近年来由于技术与业务需求之間的鸿沟，人工智能在走向产业落地的过程中面临了一系列的挑战企业在应用AI技术推进产品业务转型升级的过程中，必须要了解这些问題并加以升级爱分析在近日发布了《人工智能2020：落地挑战与应对》。报告回顾了人工智能的行业概况并结合实践案例分析了人工智能技术，给产业带来的具体价值创造盒各行业落地进展盒未来应用趋势以此帮助企业推动人工智能的价值落地。

新商业与新经济模式的诞苼

历史上任何一次新技术的爆发都带来了超乎想象的新商业与新经济模式。从最近的一次看90年代互联网发展初期，我们没有预料到商業社会将如此大规模的被影响和改变互联网的影响开始于媒体，纽约时报、华尔街日报等媒体通过网站更新新闻最终全媒体行业都开始面临转型压力。后来消费者逐渐通过网络阅读、看电影等互联网对商业社会的影响有一个过程，人工智能时代也是一样

当前，国内誕生了诸如商汤科技、旷视科技、极链科技、依图科技等人工智能初创企业这些企业针对金融、医疗、内容审核、广告、零售、自动驾駛等行业都了产生很大的影响。目前一些与计机视觉相关的应用，比如在视频内容审核方面已经产生了比较大的变化。比如国内目前內容审核技术比较突出的极链科技推出了全栈式智能内容安全审核引擎神眼系统，为人类审核员进行减负

在人工智能法依赖大数据训練的阶段，产值大的行业会发展的更好如果一个行业应用人工智能产生的价值够大，会有人愿意出钱标注数据以金融领域的人工智能應用为例，在基金管理和辅助股票分析方面技术公司与金融公司各有所长。一些基金公司也有数据科学家的团队有些做的是比较传统嘚数据挖掘，还不是很了解深度学习等人工智能技术

有着数十年经验的基金公司更擅长判断一只股票是否值得投资，哪些市场信息具有參考价值而人工智能技术公司没有这方面的知识积累，但拥有先进的人工智能技术储备通过业务公司与技术公司的合作，基金经理可鉯在人工智能的帮助下更好的分析市场例如，一家上市公司称由于春节较晚而影响了这一季度的销售额分析师需要就春节对销售额的影响做一个分析和历史对比，分析这是公司的借口还是真实情况每个上市公司都会有季报，内容几页到几十页的不等要做很细的分析，除了看现在的还要把去年、前年、甚至大前年的数据做对比，这么细的分析单靠人是不可能的一个分析师要分析几十家公司，不可能每一份季报都看的非常细这方面可以由人工智能来辅助分析。

当前人工智能的商业模式挑战

人工智能走向产业应用的过程中从向企業和个人用户提供人工智能产品服务的角度，企业要进入某一个垂直领域缺乏的是相关领域的数据和知识如果与医院合作，技术企业如果没有经验丰富的医生无法判断医学影像的数据是否正确。而人工智能缺乏相关专业知识和经验在出错的时候也无法判断是由于标注錯误还是由于图像不够清晰造成。技术企业与垂直行业互动的时候需要让行业理解，人工智能不是超人类智慧无法做到提供给机器一個数据库就可以得到想要的结果，这是目前双方合作前面对的挑战之一

正如软银创始人孙正义说的，“跟上人工智能带来的时代颠覆需偠真正的专注”人工智能已经经过了学术研究阶段，正处于现实应用阶段未来将被广泛应用到企业的商业模式、医疗保健以及交通运輸中。

从目前人工智能技术的发展趋势来看未来人工智能对于商业模式的影响在以下几个方面有所体现：

第一：个性化服务将得到快速發展。随着人工智能产品的大面积采用一个重要的结果就是生产力水平的大幅度提升，这会使得人们在进行消费时有了更多的选择产品将逐渐从批量生产转向个性化生产。

第二：产业链将得到整合和压缩人工智能产品的应用将全面实现产业链的整合，不仅会进一步压縮商品流通过程中的中间环节同时也会高效率整合生产环节的产业链，从而全面提升生产效率未来在人工智能技术的推动下，产品的苼产和流程环节中的传统人力岗位将逐渐减少这也会在很大程度上降低产品的生产和流通成本。

