地平線機器人李星宇：自動駕駛商業化在中國的機會和挑戰 | 未來汽車大講堂

雷鋒網新智駕按：從6月開始，新智駕聯合雷鋒網 · AI 慕課學院、網易雲課堂企業版舉辦了智能駕駛系列講座，邀請業界、學界頂尖專家一起分享關於自動駕駛現在與未來的多樣見解。6 月 28 日，地平線機器人技術智能駕駛商務總監李星宇與自動駕駛從業者們一起分享了《自動駕駛商業化在中國的機會和挑戰》，與學友們就國內自動駕駛行業面臨的諸多問題進行了細緻的討論。

嘉賓介紹

李星宇，地平線機器人技術智能駕駛商務總監，擁有13年半導體行業經驗。曾在飛思卡爾負責大中華區汽車業務市場開拓，在娛樂導航領域建立了堅實的業務基礎；加入飛思卡爾早期，他主要在 i.MX 應用處理器研發團隊，負責存儲系統開發，並在該領域取得一項 NAND Flash 存儲應用美國專利。入職飛思卡爾之前，李星宇在士蘭微電子負責安全晶元的公鑰加密引擎設計，該引擎的 RSA/ECC 加解密性能在國內處於領先水平。

以下為課程實錄，雷鋒網新智駕對其內容進行了整理，並做了不改變原意的調整：

一. 年輕一代擁抱共享出行

共享出行是最近業界談論非常多的出行方式。在美國，年輕一帶更傾向於擁抱共享出行，從數據上來看，1983 年，美國 20-24 歲的年輕人中擁有駕照的占 92%，但今天，這個比例降到了 75%，並且還在持續下降。

今天，互聯網背景下的年輕人對共享出行的接受度明顯比上一輩要高，他們的訴求是省錢、高效、便捷。

共享出行的潛力究竟有多大。羅蘭貝格在《 2018 年中國共享出行市場分析》中說到，如果中國所有汽車都共享，將產生 8 倍於公交系統的運力。麥肯錫也提出，到 2030 年，共享出行將承載旅客周轉量的 50%，這意味著，人們一半的出行需求是以共享方式滿足的，而現在這個比例甚至不到 10%。同時，共享出行也會成為一個從消費者端出發，向上游傳遞的變革，從而影響汽車產業鏈的每一個環節。

二. 城市共享出行的發展趨勢

最開始作為網約車平台出現的滴滴，之後逐步提供順風車和快車的共享出行方式，到現在，越來越來的分時租賃公司出現，上海有 EVCARD，重慶有盼達汽車，北京有 car2go......越來越多的公司蓬勃發展起來，並贏得資本的青睞，我相信，未來中國將會出現一個端到端無縫出行的態勢。

什麼叫端到端的無縫出行？就是從居住場所，到工作、購物、出差等目的地，中間從共享汽車、共享單車，到共享巴士、無人巴士，一直到高鐵，可以做一個無縫連接。

綜合性的交通樞紐會是未來城市發展的一個趨勢，它相當於提供了一個巨大的緩存區和連接橋樑，將不同的出行需求歸結到一起。

這樣一個願景背後，我們也看到了很多發展趨勢。比如，現在的共享出行市場每年大概不到 700 億元，但是到 2019 年將可以增加到 3800 億元。

以 EVCARD 為例，它在很短的時間內就積累了 40 萬用戶，並且這個增長率是以每年至少翻番的速度來推進的。同時，它自己運營的純電動汽車也在以這個速度進行推進，甚至可以到達 3 倍的規模。這種增長也是消費者強烈需求的驅動。

城市裡擁有私家車的成本在上升，這是大背景。比如在上海，要想擁有一家私家車，我們需要一個車位，需要拍車牌，這還只是固定投入。從時間成本上看，停車時間大概需要 20-30 分鐘，效率很低。

共享汽車提升了汽車的利用率，其每天的運行時間可以超過 12 個小時，而一輛私家車平均每天的使用時間一般也就 2 個小時。

在共享出行蓬勃發展的背景下，業界對自動駕駛的需求也更為強烈，根本原因是自動駕駛可以提升共享出行的競爭力。首先，它降低了成本，這是第一位的。不過也要看到，雖然共享出行的利用率提升了很多，但它的維護成本高，運營商們同樣面對著運營的巨大挑戰。

