之，才能并非一種商品，你不可以通過大批購買，然后累積起來達到一定的水準，只有成為最優秀的才會有額外獎勵。因此，如果你身處一個市場，消費者可以找到任何表演者，每個人的q值都是清晰的，那么消費者就會選擇最好的。即使最優秀的才能相比技能階梯下一級的才能僅有稍許優勢，超級明星仍然會贏得大塊市場。

在20世紀80年代，羅森研究這種現象的時候，他的關注重點在電影明星和音樂家，在這些領域有清晰的市場——比如音樂商店和電影劇院，觀眾可以接觸到各種表演者，在做出購買選擇之前準確地評估他們的才能。通訊和協作科技的迅猛發展使過去很多地方性市場轉變成類似的全球化集市。一家尋找電腦程序員或公共關系咨詢的小公司現在可以利用全球化人才市場達到目的，恰如音像店的出現使小鎮的音樂迷可以拋棄本地音樂家去購買全球最棒樂隊的專輯。換言之，超級明星效應在當今社會的應用遠遠超過羅森30年前所能預測的范圍。在我們的社會經濟中，越來越多的個體要與行業中的超級明星競爭。

所有者

在新經濟形勢下能夠成功的最后一個群體是約翰·杜爾代表的一類人，他們是有資本可以投入新科技、促成大重組的人。從馬克思以來，我們都能理解手握資本可以帶來巨大的優勢。然而在某些階段手握資本，優勢會更加明顯。布林約爾松和麥卡菲指出，戰后歐洲正是在錯誤的時間坐擁成堆現金的例子，迅猛的通貨膨脹加上嚴苛的稅收政策以驚人的速度抹平了舊資本。（我們或許將其稱作“唐頓莊園效應”——“Downton Abbey Effect”。）

大重組時代與戰后時期不同，是擁有資本的絕佳時機。想要了解個中原因，首先要回顧一下那個交易理論，它也是標準經濟思維的核心組成部分，該理論認為金錢是通過資本投資和勞動力獲得的，粗略講來，回報將與投入成正比。數字科技的發展降低了很多行業對勞動力的需求，因而掌握智能機器之人的回報比例在提高。當今經濟下，風投公司會向Instagram一類的公司投資，Instagram最終賣出10億美元，而雇員卻僅僅13人。歷史上有什么時候人們能以如此少的勞動力帶來如此巨大的價值？勞動力投入如此之小，回流到智能機器擁有者——在此處是風投投資人——手中的財富卻如此之巨，這種現象是史無前例的。難怪我在寫作上一本書時采訪的一位風投資本家不乏擔憂地向我承認：“所有人都想要我的工作?！?/p>

 

我們來歸納一下目前所講的思路：根據我的調研，當下的經濟思維認為，史無前例的科技發展和影響力為我們的經濟帶來了巨大的重組。在這種新經濟形勢下，有三種人將獲得特別的優勢：可以利用智能機器把工作做得漂亮并具有創造性的，在所處行業中最優秀的，還有那些擁有資本的。在此要說明一點，布林約爾松、麥卡菲和考恩等經濟學家所發現的大重組并非當前唯一重要的經濟趨勢，也并不是只有上述三個群體能夠取得杰出的成就。但是本書的一個重要論點在于，盡管這些確實并非獨有，但也是重要的，而這些群體——即便并非唯一的此類群體，也將取得成功。因此，如果你能成為其中任何一個群體的一員，你都會有出眾的表現。如果不能，你或許也會有好的表現，但是你的地位會岌岌可危。

我們現在必須面對的問題已經很明晰：如何加入到這些成功者的群體中？冒著打消諸位不斷高漲的熱情的風險，我還是要先承認，我沒有任何秘訣可以幫助你迅速積累財富，成為下一位約翰·杜爾。（如果我有這樣的秘訣，也不太可能會在一本書中分享。）然而，進入另外兩個贏家群體則是可實現的，這也是我們在下文中要解決的目標。

如何在新經濟形勢下成為贏家

我發現有兩類人注定會成功，而且我認為可以推廣借鑒：一種是能夠利用智能機器進行創造性工作的，一種是自己所在領域的個中翹楚。在數字鴻溝不斷擴大的當下，有什么竅門能夠為進入此類有利領域提供助力？我認為如下兩種核心能力是關鍵。

