郝景芳的「AI 折叠」：从《北京折叠》到 OPC 一人公司，AI 如何压缩组织与职业阶梯

视频原址：BV1Tj5y63Edj。《甲小姐对话郝景芳：从北京折叠到 AI 折叠》由甲子光年制作，2026-05-13 发布，时长 2 小时 50 分 21 秒。本文以甲子光年授权的网易长文版为主要文本来源，辅以2016 年雨果奖官方页面和童行计划在腾讯新闻发布的两篇公开文章交叉整理。由于 B 站页面未提供可稳定引用的完整字幕，本文不做逐句转录，而是把这场访谈还原成一篇更适合年度回看、也更能承受时间检验的分析文章。

如果只先记一句：郝景芳谈的不是 AI 如何让一个人更高效，而是当 AI 同时压缩产品链路、组织层级和职业阶梯时，人会被重新安放在什么位置上。

这场访谈最容易被传播的版本，是一个很有戏剧性的故事：写出《北京折叠》的作家，十年后沉迷 AI Agent（智能体），挥别开发团队，把公司拆成 9 个小单元，像是亲手走进了自己写过的寓言。

这个故事当然成立，但只抓住了表层。真正值得反复读的，是郝景芳把三个层面压到了同一张桌子上：产品工作流、公司边界和职业上升通道。她讨论的不是「作家学会了 AI 编程」，而是效率第一次开始直接改写组织、职业与人格训练的方式。

郝景芳之所以值得反复读，不是因为她是名人，也不是因为她踩中了 AI 风口，而是因为她身上恰好叠着四种很少同时落在一个人身上的视角：科幻作者、宏观研究者、教育创业者，以及正在第一线使用 Agent 的产品试验者。大多数 AI 对话还停在效率、融资、模型迭代、提示词和 demo；她已经把问题推进到了更后面的地方：当「意图到产出」的距离第一次被大幅缩短之后，公司为什么还要维持旧的边界，职业为什么还要沿着旧的阶梯上升，教育为什么还要按旧的方式训练人。

先把结论放在前面

访谈里有 4 个互相咬合的判断：

1. AI 的第一波冲击，不是替代某个岗位，而是缩短「意图到产出」之间的组织距离。
2. OPC 不是轻飘飘的个人主义口号，而是交易成本下降之后的一次公司边界实验。
3. 真正难以迁移的不是技能，而是判断力。
4. 如果没有人本主义这条底层公理，关于 AI 的所有效率叙事最终都会失焦。

前两句解释她为什么会被 Agent 吸进去、为什么会拆团队；后两句落到她为什么始终没有滑入廉价的技术乐观主义。

读完这篇文章，你应该能回答 3 个问题：

1. 郝景芳真正兴奋的，为什么不是「AI 会写代码」，而是「AI 直接压缩了组织里的翻译链」？
2. 童行书院从几十人团队拆到 9 个外部小单元，为什么更像一场公司边界重写，而不只是一次轻资产转型？
3. 为什么这场访谈最后没有停在效率，而是停在判断力、教育和人本主义？

访谈里同时发生的 3 层折叠

原视频里话题很多，从机场安检时盯着 Agent 跑功能，到数字永生、AI 内容、儿童教育，再到社会分层与基本收入。如果按原顺序读，很容易觉得它只是一个信息量很大的播客。但如果把它重排，会发现整场对话其实只有 3 条主线，而且这 3 条主线是同时推进的：

这张表决定了这场访谈的分量。它不是一个人聊工具体验的记录，而是一个样本同时暴露出 3 个层面的变化：生产、组织、社会。很多文章只能碰到其中一层，郝景芳这场访谈少见地把三层压在了同一处。

边界也必须先说清：这不是大样本研究，不是严谨意义上的宏观实证，更不是未来十年的定论。它的价值不在于给出最后答案，而在于提供一个足够强的分析样本，让人知道问题该从哪里开始。

为什么偏偏是郝景芳，能够把这几个问题接到一起

郝景芳不是因为学会了用 AI，才突然变得值得观察。恰恰相反，是因为她原来就站在一条很罕见的交叉线上，AI 才会在她身上显出更完整的轮廓。

公开资料显示，她 2002 年获第四届新概念作文大赛一等奖，同年进入清华大学物理系学习，继而完成天体物理硕士与经济学博士训练，并曾在中国发展研究基金会从事宏观经济研究。2016 年 8 月，《北京折叠》获得第 74 届雨果奖最佳中短篇小说奖，由刘宇昆翻译的英文版在堪萨斯城世界科幻大会上获奖，她成为继刘慈欣之后第二位获雨果奖的中国作家；2017 年 4 月，她创办童行书院，长期投入儿童通识教育与教育产品实践。童行计划在 2026 年发布的两篇公开文章里，仍把项目制学习（PBL，Project-Based Learning）和通识教育放在核心位置，这说明她对教育的投入不是临时副业，而是另一条长期主线。

