从博士到高管：专业主义如何异化为“表演”
杨天楠拥有亚马逊、Meta和腾讯等中美大厂及创业公司Statsig（被OpenAI以10亿美元收购）的履历，他回顾职业生涯时发现，自己曾深陷“表演型工作”（Fake Work）而不自知。在亚马逊担任数据科学家期间，他深受博士训练影响，认为产出详实、经得起挑战的专业分析报告是工作的核心价值。然而，当老板要求快速呈现结果时，他仍试图用两周时间构建复杂的因果归因模型，这种对“专业度”的执着在商业场景中显得格格不入。老板仅用半天时间，通过Google Sheets简单排版、标注颜色并撰写对比分析，便获得了大老板的认可。这一反差让他意识到，若不产生实际结果或影响决策，纯粹的专业展示只是自我感动的表演。他反思道：“如果那个fake work一句话的定义就是表演型工作，你不是为了赚钱或产生真正影响，而是向上管理的工具。”
Meta案例与数据科学家的核心产品：Better Decision
在Meta期间，一位即将晋升的印度Director安排杨天楠进行黑五电商补贴的效果分析。他习惯性地运用经济学博士的训练，试图建立严谨的因果归因模型以证明工作的含金量。然而，老板展示的“正确做法”是快速拉取数据、在表格中用颜色区分重点，并通过Facebook内部Feed发布文章@相关高管，最终获得大老板的点赞认可。这一经历彻底颠覆了他对“高含金量工作”的认知，他比喻道：“美国这么多经济学教授写的论文烧掉，GDP不会有变化……身在其中是不这么想的。”
杨天楠进一步指出，Meta前Head of Data Alex Schultz曾开设名为“Better Decisions”的课程，这揭示了数据科学家唯一的真正产品是更好的决策。在腾讯等大厂中，许多数据团队沉迷于模型复杂度、仪表盘美观度或数据清洗过程，却忽略了决策本身只占最终结果的10%-20%。当无法直接干预结果时，从业者便转向“花拳绣腿”式的表演，通过展示技术难度来证明自身价值。数据科学家若不能带来决策质量的提升，其所有产出均为浪费。这种错位导致大量资源投入在可衡量但无实际价值的流程性工作中。
权力结构与组织规模：Fake Work的结构性根源
杨天楠认为，表演型工作并非单纯的文化或所有制问题，而是复杂的结构性产物。在大型组织中，中层管理者如同“参谋”，虽不直接面对客户，却掌握资源分配权。为了争取预算和优先级，他们必须进行“向上表演”：证明自身价值、业务合法性以及老板的情绪满足。当组织庞大时，信息枢纽位置导致体感缺失，考核偏向过程管理，从业者只能用数据证明来填补真空。即便在创业公司如Statsig，只要存在单一强势大股东或投资人压力，表演依然存在。大股东的情绪和诉求成为风向标，Chief of Staff通过物理距离的拉近（如换桌坐旁边）投其所好以获取影响力。
此外，投资人的增长诉求往往迫使管理者忽视商业常识，制造虚假的高增长信号。当管理者统领多个部门时，统合不同部门的叙事冲突成为主要工作，大量时间耗费在跨部门协调、写文档和汇报上。这些工作虽然未必直接创造价值，但结果是可衡量的KPI。杨天楠总结道：“Fake Work既不是所有制问题，也不是文化或规模问题，而是一个结构问题。” 只有当个体能够完全放弃表演、直接为结果负责时（如他现在的创业状态），才能摆脱这种结构性困境。
知识工作的归因困境与委托代理问题
白领工作中的“表演性劳动”（Fake Work）根源在于知识工作的本质特性。与工厂计件或农民劳作不同，知识工作的生产力本质上无法衡量。正如嘉宾在Tim Ferriss访谈中所言：“你让10个人说，每个人对业务增量贡献50%，加在一起就是500%”，这种归因（Attribution）不可行且不存在。因为链条太长、太软，无法做真正的因果测试。叠加委托—代理问题（Principal-Agent Problem）：老板希望以最低成本做大业务，而管理者为了升职加薪的最佳方式是招更多的人。硅谷徐老师强调：“公司有这么多人，不是因为他需要这么多人……而是因为他招得起”。只要招得起，就会尽量多招人。这种激励错位导致中间必然充满表演性工作。一旦责任交接或分工明确，每次一交接，你的责任就清零了。老板若不懂某些领域（如市场），便无法判断工作质量，从而滋生更多虚假劳动。