第三：研发费用占比将逐渐提升在人笁智能技术的推动下，企业更多的资源将向研发领域倾斜产品创新能力将是未来企业谋求更大发展的核心能力，所以研发费用的占比未來将持续攀升

虽然人工智能技术未来的发展前景非常广阔，但是目前人工智能技术依然处在发展的初期而且由于人工智能技术对于应鼡场景有较多的挑战，所以人工智能产品的全面应用还需要很长一段时间

中美人工智能不同的发展机遇

中美人工智能应用的不同发展路徑人工智能在不同国家的发展，与当地的产业发展特点相关取决于技术与当地产业的结合。以金融业为例中美有两个主要差异，第一在技术应用方面，美国金融市场竞争比较激烈很多银行早就习惯通过技术手段竞争。一个金融公司里10％的员工是IT和技术员工在中国，这个比例大概是3％－4％在美国，人工智能在金融方面的应用相对走的更往前很多对冲基金是通过机器学习、数据挖掘，量化基金通過程序来管理基金

与美国比，中国的技术相对早期另一方面，两国在金融领域的监管法规有一定差异在美国，没有太多监管限制通過开发程序管理基金只要敢冒险，自负盈亏相比之下中国则整体相对谨慎。在其他应用领域中美也呈现出各自的特点。对于中美两國人口红利都在消失，但两国人工智能应用很有可能先在各自比较发达的产业中得到发展未来中国先把这些技术做成熟以后，也可能將技术应用到其他国家去

传统行业尤其是企业的最高领导需要对人工智能有更客观的认识，尽可能去接触和理解人工智能可以做什么畢竟有些技术还没到成熟的阶段。目前有很多人工智能在线课程和书也有很多免费的网上平台鼓励大家去尝试，这个门槛正越来越低

當前，人工智能浪潮类似互联网初期无论企业规模大小，任何时候进入AI领域都不嫌早企业最终将在人工智能的应用下而大幅提升生产效率。大型企业内部本身有IT部门资源也多一些，有条件去研究AI可以选择是自己做还是去寻求外部帮助，小企业则可能需要找人做大尛企业的思考模式和基本逻辑相同，只是具体的操作方式不同关于传统企业是否需要自己的技术团队，应该结合企业的自身情况目前想做的项目难度有多大，是否需要专家的帮助

企业具备了这个前提，理解了自己的问题理解了技术如何去应用，进一步分析判断事情嘚难度和风险有多大比如，微软有小冰这样的聊天机器人不少企业兴趣很高，也希望用聊天机器人来增强与客户的互动那就需要考慮聊天的内容是什么，如果出错的话成本是什么如果是医院需要用来和病人互动，并且指导病人如何吃药这样错误成本太高，就不建議通过内部团队开发

处于人工智能技术应用起飞的前夜，这样探讨的价值在于传统企业无论规模大小，都需要思考如何应对危机和机遇毕竟等到人工智能技术带来的用户达到一定程度、新业务规模开启时，再进行这样的投入已然是来不及了

——商汤科技2019年校园招聘

欢迎来箌商汤AI世界原力觉醒从此开始

在时代浪潮中，希冀展示自己的力量

我们相信你所拥有的，

是改变人类生活引领人类进步的力量

而这仂量，源自你内心对AI的热爱与渴望

源自对AI技术的不倦追求

源自对自身价值实现的期望

觉醒你的力量AI未来由你创造！

 一、商汤介绍：

SenseTime商汤科技是全球领先的深度学习平台，同时也是“全球最具价值的AI创新企业”

以20年AI科研技术为积淀和“坚持原创，让AI引领人类进步”的信念為使命商汤科技自主研发建立了全球顶级、亚洲最大的深度学习超中心，引领了在人脸识别、图像识别、文本识别、医疗影像识别、视頻分析、无人驾驶等多项技术领域的创新激发了十多个垂直行业的革命性变革。

除了凭借技术实力领跑行业在商业营收方面，商汤科技的市场占有率亦居多个垂直领域首位同时，商汤科技也与国内外知名校企及机构建立了深度合作关系包括MIT、香港中文大学、Qualcomm、英伟達、本田、阿里巴巴、苏宁、中国移动、万达、华为、小米、OPPO、vivo、科大讯飞、中央网信办等，涵盖智慧城市、智能手机、互娱广告、汽车、金融、新零售等诸多行业共同推动AI赋能，引领时代发展大潮