共享出行的交通是從擁有私家車到擁有服務，我們將其定義為 Taas 1.0 階段，在 2.0 階段，我們將其定義為自動駕駛的共享出行。

三. 自動駕駛的商業化應用場景

我們看到了自動駕駛迫切的商業化需求，但在邁向這樣一個端到端的自動駕駛目標之前，眼下的落地還只是在一個相當局限的場景里去實現的。

1. 自動駕駛的商業驅動力

從政府的層面來看，其對自動駕駛的態度是非常積極的。最近我密集拜會了政府各個部門的領導，最有感觸的一點就是，政府已經充分意識到了自動駕駛對於整個城市交通效率的提升作用。

另一方面，從利益角度出發，自動駕駛可以有效提高土地利用率。一個產業新城的建立，大概 30% 的土地會用在交通上，而這 30% 的土地又主要是為私家車服務。這是很大的問題。如果我們更多使用共享出行，土地利用率會大幅度上升，從而使得交通應用的土地從 30% 以上降到 15%，甚至更低，這對城市管理者來說有著巨大吸引力。

從交通管理的角度來講也是一樣。現在停車場事實上造成了一種被動的擁堵，每次快到乘車時，快到達目的地時，人們會自動降低車速，從而造成擁堵。共享出行則不需要專門尋找停車位，整個交通運行效率會提升很多，這也是智慧城市建設的目標之一。

同時，智能駕駛作為產業的關鍵浪潮，也有助於實現本地政府的產業升級目標，因此也可得到政府的大力支持。

消費者看中的是共享出行的成本和效率。根據摩根斯坦利的數據，共享出行的成本從每英里 1.5 美元降到了每英里 20 美分，在中國差不多也是這種情況。

2. 自動駕駛的應用場景

在應用場景上，自動駕駛主要有兩個類型，一個自動駕駛巴士，一個是自動駕駛的小型車。

在中國有很多產業新區和特色小鎮，多是從一張白紙開始構建，所以在交通基礎設施方面，可以預先為自動駕駛做出規劃。這樣的條件使得自動駕駛商業化運用可以從很好的基礎展開。我們最近跟行業很多人溝通，發現很多產業新區都有一些試運行的自動駕駛計劃展開。

中國還有一個不同於歐美的地方是，中國的單個城市體量都很大，上海、北京人口都超過 2000 萬，這麼大的城市，通勤需求是非常旺盛的。這樣的密度對自動駕駛的商業化會產生核聚變效應，當規模和密度到達一定水準時，市區內的通勤在商業上就會變得有利可圖。所以繁忙地段公交有非常強烈的自動駕駛需求。

我們曾經跟一個新區政府交流過，他們的產業新區離地鐵站較遠，偏郊區，所以他們希望在地鐵站到園區之間有一段自動駕駛的路段，使通勤變得方便。

在乘運車方面，更多來自共享需求。整體來看，中國的自動駕駛落地跟美國有很大區別，中國現在是低速駕駛優先，在北美則是高速駕駛優先。去年，Uber 在貨運車領域收購了 Otto，並且做了成功的自動駕駛貨運車實驗。

在美國，貨運車人力成本較高，因此有強烈的自動駕駛需求。中國巨大的城市群、高人口密度則使低速自動駕駛更具吸引力。

在中國，一方面高人口密度讓商業化落地有利可圖，但另外一方面，技術的挑戰也非常大。企業最開始落地時，大都是從一個封閉的環境開始。馭勢科技在廣州白雲機場進行了自動駕駛的試運行，主要是機場通道內的封閉服務。另外也有一些在繁華地段的停車場進行的自動駕駛，原因在於停車場相對比較容易改造，環境也比較封閉，能夠做一些條件上的限制。

四. 共享出行的運營公司及其面臨的挑戰

在滴滴時代，很多共享出行公司是輕資產運營，更多是提供交易平台，對接需求和服務，但在眼下的分時租賃市場，這樣的模式其實不太可行，像 EVCARD 和綠狗，他們都是批量購買新能源車輛，重資產運行。