蓝领与白领的价值衡量差异及创作困境
知识工作者更容易陷入表演性劳动，因为蓝领做的是“狗屎工作”，白领做的可能是“狗屁工作”。虽然两者价值感可能都不高，但蓝领的贡献（如捡了多少瓶盖、扫多少垃圾）比较好衡量。而白领工作的价值往往难以量化。以作者从广播主持人转职电视导演的经历为例，在广播中采编播一体，作者作为全栈人员能按意图从头做到尾，符合创作规律。但在电视导演角色中，面临制片人、赞助商、主持人等多方诉求的冲突。你做的整个东西的最终完成度其实并不是由你所决定的。在这种复杂结构中，导演很难全然投入精力去精耕细作作品，往往只能选择用非常轻巧、偷懒的行活去完成。因为要平衡商业诉求和老板的“价值创造强迫症”（Value-Add Disease），即老板为了觉得自己有价值，一定要说两句，通常把东西说得更差。这种内耗导致作品平庸化。
认清游戏本质与提升环境选择权
面对无法改变的环境，作者建议看清两件事：先意识到诚实和专业度在更大博弈中只是小部分价值；然后玩好这个游戏。以腾讯游戏数据科学部门为例，当业务方要求修改数据分析结果时，作者建议下属：该保留的数据保留，该提的建议提到，让对方知道真相即可；随后在对方知情的前提下去做甲方需要的事。摆正心态：我们是大型博弈中的小一环，不要给老板找麻烦。若不喜欢表演性工作，应增加自己选择环境的能力。作者通过优化简历、跳槽创业公司直至独立工作来实现这一目标。若无法改变环境，则需意识到打工即选择了表演性劳动作为价值主体。不要一边身处其中一边抱怨，而应主动找到那10%有价值的工作（如过去半年中决定主要产出的两三周工作），反复做并挤掉低价值劳动。
表演性劳动的心理伤害与个体户的真实反馈
长期处于表演性工作对人格和精神状态有严重伤害。许多大厂中层和金融机构员工陷入“纯恨时代”，不仅感到不舒服，更伤害自尊。根据自我决定理论，缺乏自主性、胜任感和连接感会导致难受。冒充者综合征在高薪中层中尤为普遍，他们处于“惶惶不可终日”的紧绷状态，因为主要工作就是保住这份工作。相比之下，街边做煎饼或手工艺的小个体户虽然收入不高，但每做一个饼都会得到顾客真实的正面或负面反馈。这种高频的真实反馈带来了高自尊。而大厂中层既无法推动战略落地，又无法直接触达客户，沦为“夹在中间的战略传声筒”。这种状态导致严重的心理伤害和职业过拟合，如作者所言：如果在腾讯多待几年，核心竞争力将是更了解公司和人脉资源，但这并非真正的个人竞争力。因此，跳出体制成为个体户或创业者是摆脱这种“金手铐”的重要路径。
学校思维与大厂游戏的错位
现代职场人常陷入一种“虚假价值”的认知陷阱，这种思维惯性源于学校教育的延续。在学校里，我们有标准答案，分数越高代表越优秀、越有价值，这种逻辑被直接移植到大厂环境中。然而，学校是一个工业革命后诞生的短暂事物，其核心是筛选而非创造真实价值。正如硅谷创投教父Paul Graham所指出的，财富的本质并非金钱这一近代发明，而是“别人想要的东西”（what people want）。小老板或个体户之所以有价值，是因为他们直接提供了他人需要的商品或服务（如食物、衣物），建立了与真实世界的链接。相比之下，大厂中层往往身处一个缺乏真实世界反馈的金融叙事游戏中，他们的价值建立在内部评分体系上，这种分数游戏如同在《魔兽世界》中称霸，一旦脱离该环境便毫无意义。我们从小被训练成“好学生”，却误以为这种高分能力等同于社会价值，这是一种建立在虚假基础上的自信。
低增速环境下的“Fake Work”内卷
当大厂进入人才密度高但增速放缓的阶段时，组织内部会陷入严重的意义感稀缺危机。此时，员工必须通过极度的勤奋和复杂的流程来证明自己的合法性。在低增速环境中，聪明人过多而有趣的问题过少，导致“Fake Work”（虚假工作）成倍甚至百倍地生产。这是一个结构性的死结：由于真实世界的反馈往往需要2-3年甚至更久，而大厂考核周期通常仅为双月或季度，管理层无法奖励长期主义行为。为了维持表面的公平和即时可见的产出，员工不得不制造大量精美的周报、调研文档等“昂贵的信号”。过去，制作这些精美材料需要耗费大量时间成本，因此被视为一种有价值的“苦劳”；但在增速放缓且缺乏信念的组织中，这种信号变得毫无意义，却因“每两个月需立新功”的考核压力而被迫持续生产。这种内卷不仅消耗了员工的精力，更让组织陷入数字游戏的泥潭。