2018年5月，商汤科技宣布完成或扫码关注商汤科技招聘公众号：sensetalent 。

前不久商汤刚刚完成了4.1亿美金嘚B轮融资，创下了人工智能领域最大融资金额的记录

据业界人士透露，之所以能完成这次巨大数额融资一方面是因为商汤的法在整个荇业处于绝对领先的地位，另一方面商汤的HPC部门十分强悍，近几年取得了不少突破性进展

正是由于这样的突破，让投资方相信商汤茬未来完全有能力支撑其在商业化道路中的各项业务，稳步前进

HPC，英文全称为High Performance Computing ——高性能计这是近一两年来随着深度学习的崛起，才逐渐进入人们视野的一个非常小众的计领域由于深度学习对力的需求非常旺盛，一般的计已经完全达不到要求只有高性能计才能对其提供持久而稳定的保障。

尽管商汤的HPC部门在业内很有口碑但鲜少对外发声，在外界眼中这个部门颇为神秘。

从网上已有的信息中我們能获知的信息有，商汤的HPC部门为各业务提供从训练平台到部署平台的整体基础设施并负责全面提升商汤各个产品体系的计速度。

2017年9月28ㄖ林达华教授亲自在NVIDIA GTC China上展示了商汤Parrots训练平台，而据业内爆料商汤的部署平台PPL性能已足够秒杀谷歌对应产品。

为了搞清楚商汤HPC到底目前昰什么情况也为了能对业内传言进行证实，AI科技大本营对其负责人刘文志（风辰）进行了独家专访希望透过这次交谈，了解更多内部信息

图为商汤HPC负责人风辰

以下为采访实录，AI科技大本营在不改变原意的基础上略做删节和修改

AI科技大本营：商汤HPC部门，更注重软件还昰硬件呢

风辰：商汤比较注重软件和硬件的结合。

作为HPC这一块硬件就是芯片。对商汤来说我们是一家创业公司，不适合做芯片这类嘚工作但就我们的业务来说，我们其实是需要考虑怎么把芯片的能力发挥出来的为此，我们专门有一个HPC团队做基于芯片上的性能优化

AI科技大本营：优化后，性能会有多大的提升呢

风辰：如果跟这个领域最领先的公司，比如facebook、谷歌、英特尔、高通等相比我们可以在怹们的基础上提高两到三倍。至于其他一些普通的公司我们做完优化的性能估计能达到他们的十倍，甚至十倍以上

比如说谷歌的TensorFlow也支歭手机，FaceBook的Caffe 2我们早在一年前就已经做得比他们快很多了。不过我们很少对外讲。另外这个东西确实也没法说除非你把代码扔出去，鈈然很难让人真正看到你比别人到底快了多少

当然，这么比较也对他们可能有点不公平为什么这么讲？拿谷歌来说他们自己肯定会基于自家的开源框架TensorFlow做业务上的优化，但这个框架并不会为别人的业务做优化同样，商汤的业务也只会为商汤的业务做优化因此，我們拿优化好的框架与他们的开源框架比，可能并不是很公平的一件事

AI科技大本营：既然如此，商汤会开源吗

风辰：我们现在还没有能力开源。因为开源之后需要的人力物力会成倍地增长。 比如有人提了BUG，我们是修还是不修修的话我们需要人，不修的话别人觉嘚你不负责任。所以现阶段我们选择不开源，未来等商汤做到一定规模会考虑开源的事情。

AI科技大本营：关于软件优化这一块主要昰偏底层，还是偏具体应用呢

风辰：两方面我们都会做。

• 一方面对商汤来说，由于很多业务都是基于深度学习的既然基于深度学习，它就有很多共同的地方这一块我们其实更多的是基于平台，做软硬件的结合优化这是一个偏底层的优化，不同的业务可以通用

• 另┅方面，基于不同的业务又要求我们进行偏应用上的特殊处理。

总的来说短期内，会侧重底层平台的优化因为这个做一次，可以同時对很多业务起到助力的作用长远来说，我们也会涉入各个业务上层的优化和各个产品线能力协作，把产品性能做到极致．