 

·迅速掌握復雜工具的能力

·在工作質量和速度方面都達到精英層次的能力

 

我們先來探討一下第一種能力。開始之前先要提醒一下，像推特和iPhone一類用戶友好型的傻瓜科技已經把我們慣壞了。然而這些只能算作消費品，根本談不上真正的工具：引導大重組的智能機器大多數都非常復雜，很難理解和掌握。

回想一下我們在前文中舉例靠熟練掌握復雜科技而取得成功時提到的內特·西爾弗。如果我們深入發掘一下他使用的方法，就會發現生成數據驅動的選舉結果預測并不像在搜索框中輸入“誰將獲得更多選票？”那么簡單。實際上他匯集了一個大型民調結果數據庫（從250個民意調查機構處獲取的數千項民意調查結果），然后輸入到Stata軟件中（Stata是一種很流行的數據分析系統，由一家名為StataCorp的公司研發）。此類工具并不容易掌握，比如，想要利用類似西爾弗使用的現代數據庫工作，你就需要理解下面一類命令：

 

CREATE VIEW cities AS SELECT name, population, altitude FROM capitals UNION SELECT name, population, altitude FROM non_capitals;

 

此類數據庫匯編成一種語言，稱作SQL。你利用如上所列的命令與數據庫中儲存的信息進行交流。想要操控此類數據庫是一項非常精深的工作。比如上面一條命令會創建一種“視圖”：一種從現有多種表中選取匯集數據的虛擬數據庫表，該表可成為標準表利用SQL核心進行基元處理。何時創建視圖，如何熟練創建視圖是個很微妙的問題，如果想要在現實世界的數據庫中梳理出理性的結果，你需要理解和掌握的事情很多，上述便是其中一例。

我們還繼續分析內特·西爾弗的例子，思考一下他依賴的另一項科技：Stata。這是一種非常強大的工具，不可能靠著本能隨便動動腦就能學會。比如下面一段話描述的是這種軟件最新版本的一些新特性：“Stata13加入了很多新特性，比如處理效果、多層廣義線性模型（GLM）、檢驗效能和樣本數、廣義結構方程模型（SEM），預測、效應值、項目管理器、長字符串和BLOBs（二進制大對象）以及其他很多?！蔽鳡柛ダ么祟悘碗s的軟件（包含廣義結構方程模型和BlOBs）創建復雜的模型，內含各種互相聯系的部分：比如自定義參數的多元線性回歸，就可以在概率算式中用來做顧客權重參考，等等。

這些細節旨在強調智能機器的復雜性是難以掌握的。因此，要想較好地運用這些機器，你就要培養出掌握復雜事物的能力。而且由于這些科技變化很快，掌握復雜事物的過程便永遠不會結束：你必須能夠快速完成，一次又一次。

當然，這種迅速掌握復雜事物的能力并不僅僅是能熟練運用智能機器所必需的；基本上也是想要成為任何領域的超級明星的關鍵因素，即便是與科技關聯性很小的領域。比如，想要成為一名世界級的瑜伽訓練師，就要求你掌握愈發復雜的身體技能組合。再舉一個例子，想要在某個特定的醫學領域取得成功，就要求你能快速掌握相關程序的最新研究成果。用更簡潔的語言總結這些觀察結果就是：如果你無法學習，就無法成功。

現在思考之前所提的第二項核心能力：達到精英水平。如果你想成為領域中的翹楚，掌握相關技能是必需的，但并不夠。之后你必須將潛能轉化成人們珍視的實在成果。比如，很多程序員對編程都很在行，但是我此前舉例的超級明星大衛·漢森能利用這種能力創造出Ruby on Rails，正是這個項目為他帶來了聲譽。Ruby on Rails要求漢森將他當前的技能推向極限，創造出實在的價值和成果。

這種產出的能力同時也適用于以掌握智能機器為目標的人。對于內特·西爾弗而言，學會如何掌控大型數據組和進行數據分析并不夠；他還需要證明自己能夠利用這種技能，從這些機器中提取大眾關注的信息。西爾弗在棒球資料（Baseball Prospectus）工作期間與很多數據極客共事過，但是只有他努力將這些技能加以調整，用于全新的、更有利可圖的選舉預測領域。由此我們總結出想要加入當前經濟形勢下贏家群體的另一項要點：如果你不產出，就不會成功，不管你的技藝多么純熟，天資多么聰穎。