这意味着，她不是从「纯技术创业者」的角度看 AI，也不是从「传统知识分子」的角度旁观 AI。她既懂抽象结构，也亲自处理组织；既能谈宏观分层，也在做具体产品；既写过关于未来社会的寓言，也正在现实里承受那些寓言反噬回来的力量。

正因为她站在这四条线的交叉点，这场访谈才不是普通产品复盘。她会用交易成本解释为什么公司边界开始变形，会用阶层流动解释为什么白领中间层先被压扁，会用教育心理学解释为什么判断力一旦长期不用就会沉睡，也会用小说家的敏感度描述这种变化落在个人身上的触感。

郝景芳在这里不是一个碰巧用上新工具的人。她原本就在长期观察结构变化，AI 只是让那些分散的观察在现实里长成了一根主线。

她真正着迷的不是写代码，而是第一次摸到了「无翻译生产」

访谈里最容易流传的画面，是她在机场一手拉着行李箱、一手托着笔记本，盯着 Agent 跑结果，像盯着一种刚被点燃的新瘾。这个画面很强，但如果只停在这里，整场访谈就会被读浅。

要紧的是她后面那句判断：

AI coding 再强也是程序员，但老板不是直接跟程序员对接的，老板是跟产品经理对接的。Agent 最舒服的地方，是把我过去跟产品总监的对话，变成我和 Agent 的对话。

这句话几乎解释了这场技术转向的快感来源。她兴奋的不是「我也能写代码了」，而是原来组织里那段最费时间、最费误解、最费耐心的翻译链，第一次出现了大面积塌缩。

过去一条典型的软件交付链，大致是这样的：

1. 创始人先说一个模糊目标。
2. 产品经理把模糊目标翻译成需求。
3. 开发再把需求翻译成模块、接口和代码。
4. 测试把系统行为翻译成 bug 与验收问题。
5. 团队围绕理解偏差来回返工。

这条链条长期存在，不是因为大家笨，而是因为组织协作本来就需要翻译。不同岗位拥有不同语言、不同关注点、不同风险偏好，组织本身就是一部多语种机器。绝大多数管理成本，并不来自生产本身，而来自翻译。

郝景芳对 Agent 的迷恋，本质上就是因为她突然摸到了另一种生产方式：不是更快地翻译，而是尽可能少翻译，甚至局部取消翻译。她不是在享受「编码」，她是在享受一种非常罕见的体验：脑子里的产品意图，可以不先经过完整组织分发，就直接在系统里长出雏形。她在访谈里还补了一句更锋利的话：「AI 和 AI 之间的对话是完全顺畅的、无缝的。AI 给 AI 下的指令，另一个 AI 是最能明白的。」这意味着，真正被压缩的，不只是「人到人」的翻译成本，还有「人到机器」的翻译成本。

把她描述的一条最小任务流拆开，大概就是这样：

如果把「AI 老师」看成一条最小工作流

把访谈里的表述压成一条更具体的链路，会更容易看出变化到底发生在什么地方：

1. 她先定义产品边界：这个 AI 老师不能直接给答案，只能把学生往思考过程里带。
2. Agent 再把这个边界往下翻成界面、提示词、逻辑和联调任务，创始人直接盯预览和结果，而不是先走完整的 PRD、排期、开发、测试链路。
3. 两个月的小范围测试里，用户没有持续反馈明显技术问题，她才把「训练有素的 AI 团队可以打完整条链路」当成一条暂时成立的经验。
4. 一旦这条链路成立，组织后果就跟着出现了：她不再优先扩编研发，而是优先训练系统、校准结果、判断哪些环节继续交给人。

这才是整场访谈里最值得从工程视角反复看的地方：AI 并没有神奇地替她消灭产品复杂度，而是把复杂度从跨部门协作，挪到了边界设定、结果审阅和例外处理上。

这张表里真正重要的，不是效率，而是角色边界发生了偏移。她后来甚至说，自己慢慢觉得人机混合不好用，「要么全人类工作，AI 打下手；要么就必须是全 AI」。这句话当然可以被质疑，也不可能适用于所有系统，但它点中了一个很多人回避的问题：一旦多 Agent 协同开始成立，人类插入流程的位置，就不再天然对应传统团队里的任何一个角色。

