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，而是一個從棒球資料極客轉行的競選預測員的部落格，這個人名叫內特·西爾弗（natesilver）。不到一年之後，娛樂與體育節目電視網（espn）和美國廣播公司新聞網（abcnews）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、天氣預報到網路新聞領域，甚至令人難以置信地，還有奧斯卡頒獎典禮電視直播。儘管輿論對於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歲的資料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（davidheinemeierhansson），他是一名電腦程式明星，創造了rubyonrails網站開發框架，為當前網路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）的合夥人。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後一位經濟生活贏家是約翰·杜爾（johndoerr），他是聞名於世的矽谷風投公司凱鵬華盈（kleinerperkinscaufield&byers）的普通合夥人。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（sunmicrosystems）等。這些投資的回報都是天文數字，在我寫作本書時，杜爾的個人淨資產超過30億美元。
為什麼西爾弗、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，而更多在於他們所代表的工作型別。儘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係更密切，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。
要從宏觀角度探究箇中原因，我們首先要談及兩個麻省理工的經濟學家，埃裡克·布林約爾松（erikbrynjolfsson）和安德魯·麥卡菲（andrewmcafee）。二者在2011年出版的重要著作《與機器賽跑》（citeraceagainstthemachine/cite）中講述了一個令人歎服的案例：在當今時代湧現出的各種力量中，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。「我們正處於大重組最初的陣痛期。」布林約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後。」對於很多工人而言，這種落後是壞訊息。隨著智慧機器的不斷改進，機器與人之間能力的差異逐漸縮小，僱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端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，這個冷酷的現實並沒有滲透所有角落。布林約爾松和麥卡菲強調，這次大重組並沒有碾壓所有工作，而是將其分化。儘管在新經濟形勢下，越來越多的人因為技能可通過機械自動化實現或易於外包而遭遇挫敗，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並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（tylercowen）出版了《平均時代的終結》（citeaverageisover/cite）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，這三類人在智慧機器時代處於獲利的一方，收穫極大的利益。毫無疑問，西爾弗、漢森和杜爾恰恰屬於這三類人。我們來逐一分析每一型別的人，從而更好地理解他們為什麼突然變得如此有價值。
高階技術工人
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「高階技術」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：「諸如資料視覺化、分析、高速通訊和快速原型設計等技術對抽象和資料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。」換言之，那些有神奇工作能力，能夠使用愈發複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：「關鍵問題在於，你是否擅長使用智慧機器？」
當然，內特·西爾弗擅長將資料嵌入到更大的資料庫中，然後抽取資料存入他那神秘的蒙特卡洛模擬（montecarlosimulations）中，這恰恰是高階技術工人的一個縮影。智慧機器並非西爾弗成功的障礙，而是他成功的前提。
超級明星
王牌程式設計師大衛·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。」高速資料網路和電子郵件、視訊會議軟體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式設計師用一小段時間完成手頭的專案，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式設計師了。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（desmoines），而漢森或許遠在西班牙的馬貝拉遠端工作，這其實對你的公司而言並沒有什麼影響，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線。（然而，這對於那些生活在得梅因、技能略差並需要穩定工資收入的程式設計師而言就有關係了。）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端工作成為可能——諮詢、市場營銷、寫作和設計，等等。一旦人才市場可以全球共享，那麼在市場頂端的人將會取得成功，而餘下的人則會遭遇困境。
經濟學家舍溫·羅森（sherwinrosen）在1981年發表的一篇開創性論文中解出了這種「勝者通吃」市場背後的數學理論。他最核心的見解是明確地將才能（貼上標籤、清晰可見的，在公式中用變數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並不能累加成一場無與倫比的演出。」換言之，才能並非一種商品，你不可以通過大批購買，然後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，那麼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。一家尋找電腦程式設計師或公共關係諮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年前所能預測的範圍。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後一個群體是約翰·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，戰後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」——「downtonabbeyeffect」。）