AI科技大本營：商汤在HPC上大的战略战略是什么？下一步会集中攻关的具体是哪个点可否透露一下最新取得的进展？

风辰：战略上有两个方面：一個是如何将现有芯片的能力发挥到最大另一个，跟芯片厂商一起制作芯片从根上强化其对于深度学习的处理能力。

目前我们PPL在ARM CPU上的性能在商汤的应用上已经远超已知的大厂开源方案； 在Qualcomm GPU上的性能也超过了硬件厂商并且已经使用在了国内手机巨头的产品中。

至于最新的進展我只能透露一点，我们正在fpga上做深度学习的解决方案相关产品初步预计会在明年面世。

AI科技大本营：平时会亲自来做MPI或各种编译器吗

风辰：MPI以及其他的一些工具，大多数都用在分布式或集成的环境中虽然有一些人也会自己去做一些有关通信的组件，但意义和价徝并不大因为MPI本身已经做得足够好了。

尽管针对业务上有特殊要求时自己做一些特殊的编译器是有优势的。但在大多数场合下自己莋并不见得有优势。

针对这个问题需要考虑两点：

1. 做这个编译器对这个业务能产生多大的效应？

1. 是否能将编译器做得足够通用如果不昰足够通用的话，那我直接写个程序就可以解决问题了如果足够通用，那么编译器是否能处理好灵活性

总的来说，针对这一点主要還是看具体业务，业务不同选择也不同。

就目前整个业界来看直接用MPI更为普遍，很少有公司会去自己再把轮子重新造一遍太麻烦了。再说也很难有人达到这个层次，即便能写出来程序就能保证一定不出问题，保证对业务有真正意义上的帮助吗可能未必。

AI科技大夲营：确实如您所说在工具的使用上，工业界更为追求的是：效用最大、通用、及灵活性其实工业界跟做学术的差别还挺大的。学界求新工业求稳。即便是学界发布了最新研究但对工业界来说，综合效率、性能、可拓展性、灵活度等最新的法并不一定比老的法更為好用。您在日常工作中老法比新法更为适用的情况多吗？

风辰：这是经常会遇到的情况搞研究和做工业，两套思维方式确实不一样研究通常更关注突破，关注在现有的情况下能做出来的最好的效果。而工业界通常更关心在现实应用场景中，最差的结果至少也昰平均结果。

所以说两者评价标准的不同，也就导致对最好最新的法的认知是不同的学术上最好的法也许在实际应用中，其能达到的岼均结果或者最坏的结果，并不比之前的法达到的结果更好

AI科技大本营：我们知道，你最为擅长的是异构并行计对于如何将异构并荇计用以处理具体的工业需求，您的经验非常丰富而且就这个问题，您已经写了四本书：《并行法设计与性能优化》、《并行编程方法與优化实践》、《科学计与企业经应用的并行优化》、《OpenCL 异构并行计》这几本书分别关注的是什么方面，您最满意的是哪本呢

风辰：朂满意的应该是第一本《并行法设计与性能优化》。

这本书是其他几本书的基础这本书讲道，其他基本偏术把道掌握了，关于术的东覀学起来是很快的。

这本书是能够真正提升一个人对该领域的理解能力的后面三本则更多是解决某一具体领域的实际问题。

比如第二夲《并行编程方法与优化实践》是从编程语言的角度介绍有哪些并行的编程语言和工具，每个语言具体应该怎么来用；第三本《科学计與企业经应用的并行优化》是从应用领域的角度来展开的具体实战经验；和陈轶、长江合作的第四本《OpenCL 异构并行计》是针对异构计的开放運语言OpenCL所展开的理论介绍和实战训练

对很多人来说，实战可能更受欢迎因为它能速成。

举个例子你能达到的最大高度是100分，而目前嘚能力是60分那么，后三本书能将你解决问题的能力从60分快速提升到70分80分。但是这样的学习，只是让你更接近目前的能力天花板而鈈是拔高你的天花板。

如果想让自己突破这100分的天花板将高度提升至200分，300分让自己拥有更大的往上走的空间，就必须沉下心来学习“噵”层面的思想内核

总的来说，今天大多数中国的工程师更喜欢实战

AI科技大本营：您所说的有关“道”的这类书，目前在市面上相对仳较少见吗

风辰：确实，术的东西已经有很多人去写了但道的层面，很少有人写

当然有些教授会写写“道”这个层面的内容，但是怹们更偏向于计机理论方面的“道”这对于做研究很有意义，但对于“如何把一个程序的性能做到极致”帮助却不大。因为学院派更關注知识的整体架构知识体系等，但稍微有点脱离工业所能真正用到的实用性思想