我們已經列出兩種在當今這個由科技分化的新世界里獲得成功的能力，現在可以提一個顯而易見的后續問題：如何才能培養出這些核心能力？講到這里，我們便觸及了本書的核心主題：上文闡述的兩種核心能力依賴于你進行深度工作的能力。如果你沒有掌握這項基本能力，想要學習艱澀的知識或達到精英水平就會很掙扎。

這些能力對于深度工作的依賴性并非即時顯現的，這要求我們更深入地探究與學習、專注和生產力相關的科學。接下來的章節將做深入探究，使深度工作和經濟成功之間的這種聯系為你轉變——從意料之外到無懈可擊。

深度工作幫助你迅速掌握困難的事物

“讓你的頭腦成為透鏡，匯聚專注之光；讓你的靈魂完全投入到頭腦中的主導之物上，盡情吸收思想?！?/p>

上述建議出自多米尼加（Dominican）修士、倫理哲學教授安東尼-達爾梅斯·塞汀朗吉思（Antonin-Dalmace Sertillanges），他在20世紀初期寫作了一本很薄卻非常有影響力的小冊子，名為《知性生活》（The Intellectual Life）。塞汀朗吉思寫作這本書，旨在引導那些在思想界求生存的人“培養和深化自己的頭腦”。塞汀朗吉思在《知性生活》中充分認識到掌握復雜材料的必要性，幫助讀者為這類挑戰做好準備。因為這個原因，這本書恰好契合我們的訴求，有助于我們更好地理解人類如何快速掌握復雜（認知性）技能。

為了理解塞汀朗吉思的建議，我們先回顧早先引用的那一段話。在這些文字中（在《知性生活》中有多種形式的回應）塞汀朗吉思稱想要提升對自己所在領域的理解，你就必須系統地處理相關主題，做到“匯聚專注之光”，以發現每一處深藏的真理。換言之，他教導讀者：學習需要深度專注。這種觀念已經使他領先于時代。塞汀朗吉思反思20世紀20年代的思想生活，發現了關乎如何掌握有認知要求任務的一點事實，而這點事實直到70年后才得到學術界的正式定義。

學術界真正將其規范化的過程始于20世紀70年代，心理學的一個分支——有時被人們稱作表現心理學——開始系統地探究哪些因素區分了專家（在很多不同的領域）和其他人。到90年代初期，佛羅里達州立大學教授K．安德斯·艾利克森（K. Anders Ericsson）匯總了所有這些思路，結合了不斷累積的研究文獻，形成一個清晰的答案，并給出一個很有沖擊力的概念：刻意練習（Deliberate Practice）。

艾利克森在該主題上的開創性論文開篇有一個強有力的論斷：“我們拒絕接受這些（專家與普通成年人之間的）差異是不可改變的……相反，我們認為專家與普通成年人之間的差異反映的是，為提升某一特定領域的表現窮其一生的刻意努力?！?/p>

美國文化尤其鐘愛神童一類的故事情節（“你知道這對我來說多么簡單嗎？! ”馬特·達蒙在《心靈捕手》中扮演的角色迅速解出困擾世界頂級數學家的問題之后講出這段廣為人知的話）。艾利克森的研究方向現在已經廣為世人接受（有質疑），它動搖了這種神話。掌握有認知性要求的任務需要這種特定形式的訓練，只有極少的天才是個例。（在這一點上塞汀朗吉思也同樣超越了所處的時代，他在《知性生活》中稱：“天才之人之所以偉大，只因決心投入一切，全力于一點?！卑松搽y有更好的表述。）

此時擺在我們面前的問題，就是刻意練習到底有哪些要求。其核心要素通常如下：（1）你的注意力全情投入到某個你希望提升的技能或想要掌握的理念上；（2）你能得到反饋意見，這樣你就可以調整自己的方法，保持注意力的投入有最佳產出。第一個要素對于我們的探討尤為重要，因其強調了刻意練習不能在有干擾的情況下進行，要求在無干擾狀態下保持專注。恰如艾利克森所強調的：“注意力渙散基本上與刻意練習要求的聚精會神是相對立的。”（強調的語氣是我加入的）