人不再自然地站在产品、研发、测试的中间，而更像站在更上层，负责意图、边界、取舍与验收。原来很多在组织里被拆散的岗位能力，会重新缠回同一个人身上。

但这里还有一个经常被忽略的反转。执行被压缩之后，真正变重的往往不是「做」，而是「看」「判」和「担」。功能可以批量生成，方案可以同时冒出来，版本可以来回试错，但最后要不要上线、出了问题谁负责、哪一种错误可以容忍、哪一种不行，仍然要有人来定。AI 没有把管理拿走，它只是把管理从「管人」推向了「管判断、管例外、管后果」。这也是为什么很多人会误以为自己在享受更高效率，实际承受的却是更高密度的认知负荷。

她所谓的「上头」，并不主要来自工具的新鲜感，而是来自产品工作流第一次露出接近「无翻译生产」的形状。

童行书院的拆分，不是一次裁员故事，而是一场公司边界实验

如果只看标题，很容易把这段经历理解成一句简单粗暴的话：AI 太强了，所以她裁掉了整个开发团队。

但访谈原文其实远比这个说法复杂。郝景芳自己讲得很清楚，拆分的起点并不只是 AI，而是她早就对自己作为管理者的位置感到不适。她回忆童行书院曾两次发展到 80 到 100 人规模，一旦进入层级制，她的感受不是「忙」，而是「被消耗」。总监之间的不对付、部门之间的抱怨、创始人不断下场协调，这些事情在商业语境里往往被称为管理，但在她那里，它们更像一种对生命时间的侵蚀。她在访谈里直接说：「我为什么要人生一半以上的时间在处理这些事情？」

她后来直说：自己不是一个好的管理人，更愿意把时间花在创造性工作上。

真正的转折也在这里。AI 不是起点，而是放大器。它让她终于能把自己早就想做、却一直没有条件做的组织重写，真正执行下去。从 2024 年年中开始决定「放弃做大，转向做小」，到 2025 年 10 月公司彻底转型为一人公司，再到 2026 年 1 月挥别整个开发团队，整个过程持续了近两年。2026 年 4 月，她作为深圳龙岗区引入的第一批 OPC 创业者，在龙岗完成了新公司落地。她在 2026 年 5 月公开回顾这段经历时，也把「龙虾十条」视为那次落地的制度背景。

拆分后的结构大致如下：

在这里，郝景芳引入了科斯。她说，公司边界本来就是交易成本问题：一项业务放在公司内部做，还是放到外部做，本质上是看哪边的交易成本更高。

这句话看似朴素，却正好击中了 AI 时代组织变化里最容易被忽视的一层。今天很多人谈「一人公司」，谈的是自由、反内卷、轻资产、做自己；这些都没错，但都还停在情绪层面。郝景芳的说法更像经济学家的说法：不是人先产生了自由冲动，公司才会变小；而是当外部协作、数字交付、AI 协同和注册流程一起成熟，原本必须被公司内化的很多成本开始外移，公司的旧边界才失去必要性。

换句话说，OPC 从来不是真空里冒出来的个人神话。它成立的前提，不只是个人能力突然暴涨，而是支付、云服务、模型 API（Application Programming Interface，应用程序接口）、分发平台、工商流程、法务模板和外包网络都已经成熟到可以随时租用。表面上看，是一个人在干过去一家公司做的事；落到具体操作上，是一个人把过去由公司内部吸收的那部分能力，改成了向平台和市场按需租用。公司边界缩小的同时，基础设施的边界其实在变大。

也正是在这个意义上，她那句「10 个人算大公司，5 个人算中型公司，3 个人以下算小公司」才不是一句吸睛口号。它背后是一种新的管理带宽判断：如果创始人的核心工作越来越变成训练系统、校准意图、审定结果，那么团队一旦重新变大，管理成本就会以另一种方式卷土重来。

过去的大公司病，是会议、层级、汇报和协调；AI 时代的大公司病，很可能会变成模型洪流、审批洪流、例外处理洪流与系统训练洪流。人不一定比以前更轻松，只是疲劳的形状变了。