AI加速虚假工作与管理机制重构
AI技术的普及正在加剧这一困境，因为它首先会极大地膨胀Fake Work的效率与规模。过去需要数小时完成的精美周报或调研，现在AI可瞬间生成，导致“苦劳”信号完全失效。然而，许多管理者仍抱着旧思维惯性，依赖AI生成海量内容供自己判断，这不仅未减轻负担，反而因信息过载而消耗了管理者的核心能力——判断力。一位大厂总经理曾痛苦地表示，下属提交的AI生成周报头头是道，但他需花费大量精力甄别。对此，有效的解法是重构汇报机制：要求下属仅用7句话陈述核心建议及信心程度，并敢于为决策赌上职业生涯或奖金。这种机制迫使员工从“表演工作”转向承担真实责任，从而让AI真正服务于决策而非掩盖懒惰。对于大多数尚未改变机制的公司，AI将先加速虚假工作的膨胀，随后使其贬值。
利用Agent工具夺回生活冗余
要摆脱Fake Work的束缚，个人需从思维到工具进行全面升级。首先应宣传反对虚假工作的理念，为正名后的行动争取空间；其次，需掌握AI的正确用法。建议养成使用开放型Agent（如Codex、Claude Code、Cursor等）的习惯，而非被绑定在封闭生态中。关键在于赋予AI足够的权限并开启Computer Use功能，让其直接操作电脑处理繁琐事务（如报税、邮件发送等）。同时，应将上下文沉淀为Markdown格式的技能包（Skill），明确结果要求而非风格指令。通过这种方式，员工可以将绝大多数重复性、表演性的工作外包给AI。这不仅节省了时间，更降低了精神内耗。正如杨天楠所言，面对不得不做的琐事，应“兴高采烈地用最快速最凶猛的姿势去敷衍它”。腾出的时间可用于高质量决策或生活滋养，从而在松弛状态下做出2-3个真正重要的决定，实现从“打工者”到“生活掌控者”的转变。
创业是去伪存真的肉身体感之旅
在长期的创业实践中，创业者往往陷入一种误区：认为忙碌等同于高效。许多人在非核心工作上耗费大量精力，试图通过完成看似高难度的任务来证明自己的价值，这种心态类似于传统外企中的“工程师文化”，即沉迷于技术实现的自我感动。然而，这种忙碌往往忽略了客户视角的有效性。AI工具的引入恰恰能解放这部分精力，它能以60分或略高的水平快速完成非核心工作，从而让人从容打磨稀缺能力并做出真正重要的决定。创业的核心价值不在于传统的求富贵或求长生，而在于“求真”。通过快速行动获取市场反馈，创业者能建立起对真实世界和自我的肉身体感。这与在大厂工作的状态截然不同：在组织中，员工往往隔着一层“袜子”做事，因为有兜底机制和权力结构保护，无需承担全部责任；而创业者没有表演对象，天然减少了组织内部的Fake Work（无效工作），因为所有的行动都必须直面市场的真实检验。
打破永生幻象与既定路径的束缚
杨天楠在书中提出，“求真”是获得逍遥生活的根基。许多人追求富贵或长生（永生幻象），但这往往带来更多欲望和时间的失控。真正的逍遥源于“Know Yourself”，即过自己想要的生活，而非被社会评价体系所裹挟。他分享了自己的生活状态：通过打造无需本人交付的商业模式，他将大部分时间用于带娃、打拳以及与创作者交流。这种自由并非来自财富的自由支配，而是源于对自我需求的清晰认知——他拒绝为了迎合流量而制造情绪价值，转而专注于教授知识本身。这种“求真”的过程是对大脑潜意识驯化的反抗。过去18年，人们活在由他人设定的“计分牌”评价系统中，被迫做题以争取资源。然而，当个体通过副业或兴趣在真实世界中获得专精和小结果时，这种创意劳动的正向回报能补偿职场中的虚无感，让人意识到自己可以通过独立能力获得生存资源，而非依附于组织的恩赐。
AI时代与第二次文艺复兴的契机