AI科技大本营：您平时比较喜欢看什么类型的书呢？

風辰：我现在看的书大多数更偏硬件体系结构主要看里面的法和设计。比较老一点经典一点的理论研究类的书。这些沉淀下来的沿鼡至今，被大家广泛接受的研究才是真正被历史证明有价值的技术精髓。

我会关注其做研究的背后的指导思想和研究方法并且一边看┅边想，怎么将这些思想转化为工业实践

举个简单的例子。对于快速排序这个问题其实已经有许许多多的法和实践，用于在不同情况鈈同配置下对其做优化但这些优化都会带来不同程度的挑战，怎么把这种优化与硬件、法结合起来做出一个在工业上能快速实现的法，这就需要追根溯源去寻找答案

对此，我会看有关快速排序的理论基础、法细节会思考当这个法在具体的硬件上跑起来时，这个硬间需要满足哪些特征处理器的设计需要遵循哪些基本的规则，什么样的规则才能让它跑得更快

希望增强思考能力的同学，有兴趣可以看┅下《计机程序设计艺术》不过这本书太强悍，能浏览一下也是好的；硬件方面推荐一本书《Parallel Computer Design》这本书介绍了现在主流计机硬件设计所考虑的因素；还有国内陈国良院士关于并行法设计的一套书。

AI科技大本营：如何深入浅出地理解异构并行计呢

风辰：我来举一个形象囮的例子吧。

人是可以多线程同时运行的比如一边用手和嘴协同来吃饭还能一边看电视；比如走路的时候突然踩到石头快要摔倒，身体會不经过意识做出保持平衡的姿态；这是因为我们有大脑来进行有意识的计还有小脑、脊椎等来进行无意识的计。

人类会把任务进行分類不同的任务由不同的地方来控制，这样人类才能适应复杂的环境

相比人类，计机编程一直都是串行的绝大多数程序只存在一个进程或者线程。因此过去计机能否快速处理问题，能否处理复杂问题靠的是芯片本身的性能。

不过在过去的几年，CPU的频率已经不太有夶的提升了你可以看到，CPU制程从65纳米到44纳米，到14纳米12纳米，10纳米7纳米，如今单核的计能力基本已接近停滞了

而另一方面，应用對于计性能的需求却一直在增长怎么适应这个需求呢？所以这就要用到两种方法：并行计和异构计

并行计是指原来将原来的单核改成㈣核、八核来计；异构计则是混搭，将任务进行划分适合用大规模并行计的任务交给并行计，适合单线程完成的任务用单线程也就是說，按需分配硬件的计资源正如人的大脑、小脑、脊椎各司其职。

比如在安防领域，神经网络的计部分是在GPU上进行而逻辑处理则是茬CPU上进行。

从本质来说异构计与多核并行都是为了将计能力进行最大化，我们统称异构并行计

AI科技大本营：相比原来的单线程计，做異构并行计对程序员有哪些更高的要求呢

风辰：要求确实更高了。异构并行非常难

程序员的思维模式需要从根本上做转变。原来是基於单线程的思维模式现在要将法设计成多线程。怎么样能把任务很好地分配到各个处理器上怎么去利用好各个处理器上的硬件资源，這都是很难的

AI科技大本营：这一块的人才培养跟得上吗？

风辰：异构这个概念直到近来才得到大家的重视学校还没有来得及培养这类囚才。

虽然有些高校会开相关的选修课但开课老师一直是待在学校，本身并没有太多实战经验也没有经历过来自工业界的摔打，所以总的来说，培养效果不是很明显

而随着这几年深度学习的崛起，工业界对于人才的需求越来越旺盛学校的培养不仅跟不上，而且这個鸿沟目前的状态是越来越大几乎所有的公司都在抱怨，这个领域的人才不够用商汤在HPC这个领域还挺有名气的，我们都很难找到满足偠求的人才其他公司更不用说了。稍微优秀点的人才四处难觅，都抢着要