這種模式在資金上是很大的挑戰，2 萬輛車可能就需要 10 億的投資，但另外一個好處是，掌握車輛以後，企業也會得到充分的競爭力，可以很好地調配資源，滿足用戶需求。

在運營成本和用戶體驗上，永遠會有一個矛盾。用戶需要一個完美的分時租賃服務提供端到端的解決方案，也就是任意點取車，任意點停車，但現在其實還做不到這點。一些技術能力差一點的公司，會傾向於在同一個網點停車，這會造成很大的不便。

像 EVCARD 這樣的公司因為部署的網點比較多，已經可以做到任意兩個網點取車停車，用戶體驗往前推進了一點，但還遠遠不夠。

比如，用戶租了車，到目的地找到一個停車網點，最開始的時候發現有停車位，但可能走過去已經沒有了。這是非常麻煩的。這種情況下，如果能夠使用自動駕駛服務，體驗就會好很多。從 A 到 B 是一個點到點的關係，不用關心取換車的網點是不是在附近。

運維方面，現在分時租賃基本都是新能源車，這就有一個充電的問題。而且通常為了照顧用戶需求，白天不太方便充電，只能夜晚充電，但是充電樁也是很大的挑戰。充電樁都大量部署在城市外圍，夜間需要把用戶的還車移到郊區，這個環節要人力完成，成本很高，如果有自動駕駛，就可以方便很多。

這裡面還有一個問題，在中國，泊車是一個很大痛點，像上海淮海路這樣的熱門區域，平均一次就需要半個小時，這裡，自動駕駛將可以提供一個很好的解決方案，用戶只需要把車開到車庫入口處，剩下的事情就是讓車自動停。

國外自動駕駛運營商

• 法國的 Navya

  這是一家初創公司，也是在城區做固定線路運營。他們很重要的一點是，運用了 5 年的商業合同捆綁購買的商業模式。事實上，我們在其它地方也會注意到這樣的條款，因為在初期自動技術不是很到位，會有各種各樣的問題，運營方最擔心的就是安全問題，說到底就是對技術的懷疑。

• 法國的 EasyMile

  也是一個初創品牌，他們的自動駕駛巴士商業化推進很不錯，現在已經在全球 14 個國家的 50 個城市試運行。自動駕駛巴士現在多半是小巴，17 個人以下，這裡面有一些考量，比如巴士儲存太大的話，安全方面會有隱患，另外，車越大自動駕駛的難度也越大。

• 日本的 SB Drive

  它們的巴士運營地區主要在農村、遠郊道路。日本老齡化嚴重，對老年人的出行服務，政府有財政補貼，自動駕駛則能夠減輕政府的財政壓力。

  從這一點來看，自動駕駛具有高度的地域性，它的商業化不可能像傳統汽車這樣，使用同一個套路在不同地區實現。原因很簡單，自動駕駛本身是去人力化，各個國家人力成本不同，使用的方式不一樣，客戶要求也不同，所以每個國家的自動駕駛都需要從產品和需求出發，去找合適的解決方案。

• 美國 Local Motors

  去年開始，在華盛頓到拉斯維加斯都進行了測試，這家公司在製造方面很有特色，它使用 3D 列印製造電動車。從這點看，自動駕駛使車輛設計得到很大優化，因為不再考慮高速下動力學的問題。這家公司使用的是 IBM Watson 的智能學習平台。

• 賓士

  賓士的自動駕駛商業化比起創業公司要更全面，無論是共享出行、巴士、重卡，都有相關的布局。

從以上運營的實例來看，自動駕駛催生了全新的車型，自動駕駛巴士外形都非常可愛，而且明顯與常見巴士有很大外觀差異。這事實上是有一個雅俗的考慮，即在技術還不夠成熟的時期，需要有一種簡單的方式去提醒行人和車輛，這是一輛自動駕駛的車。

五. 如何應對自動駕駛商業化的安全性挑戰

1. 漸進式發展道路

跟自動駕駛的相關客戶去談，客戶永遠會先問安全性。新技術不缺需求，政府推動的積極性很足，但無論是政府和業主都最關心安全性問題。

我們總結下來，認為漸進式的發展道路在應對安全性挑戰方面是一個很關鍵的道路。什麼叫漸進式發展？首先是限定速度，我們都了解 5 個自動駕駛的等級，事實上自動駕駛的發展，並不是從 L1、L2 到 L5 這樣來發展的，而是以速度為標杆，從 10 公里、15 公里、20 公里，到30、50公里這樣的方式去演進。這是因為，從根本上速度決定技術方案，不同的速度對於技術的考量是完全不同的。