作為心理學家，艾利克森和其他該領域的研究者對于刻意練習為何有效并不感興趣，他們僅僅是辨識其為一種有效的行為。然而，在其間的10年里，神經科學家一直在探索促使人類在解決難題方面取得進步的科學原理。記者丹尼爾·科伊爾（Daniel Coyle）在他2009年出版的《一萬小時天才理論》（The Talent Code）一書中調查發現，越來越多的科學家認為刻意練習有效的原因與髓磷脂相關，它是在神經元周圍生長的一層脂肪組織，起到絕緣保護的作用，可保持神經元干凈和正常運轉。要理解髓磷脂在提升能力方面的作用，首先要記住，不管是智力還是體力方面的技能，最終都要追溯到大腦回路上。這種新的性能科學認為，如果相關神經元周圍匯集了更多的髓磷脂，相應的大腦回路就能更輕松有效地運轉，你在某方面的技能就會更強。想要在某方面有了不起的成就，就需要有更多髓磷脂的協助。

這種理解為刻意練習的有效性提供了神經學基礎。專注于某一項特定技能，就會迫使某一特定大腦回路在隔離的區域不斷地燃燒。反復利用同一大腦回路，就能促使少突細胞在這個回路的神經元周圍包裹髓磷脂，從而有效地固化這種技能。因此，要想高度專注于當前任務，避免干擾非常重要，因為這是充分隔離相關神經回路、促進髓磷脂鞘形成的唯一途徑。與之相對，如果你嘗試在注意力渙散的情況下（或許臉譜網的推送消息還開著）學習一種復雜的新技能（比如SQL數據庫管理），就會有太多的回路同時進行，你真正希望強化的神經元群只能得到偶爾的隔離。

距塞汀朗吉思第一次寫出“讓你的頭腦成為透鏡，匯聚專注之光”的文字之后，一個世紀過去了，我們已經將這種形而上的比喻發展為一種不那么富有詩意的少突細胞解釋，這也引出一個必然的結論：想要迅速掌握困難的事物，你必須高度專注，不能有任何干擾。換言之，學習是一種深度工作行為。如果你很容易做到深度工作，就能輕松掌握愈發復雜的體系和技能，這些體系和技能是我們在經濟生活中取得成功所必需的。如果你還是一個難以做到深度工作的人，要面對無處不在的干擾，就不應期待輕易掌握這些體系和技能。

深度工作有助于精英級產出的實現

亞當·格蘭特（Adam Grant）有著精英級的產出。我在2013年遇見格蘭特的時候，他是獲得賓夕法尼亞大學沃頓商學院最年輕的教授。一年之后，我開始寫作本章時（也正在這時開始思考我自己的教職問題），他的頭銜又發生了變化——沃頓商學院最年輕的正教授（full professor）。

格蘭特之所以能夠在學術界迅速嶄露頭角，原因很簡單：他有產出。2012年，格蘭特發表了7篇論文，全部發表于重要期刊。在他所屬的領域（在這個領域，教授通常獨立開展工作或進行小范圍職業合作，但是很少有大批量的學生和博士后協助他們完成研究），這是個高到離譜的數量。2013年，論文數為5篇。這個數量也高得離譜，但還是低于他此前的水準。然而，發表論文數量之所以下降也有其原因，因為這一年他出版了一本名為《沃頓商學院最受歡迎的成功課》（Give and Take）的書，將他在商業人際關系方面的研究推向大眾。僅僅說這是一本成功的書已經是對其低估了。這本書最后登上《紐約時報》雜志封面，成為超級暢銷書。2014年，格蘭特受聘成為正教授時，他已經發表了60多篇同行評審論著，外加這一本暢銷書。

與格蘭特會面后不久，我心里惦記著自己的學術生涯問題，忍不住問他是如何做到如此高產出的。所幸，他很愿意分享在這方面的心得。原來格蘭特深入思考了如何實現精英級產出的機理。他給我發了一系列幻燈片，是他與同領域數位專家參加研討會時使用的。研討會聚焦于如何使學術工作達到最佳狀態的數據導向觀察。這些幻燈片中有詳細的每季時間分配餅形圖，與共同作者關系發展的流程圖，還有一個推薦閱讀書單，上面有20多本推薦閱讀書籍。這些商學教授沒有墨守成規地會將書本知識照章全收，而是偶爾冒出一個了不起的主意。他們將產出看作一種科學問題，需要系統化解決，而亞當·格蘭特似乎已經達成了這個目標。