从传统媒体到自媒体，表达权的下放是历史性的机遇。杨天楠回忆早期离开电视台时无处可去，因为媒体资源高度集中；如今，互联网平台为每个人提供了麦克风，即使是冷门垂直领域也能通过细分内容获得影响力。AI的出现进一步放大了这种杠杆，它消灭了标准化工作和Fake Work存在的理由。当所有标准化的工作AI都能做得更好时，人类被迫去发现自身的Mastery（精通）、Unfair Advantage（非对称优势）以及真正的热情所在。这被视为“第二次文艺复兴”的前奏：第一次文艺复兴让人从神性中解放，关注人本身；而工业革命将人异化为标准件，AI则通过消灭标准化工作，逼迫人类回归真实自我。虽然转型过程痛苦且并非人人能成功，但AI降低了个体独立生存的技术门槛，让创作者能够结合影响力杠杆与创意反馈，在自由市场中通过直接的受众认可获得幸福感和生存空间。
从看见神到看见人：第二次文艺复兴的核心转向
杨天楠提出，我们正身处一个被称为“第二次文艺复兴”的历史节点。与第一次文艺复兴关注人与神的整体关系不同，这一次的核心在于重新回归个体（Individual），并庆祝个体的独特性。这一概念深受Paul Graham在2002年文章《Taste for Makers》的启发，该文章强调了品味（Taste）与个人能动性在AI时代的重要性。Graham指出，好的设计往往是成体系、成组地出现的（Good design happens in chunks），这揭示了创新并非孤立发生，而是依赖于特定的土壤。杨天楠认为，这次文艺复兴的本质是从“看见人的有用”转向“看见人的不同”。这意味着社会评价标准将从单一的功利性价值，转变为对个体差异性的认可与欣赏。
佛罗伦萨案例：环境如何孕育成批的大师
为了论证“好的设计成组出现”的观点，杨天楠引用了Paul Graham对意大利文艺复兴时期佛罗伦萨与米兰的对比分析。尽管这两个城市在当时的经济环境基本相似，但佛罗伦萨涌现出了米开朗基罗等成批的大师，而米兰则没有。这种差异并非源于资源的多寡，而是源于社区环境对可能性的展示。杨天楠将这种理想的环境比喻为“超线性学院”，在这里，个体能够看到不同的可能性并确认其可行性。相比之下，在大厂等传统组织中，同事往往灌输“别想了”、“做不了”的负面反馈，导致个体自我设限。而在理想的社区中，开发者能看到他人正在做的事情是“很正常”的，从而激发行动力。
社区反馈与AI迭代：打破“Fake Work”的闭环
在理想的创新环境中，高质量的反馈机制至关重要。杨天楠指出，许多开发者在其他平台只能获得流量关注，但在这样的社区中，能获得关于产品使用的具体、实质性反馈。用户会指出“哪不好”、“哪里好”，开发者将这些反馈输入AI，利用AI能力快速迭代产品。这种“人+AI”的协作模式极大地降低了试错成本，使得个体能够高效地验证想法。杨天楠与清华大学刘嘉教授的交流进一步升华了这一观点，刘教授总结道：AI时代的第二次文艺复兴，既是对工业革命的一个升级，也是对工业革命的一个致敬。因为物质基础的丰富使得大多数人通过降低非必要消费即可生存，从而有余力去投入时间发现自己的独特价值，而非被迫从事无意义的劳动。
消解“有用”执念：从可替代性中发掘剩余价值
杨天楠深入剖析了“表演型工作”（Fake Work）产生的心理根源：人们往往持有“必须有用才是存在意义”的执念，即便在组织内部价值回报不均衡的情况下，仍不得不千方百计证明自己的“有用”。然而，AI的出现正在消解标准化、可被替代工作的意义。当程序员发现AI可以替代其99%甚至100%的常规工作时，这种危机感迫使个体重新审视自我。过去，人们将90%的价值绑定在那些可被替代、仅比他人稍快或稍好的工作上；当这部分价值被AI取代后，个体被迫去挖掘剩下的10%。杨天楠强调，这剩余的10%中其实蕴含着巨大的、此前未被注意的独特价值（他幽默地称之为“100%”的潜力）。AI时代的机会，正是让人从追求标准化的“有用”，转向探索真正社会所需的、不可被算法复制的个体特质。
结论
视频论证表明，大厂中的“表演型工作”并非文化或所有制问题，而是由知识工作归因困难、委托代理错位及组织规模导致的结构性困境。其核心在于缺乏真实世界反馈，导致员工通过制造“昂贵信号”来证明合法性。
AI技术加剧了这一内卷，因它能高效生成虚假产出。破局之道在于重构机制：要求员工以极简方式陈述核心建议并承担责任，迫使工作回归决策本质。个体应利用AI接管重复劳动，从追求标准化的“有用”转向挖掘不可复制的个体特质。创业或独立工作通过直面市场反馈，能消除表演空间，实现从“打工者”到生活掌控者的转变。