2. 商業配套

在商業配套方面，保險公司的作用不可或缺，任何一個新業務，業主都不可能因為供應商的承諾打消對安全性的考量。同時供應商本身也需要保險公司對自動駕駛有一個基本保障，所以自動駕駛的商業化，保險公司是不可或缺的。當然，現在事實上保險公司也在試水，因為在缺少數據的情況下，很難進行計算模型的設計，更多還是一個實驗。

3. 如何達到高可靠性？

從技術供應商的角度來看，像法國的 Navya，提供了一整套硬體，這其實非常有道理，現在為了達到高可靠性，需要改造硬體和環境。接下來，在試運行階段，會有各種各樣的場景，是在初期開發和驗證過程中沒有遇到的，所以這個時候提供一段時間的服務，最有利於可靠性的提升。

初期自動駕駛成本非常高，讓用戶一下拿出一大筆錢來支持自動駕駛的試運行，難度很大。也有一種模式是不要你車輛的錢，而是先提供服務，來降低使用門檻。

另外一方面也需要在技術上持續提高可靠性，企業很多時候在做實驗的時候，是沒有辦法 cover 那麼多產品的，這個時候要去提高可靠性，除了技術感知，像 Google 這樣使用大量感測器來做自測，業界越來越認同的一件事是協同進化。

4. V2X：公路上的隱形鐵軌

交通部最近在智能網聯成立大會上表示，要大力推動 V2X 標準的制定，以及運營的落地。今天我還看到新聞，就是新一輪 V2X 已經在北京、上海全部部署完畢，推進的進度還不錯。

我國還沒有定下 V2X 的標準，但北美已經很明確了。當然協同進化的問題，就是你需要投入大量資金進行基礎設施改造，這就存在一個雞生蛋還是蛋生雞的問題，你到底是先改好，再進行自動化駕駛的商業化運營，還是先確保車輛本身相當高的可靠性，再進行基礎設施的改造。

現在看到更多的是，首先車輛達到一定的可靠性要求，接下來再進行小範圍的改造，之後更大範圍的改造一定在後面。

這個其實有大量歷史案例可以參考，比如飛機，最開始在農田裡做測試，後來才開始做塔台、安保措施，因為像這種大規模的基礎設施投入，需要的資金非常大，若技術不成熟，所有投入都會打水漂，損失非常大。鐵路方面也是一樣，最開始除了鐵軌，其它設施都沒有，即使有鐵軌，也只是一小段。

六. 政府政策推進情況

到目前為止，我國還是禁止自動駕駛的運行，在今天萬眾創新的大背景下，事實上政府採用了默許的態度。但要進行大規模的運營，法律的修改還是不可少的。

從技術來講，高精地圖是自動駕駛非常關鍵的部分，現在我國關於高精地圖的管理還沒有那麼明確，如何去分發使用高精地圖，現在還是很模糊，有些公司有告警地圖，但沒有辦法通過線上方式分發地圖。而且目前地圖採集的方法非常有限，國家也停止了頒發新的地圖採集牌照。

從世界範圍來看，各國對自動駕駛基本上是鼓勵的態度，美國的測試通訊已經在去年強制固定了，美國交通部也正在制定法律把 V2V 的普及率從前裝移到後裝。

其次，在責任認領方面也逐漸明確——自動駕駛的供應方是事故責任方。去年《維也納道路公約》規定，自動駕駛系統是事故責任方。在監管措施方面，各國政府也在推進，未來黑匣子會是標配，用於事故分析。可以說，政策的推進力度直接決定了自動駕駛商業化普及的速度和規模。

我在跟行業玩家溝通的時候，被問最多的問題就是，自動駕駛到底什麼時候可以普及。這個問題其實仰賴於多個環節變數，其中一個關鍵變數就是政府推進情況。比如說，剛才我提到法律法規的時候，比如 B2X 這樣的基礎設施部署，如果沒有政府的推進，單單靠車廠和運營商是非常困難的。

七. 自動駕駛成本分析

目前為止，自動駕駛裡面最重要的部分就是感測器和計算平台。感測器裡面最貴的是激光雷達，它也是精度最高的，像 Google、百度完全用激光雷達做環境感知。

現在激光雷達的成本還是非常高，64 線基本沒有量產的可能性，16 線的成本也是一個非常驚人的數目，接近 10 萬；4 線的激光雷達在奧迪 A8 中已經得到了量產普及，但也只能在 A8 這樣的高端車型上裝。