盡管格蘭特的產出得益于多方面因素，但是有一種理念似乎在他的方法中占據了核心地位：在長時間無干擾的狀態下，批量解決困難卻重要的智力工作。格蘭特在多層面展開這種批量工作模式。在一年的時間里，他將教學工作集中到秋季學期，期間可以將全部精力投入到好好教學上，保證學生能夠找到他。（這種方法看起來是有效的，因為格蘭特現在被沃頓商學院評為表現最優的教師，榮獲多項教學獎勵。）將教學工作集中在秋季之后，格蘭特就可以在春夏兩季將全部精力投入到研究工作中，處理工作的過程中少了很多干擾。

格蘭特還經常在較短的時間段內批量分配精力。在專注于研究工作的學期內，他會在兩種狀態下轉換，有些階段會向學生和同事敞開大門，有些階段則會與世隔絕，全情專注于某一項研究任務，不受任何干擾。（他通常將學術論文的寫作分為三個獨立的階段：分析數據，寫成完整的草稿，編輯草稿形成可出版的文章。）在這段可能持續三四天的時間里，他經常為電子郵箱設定不在辦公室的自動回復，這樣來信人就知道不會得到回應?！坝袝r這種做法會令我的同事感到困惑。他們說：‘你沒有離開辦公室啊，我現在就看著你在辦公室里！'”但是對于格蘭特而言，完成手頭的任務之前做到徹底與世隔絕是非常重要的。

我猜亞當·格蘭特的工作時間比一般精英研究所里的教授（這些人通常都是工作狂）要少很多，但是他的產出還是比領域內幾乎所有人都高。我認為他批量處理工作的方式有助于解釋這種矛盾現象。尤其有效的是他將工作合并為密集而無干擾的脈沖，充分利用了下述生產力規律：

 

高質量工作產出=時間×專注度

 

如果你相信這個公式，那么格蘭特的習慣就有理可循了：工作時專注度達到最高，單位時間里的工作產出也將實現最大化。這并非我第一次遇到生產力公式的概念。我第一次接觸這個概念是在第二本書《如何成為尖子生》（How to Become a Straight-A Student）的調研期間。在調研中，我采訪了全國一些競爭最激烈學校里的50名超高分研究生。采訪中我注意到最優秀的學生通常比GPA等級低一檔的學生用在學習上的時間更短。上文提及的公式恰可作為這種現象的一種解釋：最優秀的學生能夠理解專注度在產出方面起到的作用，因此會極度專注，從而大幅減少考試準備或撰寫論文所需的時間，同時也不降低成果的質量。

亞當·格蘭特的例子意味著專注度的公式不僅僅適用于研究生的GPA，同時也適用于其他有認知度要求的任務。但為什么是這樣呢？明尼蘇達大學商業學教授索菲·勒魯瓦（Sophie Leroy）對此有一種很有趣的解釋。勒魯瓦在2009年發表的一篇題名很有趣的論文“為什么完成工作那么難？”（Why Is It So Hard to Do My Work?）中介紹了一種她稱之為“注意力殘留”（Attention Residue）的效應。在這篇論文的前言中她特別提到，其他研究者已經研究過多任務處理對工作表現的影響，但是在現代知識工作者的工作中，一旦級別達到一定高度，通常會按次序完成多項工作：“一項會議結束后開始另一項會議，開始一個項目的某項工作后不久沒有任何過渡便開始另外一項工作，這些都是組織生活的一部分?！崩蒸斖呓忉尩?。

這項研究發現這種工作策略存在一個問題，當你從某項任務A轉移到任務B時，你的注意力并沒有即時轉移，你的注意力殘留仍然在思考原始任務。如果在轉移工作之前，你對任務A缺乏控制且關注度較低，殘留會尤其濃厚，但即使你在轉移工作之前已經完成了任務A，你的注意力還是會有一段分散的時間。