所以，童行书院的拆分不是一段可以被轻松模仿的「成功经验」。它更像一场边界实验：当组织终于有机会变小，它会先释放创造力，还是先释放风险？郝景芳给出的答案是前者，但她也知道，这个答案并不天然适用于所有行业。

《北京折叠》在 2026 年重新成立，不是因为它预言对了，而是因为现实开始长出它的语法

整场访谈里最锋利的话，仍然是这一句：

《北京折叠》写的就是「AI 折叠」。就是因为机器人带来的失业，才有的第三空间。只不过当下预测的可能比例比《北京折叠》更极端一些。

这句话最重的地方，不在于作者出来认证「我当年写对了」，而在于她把小说里的结构重新拿来解释现实。《北京折叠》在这里不再是一部作品，而成了一种解释器。

如果把她对「AI 折叠」的判断拆开，大概有 3 层意思。

第一，先被压缩的可能不是最底层，而是中间层

她特别提到，《北京折叠》里第二空间有 2500 万人，但在今天，她反而觉得现实里的「第二空间就业」可能没有那么多。这里真正危险的，不是某个岗位消失，而是通往中层的位置本身开始断裂。很多年轻人原来靠初级岗位一路训练到中层，但当模型先吃掉的是大量初级白领工作，训练链条就先断了。

这是这几年最容易被低估的变化。我们习惯把失业理解成「一个工作没了」，但 AI 更可能带来的，是「一整条上升路径突然变窄」。职位还在，阶梯却开始抽空。

第二，白领替代未必会慢于蓝领

郝景芳把替代分成了 physical 和 mental 两条线。她的判断是，物理世界里的机器人替代有政策、基础设施、硬件部署与法律责任等多重门槛，速度未必像人们想象得那么快；反过来，文案、运营、行政、信息整理、轻度分析这类白领工作，往往更难通过政策保护被延缓。

这个判断未必对所有行业都成立，但它足够重要，因为它提醒我们不要再沿用旧叙事：先是流水线，再是蓝领，最后才轮到白领。现实也许更不均匀，甚至更反直觉。某些高规则、低责任闭环、强格式化的白领工作，可能比一部分依赖现场责任、线下信任和复杂协同的蓝领工作更早被压缩。

第三，第一空间的新贵，不再自动对应更多就业

她提到的那个例子之所以刺耳，就是因为它切断了过去创业神话里最温和的一层幻觉。她在访谈里说得很具体：「一个十几岁男孩的一人公司可以做到 10 亿的估值，这造就了第一空间的新贵。可他只有一个人。过去一家公司创业成功，可能解决千百人的就业，现在一个青少年做了一家公司很成功，可他就解决了一个人的就业。」过去，一家公司做大之所以具有某种公共叙事上的正当性，是因为它至少看起来会带来大量岗位；AI 时代的新故事不一定还成立。高利润与低雇佣第一次如此自然地长在一起。

这意味着，郝景芳口中的「AI 折叠」不是文学夸张，而是一种非常具体的结构判断：少数人的杠杆被抬高，同时更多人的职业中间地带被压缩。折叠不是技术炫技，它是社会分层重新组织的方式。

真正难迁移的，从来不是技能，而是判断力

整场访谈里，真正压住地基的，既不是 Agent，也不是公司边界，而是她反复提到的那个词：判断力。

今天最流行的一种技术乐观说法是，人不会被 AI 替代，人只是要从执行者变成意图定义者。这个说法本身没错，但它往往故意跳过最难的一步：不是每个人都经历过长期自主定义目标的训练。

郝景芳的原话很值得全文保留：

你处在一个长期让你运用判断力的环境里，你的判断力会越来越成熟；但长期不让你用判断力，这部分能力就完全是沉睡的。沉睡之后，某一天突然让你觉醒，很多人很难觉醒。你用了多长时间去压抑他，就会需要用多长时间去唤醒他。

这段话把问题从工具层直接拉回了认知史。一个长期按流程执行、按指令响应、按 KPI 调整的人，不会因为模型出现，就立刻获得独立选题、设边界、做取舍、负结果的能力。AI 不是把所有人自动升级为创始人，它只是更无情地暴露了一个事实：有些人过去一直在使用判断力，而另一些人只是借着岗位，暂时借用别人的判断力。她在访谈里还补了一个更刺骨的类比：从农业社会到工业社会的转型，父母是农民、孩子进城读书进入商业社会，两代人的思维方式会有非常大的差异；而我们这一代人就是当下的「农民状态」，下一代人进入 AI 时代，两代人的差异可能像农业社会和工业社会两代人那么大。