所以現在激光雷達的成本是自動駕駛商業化普及中的關鍵成本，不過從時間上來看是樂觀的，只要激光雷達的採購量達到一定規模，即使以現在的技術也可以降到 500 美元，未來隨著固態激光雷達的發展，成本可降到 300 美元，最後甚至可以降到 100 美元以下。

計算平台方面，很多初創公司都是使用英偉達的的計算平台，這個平台非常昂貴，而且單單這個平台還不夠，需要一個做中間控制的控制平台，現在通常使用的是像英特爾的這種系統，也是比較昂貴。

未來，越來越多定製化晶元會推出，比如英特爾會推出專門為智能駕駛開發的晶元組合，使計算平台成本降到幾百美金以內。因此，總體來看，成本不是自動駕駛普及的關鍵瓶頸。樂觀的估計，五六年之後，成本就不是量產的障礙。

八. 誰是贏家？車廠 VS 出行服務商

在共享出行的大背景下，車廠和出行服務商究竟誰是贏家？如果按照定製的路子走，車廠的用戶會從 2B 轉到 2C，運營服務商的採購量大，需求又比較統一，這會使得客戶大幅度收斂。但是，現在幾乎所有主流車廠也都在推出自己的自動駕駛品牌，從福特的 Pass，到 GM 的 Maven，再到大眾，大型車廠全都在厲兵秣馬，準備進軍出行市場。

這些大型的 OEM 都是有一定優勢的，比如品牌認知度方面的積累，車上的優勢，技術的運維能力；出行平台的優勢則是市場戰略靈活，掌握了最終消費者。最近大眾 CEO 穆勒表示，「大眾將會從車企轉型為出行服務提供商。」另一端，滴滴的 CEO 程維也稱，「出行平台與硬體製造商必有一戰。」

九. 自動駕駛應用領域-貨運市場分析

在貨運領域，相對來講，北美和歐洲市場需求相當明確，美國有 350 萬卡車司機，市場龐大，駕駛員平均年薪 6 萬美元，平均年齡 55 歲，職業年齡空缺大，人力成本高，所以美國在貨運市場的自動駕駛驅動力非常足。現在普通卡車不到 3 萬美元就可以升級為一項自動駕駛貨車。

中國則不同，在中國，需求更旺盛的是電商物流。

今天我參加汽車工程學會的一個論壇，看到智行者推出了一款自動駕駛物流車，用於小區內一公里範圍內的配送，相當於一個移動快遞櫃。此外，在限定區域，港口、礦區等，自動駕駛的需求也比較旺盛。高速的需求卻不是那麼旺盛，因為卡車本身質量很大，如果技術可靠性不是那麼好，一旦出事，就會很嚴重，這是現在貨運市場的難題，尤其是中國的高速道路場景比北美的道路場景更為複雜。因此，目前中國在高速區的自動駕駛發展也小於小範圍內的物流駕駛。

Q&A

問：怎麼評價百度，馭勢科技，圖森這幾個國內比較高調的自動駕駛公司？百度的阿波羅計劃對中國的無人駕駛發展會有什麼影響？

答：馭勢科技正處在商業化探索的階段，在廣州白雲機場已經有對應的項目落地，這對業界看清目前國內環境下的真正需求很有幫助。

圖森主要是在貨運車方面發力，但在這塊也有很多技術方面的問題要克服，比較重型貨車的測試等。

百度的阿波羅計劃對於推動中國整個自動駕駛發展是非常有幫助的，它已經答應開放源代碼，並有限度地去開放一部分數據，並且在高精地圖方面也會開放自己的能力，這對促進整個業界發展有很大作用，可以避免很多重複工作。當然，這個計劃現在還沒有看到具體細節，實際落地的時候也可能會出現一大堆問題，比如如何建立一個活躍的開發者生態。

在自動駕駛方面，不同的公司對數據的敏感度不一樣，小型公司對數據的敏感度沒那麼高，大型車廠對數據的敏感度則比較高，如何很好平衡對數據的訴求以及與大玩家之間的利益，是百度需要思考的。