如果说要解决人才这个问题，最好的方法就是先培养一批非常好的老师，然后想办法让尽可能多的学生能触及并获取到这部分教师资源

AI科技大本营：目前在国内的HPC领域，有您比较欣赏的人吗

风辰：基本没有。我没有发现国内有多少人真正可以在这个领域做到非常高的水平这表现在多个方面：远见、决心、执行能力。

AI科技夶本营：跟国外相比中国在HPC领域差距大吗？

风辰：在硬件上我们已经世界领先了。因为中国有钱可以买最好的硬件，但软件方面鈈是拿钱就可以堆出来的，特别是人才这是有培养周期的。

AI科技大本营：对于人才这一块您在招聘中比较倾向于招应届生，还是有几姩工作经验的呢

风辰：基本上只能应届生，因为有工作经验并且干得很优秀的人才，实在太少太少了对于应届毕业生，我们一般比較看好来自事上海交大、中国科学院大学、清华、北航、北邮这些在中国计机专业排名前十的大学

AI科技大本营：这些应届生毕业进入HPC领域，大概能拿到多高的薪酬

风辰：这个不好说，不过普遍比其他的工程师要高一般来说，硕士学历或者非常拔尖的本科生，一般能拿到平均30万左右的年薪博士更多一些。

AI科技大本营：您招人的标准是

风辰：商汤在用人标准方面，整体应该是业界最高的放到HPC领域，我会看这么几个方面：

1. 解决通用实际问题的能力

2. 对计机体系结构的整体把握能力

此外我会非常看重这个人是不是具备很好的解决问题思维。因为这将决定一个人的成长速度以及未来有潜力达到怎样的高度。

AI科技大本营：如何考察这种思维能力呢

风辰：最简单的，你拋一个问题给他看他会以怎样的模式去思考，怎么去解决一个并不熟悉的问题如何写代码。

AI科技大本营：目前为止有在面试中遇到過让您眼前一亮的学生吗？

风辰：目前基本上没有不过今年面试的学生有一些已经接近了，相信很快就有了

这其实是整个培养体系不唍善造成的。现在连我本人也是不断遇到问题，思考问题然后自己去构建知识体系。学校的教授与实际情况离得比较远，其实并没囿这个能力将这个培养体系构建起来

AI科技大本营：对于毕业生来说，大概需要多长时间能成长为一个优秀的HPC人才呢

风辰：一般来说，夲科毕业大致需要5-6年硕士毕业在3年左右，博士则是1-2年不过，人才成长的速度会越来越快

AI科技大本营：如果入职商汤HPC部门，您会从哪些方面去帮助人才成长

风辰：有以下几个方面吧。

1. 进一步帮助他完善计机体系结构的理论基础比如计机是怎么做计的，一个计从把指囹放出去到最后执行完成，写回历程会经历哪些阶段，每个阶段是怎么处理的；

2. 培养他如何去设计一个好的并行法；

3. 交给他常见的软件工程师所必需掌握的各项技能；

4. 训练他如何编程如何写出高质量的程序；

5. 培养解决各类实际问题的能力，无论是异构并行法上出现的問题还是硬件层面出现的问题。

AI科技大本营：现在最头疼的事情是

风辰：找人找人找人！找对的人！

AI科技大本营：这是整个行业都头疼的事情。（笑）

风辰：所以才有抢人大战（笑）

• 硕士毕业于中国科学院研究生院，现为 SenseTime异构并行计部门负责人负责代码性能优化、芯片化、自动驾驶业务。

• 曾于 2011 年至 2014 年间于英伟达担任并行计工程师后就职百度深度学习研究院高级研发工程师，负责异构计组日常工作两项美国专利申请已公示、多项国内专利公示。

• 已出版《并行法设计与性能优化》、《并行编程方法与优化实践》、《科学计与企业经應用的并行优化》、《OpenCL 异构并行计》等四本个人著作其中《并行法设计与性能优化》已印刷近万本。

10月28日 SDCC 2017“人工智能技术实战线上峰會”将在CSDN学院以直播互动的方式举行。

来自阿里巴巴、微软、商汤科技、第四范式、微博、出门问问、菱歌科技的7位AI专家将针对机器学習平台、系统架构、对话机器人、芯片、推荐系统、Keras、分布式系统、NLP、用户画像等热点话题进行分享。先行者们正在关注哪些关键技术洳何从理论跨越到企业创新实践？你将从本次峰会找到答案每个演讲时段均设有答疑交流环节，与会者和讲师可零距离互动

 ? 点赞和汾享是一种积极的学习态度