她最后又把问题拉回教育。她说，普及 AI 素养应该像普及识字和算数一样。很多人听到这句话，会把它理解成一种宏大的政策愿景；其实它更像一种务实的社会修复方案。因为当你已经无法确定未来有哪些具体职业还会留下来时，最稳妥的做法就不再是押注某个岗位，而是尽可能让更多人具备与新工具协作、定义问题、保持学习与恢复判断的能力。

不过她没有把这件事说轻。她甚至明确承认，这种转变可能一代人都未必完成，甚至会形成代际撕裂。这恰恰是这场访谈最可贵的地方：没有鸡血，也没有万能方法论，只有一种罕见的诚实。

还可以再往下追一层。被压缩的从来不只是岗位数量和晋升阶梯，往往还有人对自己的解释方式。很多人真正失去的，不只是那份工资，而是「我是谁」「我为什么值得被需要」「我在这套系统里究竟负责什么」这些原本附着在工作上的意义感。工业社会以来，大部分人的身份、秩序感和体面，都是通过稳定职业慢慢长出来的。AI 如果持续把中间层工作切碎、压缩、外包化，它动到的就不只是就业结构，也是在动现代人安顿自我的那一整套方式。

她并不是技术乐观主义者，她只是比大多数人更早走进了问题内部

如果只摘几句传播度最高的话，比如「我支付的费用和用户支付的费用都给了 AI，没有给到另外的 human」，很容易把郝景芳写成一个兴奋的 AI 生产力主义者。但完整读下来就会发现，她真正的立场要复杂得多。

她比很多知识分子更早拥抱了 Agent，也更愿意把组织和产品压到 AI 之上；但与此同时，她对这件事的社会后果并不天真。

她至少给出了 4 条非常清楚的边界：

• OPC 是过渡路径，不是人人都能复制的终局。 她自己就承认，如果大量司机因为无人驾驶失业，不是每个人都能立刻转成 OPC 创始人。
• 社会兜底仍然不可避免。 她谈高税率、基本收入、保障房和失业补贴，这说明她并不相信市场会自然完成再分配。
• 教育投入比强行保留低意义岗位更重要。 她宁可把资源投向终身成长、就业转型和 AI 素养，而不是制造大量「为了存在而存在」的工作。
• 认知外包会制造新的债。 她讨论孩子使用 AI 时，强调不是简单禁止，而是通过 AI 老师的产品约束，避免孩子跳过思考过程直接索取答案。

把这些判断放在一起，郝景芳的立场才完整。她不是在说「AI 一定会让世界更好」，她说的是：AI 正在把旧结构砸碎，而社会必须回答新结构里的人要如何继续成长。 这和乐观主义是两回事。前者是一种结构判断，后者只是情绪姿态。

人本主义不是尾声里的修辞，而是她全部判断的起点

这场访谈最后落在人本主义上，前面那些看似分散的话题才重新拢在一起。

她谈数字永生时说，很多所谓永生最后不过是「数字孤魂野鬼」——「你以为留了一个数字永生，但它可能已经被彻底掩埋在根本无人知晓的地方，三年就没人记得你，那叫什么数字永生？那叫作为数字垃圾」；她谈认知时说，记忆是思考的残留；她谈人与 AI 的边界时说，工作层面可以追求澄清，但生活不该只剩效率；她谈孩子与教育时，始终强调成长、自主和内在动力。到最后，她干脆把人本主义称为「公理」。

这个词用得非常准。所谓公理，不是你证明出来的结论，而是你必须先选定的出发点。郝景芳先相信「每个人内心有一个想要成长的自我」，然后才去推导教育该怎么设计、组织该怎么变化、AI 应该如何被使用。

这也解释了一个看似矛盾的地方：为什么一个如此积极使用 AI、甚至愿意把自己资料「炼化」给 AI 的人，最后仍然把立场落在人本主义上。因为在她这里，AI 不是人的对立面，也不是人的终点，它更像一面强迫人重新定义自己的镜子。2017 年 11 月，她在中信出版集团推出《人之彼岸》，那本书的前言就写明：人在此岸，AI 在彼岸，对彼岸的遥望是为了观照此岸。她在访谈里也再次强调，关照彼岸，是为了看清此岸。