問：如果百度利用阿波羅計劃和車廠合作，對市場上的創業公司有沒有影響？

答：肯定有影響，但是以正面為主。現在來看，百度的發展更傾向於通過數據和數據的增值服務盈利，而不是通過硬體。從這點講，創業公司還是有很多機會。

另外，百度提供的技術只是一個基礎，真正的商業化，對成本和可靠性的考量非常高，可以說，百度提供的是 Linux 系統，而創業公司應該去做 Windows 系統的開發。它可以借鑒 Linux 的東西，但要實現最終的商業化，還需要進一步的開發。

問：自動駕駛是汽車技術的發展，共享是出行的變革，兩者之間有這麼密切的聯繫嗎？

答：首先，現在整個業界都傾向於認同共享是一個重要趨勢，但如果沒有自動駕駛，共享出行會出現很大的瓶頸。

其次，實際上，共享出行在去重資產化，准入門檻在變高。出行的需求是固定的，如果可以使用共享出行，可以減少共享車的使用量。德國曾經有過一個測試，5000 輛共享車就可以代替 50000 輛私家車。未來共享汽車會大大降低交通的壓力。

問：前段時間的勒索病毒引發了大家對安全性的擔憂，智能駕駛對黑客的防範性手段有哪些？

答：自動駕駛天然就是聯網的，而且是多個維度的聯網，其整個系統的線控化使得遠程操控成為可能。事實上，現在在日本還有一種實踐就是，遠程控制汽車進行遠程駕駛，也可以說是半自動駕駛。

客觀來看，黑客入侵的風險是有的，在應對手段上，業界各個方面也都在推進，比如整個汽車的轉向在從 cano 向 cawa 發展，現在使用的加密技術也可以遷移到汽車這端來，未來在汽車的每一個環節，都將是以一個加密的狀態進行數據交互。

同時，汽車操控完整性的檢測也會是一個關鍵需求。並且，汽車作為對公眾安全有高要求的系統，有多個備份，可以做到物理上的隔離，互相交叉驗證，進一步提高汽車安全的可靠性。

問：目前的自動駕駛領域會不會出現贏者通吃的狀況？

答：自動駕駛商業化主題下，客戶從 2C 轉向 2B，個性化需求會減弱，因為運營公司考慮的並不是車的外觀、內涵，而是車輛成本。現在品牌還很多，都有著自己的地域性受眾，但是不是一家公司拿下全部市場也不一定，總體來講，2B 會讓車企競爭更加激烈。

問：無人駕駛的水平有一個評判標準和依據嗎？

答：沒有的，因為整個無人駕駛最難的就是驗證而不是開發。企業往往是 10% 的時間在做開發，剩下 90% 的時間都在做驗證。

這個問題其實可以轉化為如何進行更高效的驗證。之前有分析稱，如果要達到高可靠性的自動駕駛，需要達到上千億公里的測試，但從經濟角度考慮，這個是完全不可取的。

業界目前都在進行的工作是在模擬器上快速推進，通過模擬器模擬不同場景來驗證整個自動駕駛系統的可靠性，比如在現實交通環境下收集大量數據，把這些數據抽象的語音信息轉到模擬器里，就相當於在模擬器里建立了交通運行的場景，可以測試自動駕駛系統的表現。

還有一種，就是基於環境的逐步放大，我們不能期待自動駕駛一開始就出來一個完備的車輛，更多的是限定區域，先在特定區域完成探測。

問：自動駕駛的實現對大型企業有哪些可預見的影響？

答：自動駕駛的初期肯定是面向 2B 的用戶，因為只有 2B 的用戶可以將自動駕駛的商業利益最大化。汽車的銷量有可能會受到較大影響，大集團要維持今天這麼大的市場規模不太容易。總體來說，競爭會更殘酷，整合也不可避免，大集團生存下來的數量會比較少。

重磅預告：7 月 6 日，本系列講座的第四期，我們將邀請速騰聚創創始人兼 CEO 邱純鑫，講解《自動駕駛新驅動力——點雲演算法如何釋放激光雷達威力》，課程總結文也將在近期發布。

接下來，矽谷自動駕駛技術公司 Vector.ai CEO 蔡長柏（Andrew Tsai）還將為學員分別帶來更多精彩分享，課程內容也將於 7 月 12 日上線，敬請留意雷鋒網慕課學院。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！