勒魯瓦在實驗室中強制進行任務轉換，以此研究這種注意力殘留對工作表現的影響。比如，在一項實驗中，她先請研究對象解一些文字謎題。在某次實驗里，她會打斷研究對象，要求他們轉移到一項新的、具有挑戰性的任務上，此次是閱讀簡歷，做出假定的聘用決定。在其他幾次實驗里，她請研究對象完成謎題之后再開始新任務。在文字謎題和聘用之間，她會安排一次快速的詞匯判斷游戲，以此量化第一項任務的殘留量。此項實驗以及其他類似實驗的結果很清晰：“轉換任務之后處于注意力殘留狀態的人，在下一項任務中的表現通常很差而且殘留量越大，表現越糟糕?！?/p>

注意力殘留的概念有助于解釋專注度公式的真實性，因此也有助于解釋格蘭特的高效產出。格蘭特長時間不轉移注意力，完成單一困難任務，使注意力殘留負面影響降到最低，從而使他在當前任務上的表現成果最優化。換言之，當格蘭特與世隔絕數日完成一篇論文時，其效率水平遠高于奉行多任務策略的一般教授，這些教授的工作反復受到殘留量極大的干擾。

即便你無法如格蘭特一般做到完全與世隔絕（我們將在第二部分中介紹實現深度工作的多種策略），但是注意力殘留的概念還是有其警醒作用的，因為這預示著在有干擾的狀態下工作，對你的表現是有潛在危害的。每隔10分鐘左右瞥一眼收件箱或許看似沒有損害，很多人還試圖證明這種行為優于時刻保持收件箱開啟狀態的舊習慣（已經很少有人堅持的一種壞習慣）。但是勒魯瓦告訴我們這種做法并不是一種進步。更糟糕的是，看到一些當前無法解決的信息（幾乎總是這樣），你就被迫回到最初的任務上，但是又有第二項任務留在腦后沒有完成。這種未完成任務之間的轉換帶來的注意力殘留對你的表現十分有害。

我們從這些對個體的觀察退回一步看，就能發現一種清晰的論點：要達到個人巔峰的產出效率，你需要長時間、無干擾地高度專注于單一任務。換一種說法，使你的表現最優化的做法是深度工作。如果你無法做到長時間深度工作，就很難使你的表現達到質量和數量的巔峰，而這種巔峰狀態對于你的職業成功越來越重要。除非你的才能和技能全面壓制對手，否則對手中的深度工作者定將超越你的表現。

杰克·多西是怎么回事？

至此我已經論證了為什么深度工作在當今經濟形勢下變得越來越重要。但是，在我們接受這項結論之前，必須面對一類問題，這類問題經常在我探討這個主題時被人提起：杰克·多西（Jack Dorsey）是怎么回事？

杰克·多西參與創建了推特，從首席執行官的職位上退出之后，他又創建了移動支付公司Squre。引用《福布斯》雜志對他的介紹：“他是個非常不安分的人，不斷制造各種麻煩。”此外他也并沒有多少時間處于深度工作狀態。多西沒有長時間不受干擾思考的奢侈機會，在《福布斯》為他撰寫個人介紹時，他要承擔推特（當時還是主席）和Square兩家公司的日常管理工作，因此日程表極為精細，以確保公司有可預期的“每周例行事務”（它們使多西的時間和精力極度分散）。

比如，多西稱他平均每天晚上睡前要審閱和批示30～40條會議記錄。白天他充分利用這些會議間隙的寶貴時間來工作?！拔矣泻芏喙ぷ鞫紩谡咀琅酝瓿桑魏稳硕伎梢詠磉@里工作，”多西說，“這能夠讓我了解公司里的各種聲音?！?/p>

這種類型的工作并非深度工作。用前文中的說法，多西在不同的會議中穿梭，還允許其他人在會間短暫的間隙隨意打斷他，其注意力殘留極高。然而，我們并不能說多西的工作是浮淺的，因為正如前言中定義的，浮淺工作價值低，容易復制，而杰克·多西所做的工作有無限的價值，而且在我們的社會經濟中得到了巨額回報（在寫作本書時，他身處全球最富有的千人之列，凈資產超過11億美元）。