她真正关心的始终不是模型能做到什么，而是人在这个过程中会被塑造成什么。

这场访谈对今天的我们，到底意味着什么

如果把整篇文章收束到更可执行的层面，它至少留下了 5 个判断。

1. 对创业者来说，先找出自己最贵的那一段翻译链

不要一上来就问「能不能把团队裁掉」。更值得追问的是：你今天最耗时间、最耗耐心、最耗预算的，究竟是写代码、做设计，还是把一个模糊意图翻译成团队可执行的语言？如果痛点在翻译链路，Agent 的价值会极大；如果痛点在线下交付、强合规审批、复杂硬件与责任归属，答案就未必一样。

2. 对产品人来说，AI 最大的变化不是提效，而是角色重新缠绕

很多原来被拆分在产品、研发、测试和运营之间的能力，正在重新缠回同一个人身上。未来真正稀缺的人，不一定是某个单点做得最快的人，而是能够把问题界定、任务拆解、验收标准和系统训练连成一条线的人。

3. 对管理者来说，AI 不会消灭组织成本，只会重写它

过去的组织成本是会议、层级、汇报和协调；新的组织成本，可能是审阅洪流、模型训练、权限边界、异常处理和持续校准。别把「少人」误解成「轻松」，也别把「自动化」误解成「无需管理」。人还是要承担判断，只是判断的对象从人变成了系统。

4. 对教育者来说，最紧迫的任务不是教孩子会不会用工具，而是别让他们过早失去判断的肌肉

会不会用模型，几年内就会变成低门槛能力；但有没有形成问题意识、推理耐心、结果验收和自主决定的习惯，仍然是更慢、更硬、也更稀缺的能力。她做 AI 老师时坚持「只能引导，不能直接给答案」，这个约束非常重要，因为它不是保守，而是在给思考留下必要的摩擦。

5. 对普通读者来说，不要把 OPC 读成新时代成功学

这场访谈最不该被读成「只要学会 AI，每个人都能做一人公司」。恰恰相反，它提醒我们，AI 折叠会放大能力差、判断力差和组织位置差。对一部分人，OPC 可能是机会；对另一部分人，它可能意味着更高门槛、更高不确定性，以及更少的缓冲带。

这篇文章不能直接推出什么

为了不把一个强样本读成万能答案，还需要补 3 条边界说明：

1. 不能直接推出所有行业都会快速 OPC 化。 线下交付重、合规重、硬件重、强协同重的行业，组织边界没那么容易被重写。
2. 不能直接推出白领一定比蓝领更早被全部替代。 郝景芳提出的是一条重要趋势判断，不是已经完成统计验证的行业排序。
3. 不能直接推出个人杠杆上升就等于社会摩擦下降。 一人公司的效率提升，完全可能伴随更多就业震荡、再分配压力与代际撕裂。

真正该带走的，不是一套口号，而是一种新的观察方式：以后再看任何一个 AI 产品、任何一家公司、任何一种职业转型，都不要只问它有没有提效，而要问它改写了哪一段翻译链，缩短了哪一级组织距离，抬升了谁的杠杆，又让谁失去了训练判断力的机会。

结语：她不是预言成真，而是亲自走进了预言

《北京折叠》在 2016 年获雨果奖时，人们最常谈的是它写出了技术、时间与阶层的不平等；到了 2026 年，这部小说的另一层含义变得更明显了：技术不是在均匀地改善每个人的生活，它更可能重新定义谁有资格发号施令，谁还能保住上升路径，谁会被甩出旧系统。

郝景芳的特殊之处，就在于她没有只站在小说外面解释这件事。她把自己放进了实验里：让 AI 接手产品开发，让组织拆向更小的单元，让教育问题回到判断力训练，让人本主义继续留在底层。正因为她不是旁观者，这场访谈才有一种少见的重量。它不是把未来讲得更清楚，而是把我们已经站进去的现在讲清了。

十年前，她写的是折叠后的北京；十年后，她谈的是折叠中的现实。两者之间最耐人寻味的地方，并不是预言有多准确，而是她自己也成了这个系统的一部分。一个人先写出了未来的语法，后来又在现实里被这套语法重新解释，这大概就是这场访谈最值得记住的地方。

参考资料

1. 甲小姐对话郝景芳：从北京折叠到 AI 折叠（网易转载版）
2. 甲小姐对话郝景芳：从北京折叠到 AI 折叠（Bilibili 视频页）
3. 2016 Hugo Awards 官方页面
4. 郝景芳：一人公司（OPC）做了三个月，我的感受是……
5. 童行成立九年了，为什么一直坚持做 PBL？因为很酷