大重組時代與戰後時期不同，是擁有資本的絕佳時機。想要了解箇中原因，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，因而掌握智慧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，而僱員卻僅僅13人。歷史上有什麼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，迴流到智慧機器擁有者——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採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。」
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：可以利用智慧機器把工作做得漂亮並具有創造性的，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並非當前唯一重要的經濟趨勢，也並不是只有上述三個群體能夠取得傑出的成就。但是本書的一個重要論點在於，儘管這些確實並非獨有，但也是重要的，而這些群體——即便並非唯一的此類群體，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
我發現有兩類人註定會成功，而且我認為可以推廣借鑑：一種是能夠利用智慧機器進行創造性工作的，一種是自己所在領域的箇中翹楚。在數字鴻溝不斷擴大的當下，有什麼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。
·迅速掌握複雜工具的能力
·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一類使用者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：引導大重組的智慧機器大多數都非常複雜，很難理解和掌握。
回想一下我們在前文中舉例靠熟練掌握複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，就會發現生成資料驅動的選舉結果預測並不像在搜尋框中輸入「誰將獲得更多選票？」那麼簡單。實際上他彙集了一個大型民調結果資料庫（從250個民意調查機構處獲取的數千項民意調查結果），然後輸入到stata軟體中（stata是一種很流行的資料分析系統，由一家名為statacorp的公司研發）。此類工具並不容易掌握，比如，想要利用類似西爾弗使用的現代資料庫工作，你就需要理解下面一類命令：
createviewcitiesasselectname,population,altitudefromcapitalsunionselectname,population,altitudefromnon_capitals;
此類資料庫彙編成一種語言，稱作sql。你利用如上所列的命令與資料庫中儲存的資訊進行交流。想要操控此類資料庫是一項非常精深的工作。比如上面一條命令會建立一種「檢視」：一種從現有多種表中選取彙集資料的虛擬資料庫表，該表可成為標準表利用sql核心進行基元處理。何時建立檢視，如何熟練建立檢視是個很微妙的問題，如果想要在現實世界的資料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體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、專案管理器、長字串和blobs（二進位制大物件）以及其他很多。」西爾弗利用此類複雜的軟體（包含廣義結構方程模型和blobs）建立複雜的模型，內含各種互相聯絡的部分：比如自定義引數的多元線性迴歸，就可以在機率算式中用來做顧客權重參考，等等。
這些細節旨在強調智慧機器的複雜性是難以掌握的。因此，要想較好地運用這些機器，你就要培養出掌握複雜事物的能力。而且由於這些科技變化很快，掌握複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，這種迅速掌握複雜事物的能力並不僅僅是能熟練運用智慧機器所必需的；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，就要求你掌握愈發複雜的身體技能組合。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式的最新研究成果。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，但並不夠。之後你必須將潛能轉化成人們珍視的實在成果。比如，很多程式設計師對程式設計都很在行，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rubyonrails，正是這個專案為他帶來了聲譽。rubyonrails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於以掌握智慧機器為目標的人。對於內特·西爾弗而言，學會如何掌控大型資料組和進行資料分析並不夠；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資訊。西爾弗在棒球資料（baseballprospectus）工作期間與很多資料極客共事過，但是隻有他努力將這些技能加以調整，用於全新的、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，不管你的技藝多麼純熟，天資多麼聰穎。
我們已經列出兩種在當今這個由科技分化的新世界裡獲得成功的能力，現在可以提一個顯而易見的後續問題：如何才能培養出這些核心能力？講到這裡，我們便觸及了本書的核心主題：strong上文闡述的兩種核心能力依賴於你進行深度工作的能力/strong。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。
這些能力對於深度工作的依賴性並非即時顯現的，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絡為你轉變——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。」
上述建議出自多明尼加（dominican）修士、倫理哲學教授安東尼-達爾梅斯·塞汀朗吉思（antonin-dalmacesertillanges），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》（citetheintellectuallife/cite）。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》中充分認識到掌握複雜材料的必要性，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，有助於我們更好地理解人類如何快速掌握複雜（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於時代。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年後才得到學術界的正式定義。