對于我們的探討而言，杰克·多西的例子非常重要，因為他代表了一個我們無法忽略的群體：沒有深度工作仍然取得成功的個體。本節的標題“杰克·多西是怎么回事？”其實代表了一個更廣泛的問題：如果深度工作這么重要，那么為什么有些分心的人表現也很好？作為本章的總結，我希望在此解答這個問題，避免在后續章節中深入探討深度工作問題時，你深受其擾。

開始之前，我們首先必須認識到，杰克·多西是一家大型公司（其實是兩家公司）的高管。身居如此高位之人是沒有深度工作仍能成功的主要群體，因為眾所周知，此類高管的生活方式不可避免地要遭遇各種干擾。Vimeo（一家視頻播客網站）首席執行官克里·特雷納（Kerry Trainor）這樣說明自己可以多久不處理電子郵件：“我可以整整一個周六，不看……嗯，白天大部分時間不看……我是說，我會查看郵箱，但是不必回復?！?/p>

當然與此同時，這些高管也得到了很好的補償，他們在當今美國經濟中的地位比歷史上任何時期都更重要。杰克·多西沒有深度工作而取得成功，在其所處的精英管理層中是很常見的。明確了這一事實之后，我們必須退后一步提醒自己，這種現象并不會破壞深度工作的普遍價值。為什么？因為這些高管工作中分心的必然性是在其特定工作中特有的現象。從根本上講，一名優秀的首席執行官就是一部難以自動化的決策引擎，與《危險邊緣》游戲中IBM的“沃森”機器人沒有太大區別。他們努力積累起豐富的經驗庫，打磨并證明了自己在市場中的靈敏嗅覺。而后他們全天都必須處理和解決電子郵件、會議、現場考察等紛至沓來的工作。要求一名首席執行官花上4個小時的時間深度思考單一問題浪費了他們的價值所在。最好是聘用三個聰明的副手，深度思考這些問題，然后將解決方案呈遞給高管做決策。

這種特殊案例很重要，因為這種狀況告訴我們，如果你是一家大型公司的高管，或許就不需要聽取下述章節中的意見。另一方面，它也告訴我們不能將這些高管的工作方法外推至其他工作中。多西鼓勵外界打擾，克里·特雷納不斷查閱電子郵件，雖然有這些案例，但并不意味著你學著他們的做法也能成功：他們的行為是公司領導者這個特定角色所特有的。

在閱讀本書后續章節時，這種特別規則應該適用于其他類似的反面案例。我們必須時刻記住，在社會經濟的某些角落，深度工作并沒有價值。除了高管之外，還有部分類型的銷售人員和說客，對他們而言持續聯系是其最大價值所在。甚至還有一些人身處深度工作有所助益的領域，卻在備受干擾中經過艱苦努力取得成功。

與此同時，不要急于將自己的工作打上不需要深度的標簽。你當前的習慣難以做到深度工作，并不意味著缺乏深度是做好工作的基礎。比如，在下一章中我會講述一群高效管理咨詢師的故事，他們堅信持續的電郵聯系是服務客戶所必需的。當一位哈佛教授迫使他們更頻繁地斷開聯系時，他們驚奇地發現，這種聯系并沒有他們想象中那么重要。客戶并不需要時時聯系到他們，而當精力分散減少之后，他們作為咨詢師的表現反而有所提升。

與之類似的還有幾位我認識的經理，他們想要讓我信服能夠迅速應對團隊的問題，避免項目拖延，才是他們價值的最大體現。他們認為自己的角色是增加他人的產出，而并不一定要保持自己的產出。然而經過后續討論，我們很快就發現這個目標并不真正需要分散精力，保持聯系。事實上，如今很多軟件公司都采用了Scrum（一種迭代式增量軟件開發過程，通常用于敏捷軟件開發）項目管理方法，避免了很多類似的即時消息，取而代之的是更規律、高度結構化、極端高效的情況會議（通常站著進行，避免東拉西扯的情形）。這種方法釋放了更多的管理時間用于深度思考團隊面對的問題，從而往往能夠提高整體的產出價值。

換一種說法：深度工作并非是我們的經濟中唯一有價值的技能，不培養這種能力也有可能做得很好，但是不需要深度工作的職業會越來越少。除非你有充分的證據證明在你所屬的職業領域分散精力是重要的，否則根據本章前述論證，若你能夠認真考慮深度工作，肯定會得到最好的效果。