2018 年 12 月 17 日，由鹏城实验室、新一代人工智能产业技术创新战略联盟共同举办的「新一代人工智能院士高峰论坛」在深圳隆重开幕。本次论坛将持续两天，由 17 日的主论坛和 18 日的医疗专题论坛组成。论坛以「『头雁』穿云，云脑启智」为主题，邀请了多位院士、国内顶级科技企业技术负责人参加论坛做报告，论坛的重头戏是院士 panel，多位院士将针对人工智能现状与发展的一些疑难问题展开讨论。此次论坛汇聚了国内人工智能领域顶尖专家，共同探讨行业变革与技术创新、探寻 AI 边界，是 2018 年人工智能领域最值得关注的盛会之一。
论坛主办方之一的鹏城实验室，又称深圳网络空间科学与技术省实验室，于 2017 年 12 月 22 日授牌，2018 年 3 月 31 日正式启动。目前鹏城实验室设有网络通信、人工智能和网络安全三个研究方向和网络通信、人工智能、网络安全、机器人、量子计算五个研究中心。同时已有多位院士入驻实验室院士工作室。
另一主办方新一代人工智能产业技术创新战略联盟成立于 2017 年 7 月 23 日。联盟发起成员单位包括百度、阿里巴巴、腾讯、华为等十几家知名企业。中国工程院潘云鹤院士任联盟名誉理事长和专家委员会主任，高文院士任联盟理事长，北京大学计算机科学技术系主任黄铁军教授任联盟秘书长。
12 月 17 日上午主论坛开幕，科技部创新发展司司长许倞，深圳市副市长、鹏城实验室理事会副理事长王立新进行开幕致辞，他们在对鹏城实验室和本次论坛对于贯彻落实习近平总书记的重要讲话精神的意义表达了高度肯定， 并对参与论坛的学者及与会人员表示由衷感谢。
作为大会的第一位报告嘉宾，百度高级副总裁王海峰博士带来了主题为《百度AI开源与开放》的报告。一上场，他就对为什么选这样一个主题进行了解释：开源开放的确是人工智能时代非常重要的事情，一方面要发展人工智能这样一个高速发展的技术，不是一个人或者一个团队所能完成的，而是需要大家齐心协力，这时候开源开放就显得尤为重要；另外一方面，人工智能作为一个使能技术，它影响的是各行各业，当技术被开源开放出来，各行各业在需要技术的时候就不需要都去开发，而是直接受益于现有的技术。另外，我国人工智能技术的开源开放也还处于相对落后的阶段，目前百度也在致力于推动开源开放方面的发展，因而选择探讨这样一个主题。
随后，他围绕百度在开源和开放两个方面的现状展开了他的报告。
目前，AI 已被广泛应用于互联网领域，而百度实际上从 18 年前就开始研究人工智能技术，只不过到 2010年才开始真正布局，而在百度的 AI 布局中，各个领域的共通点就是深度学习框架，它就相当于AI 体系的“操作系统”。百度对深度学习的研究已长达 9 年时间，不过最早的研究思路是用什么技术就开发什么技术，直到 2013年才开始真正有意识地开发深度学习技术，并于 2016年发布自研的深度学习框架——Paddle Paddle。Paddle Paddle所具有的异构计算、并行训练、多种算法、多路通信、多端部署等核心特点，能够进行大规模异构计算集群、支持稠密参数和稀疏参数的并行训练以及适用于多平台的服务部署等，此外，能够高效化模型任务解码的深度学习解码技术也都包含于Paddle Paddle的开源框架中 。目前， 在 Github开源社区上，Paddle Paddle得到了快速发展，得到了诸多开发者的欢迎。
在开放方面，目前百度针对语言和知识、视觉以及语音等领域，开放了基于 Paddle 的的开发平台，包括 Easy DL定制化模型训练和服务平台、UNIT 智能对话系统开发平台、自定义模板文字识别平台、机器翻译开放平台、AR/VR开放平台、数据智能平台等。开放以来，百度 AI 开放平台已有60+开发者和合作伙伴，覆盖了 20+个行业，日均调用量已达到 4000亿+。
ACM / IEEE Fellow，腾讯 Robotics X 实验室张正友博士
第二位嘉宾是来自腾讯 Robotics X 实验室的张正友博士，他的报告题目是《人工智能和智能机器人》。张正友博士曾长期在海外工作，他首先介绍了自己的研究历程，也说明了自己和人工智能以及机器人两个方面的渊源。
张正友博士表示，加入腾讯是为了创建 Robotics X 机器人实验室，他对未来的判断是我们将迎来一个人机共生的时代。近年来计算技术、感知技术都有了大幅进步，而这些技术还没有在机器人领域得到充分的应用。当这些技术得到充分应用后，人机协作、人机共生将有长足的发展。
张正友博士接着介绍了机器人技术的相关状况。机器人有6个组成部分，本体、感知、执行器、动力系统、交互系统、决策。机器人的未来趋势是自动化、智能化，要在不确定的环境中自主决策。针对机器人的自主决策，张正友博士提出了SLAP范式，传感器和执行器要紧密结合，在学习和计划模块的帮助下提升能力、做出决策。
机器人本体科研有六大趋势：仿生化，灵巧操控，触觉基础，多机器人协同，人机协同以及医疗辅助。在技术达到人机协同的水平之前，还有很多的技术研发需求，技术突破点包括人工智能技术、机器人本体、自动控制、进化学习、情感理解、灵活操控、守护人类，这对更先进、更智慧的机器人提出了要求。最终目标是机器人要服务于人。
张正友博士还介绍了自己目前在腾讯 Robotics X 实验室做的三个机器人，绝艺围棋机器人为绝艺围棋AI落子；一个智能冰球机器人，以及腾讯 Robotics X 实验室与浙大合作的机器狗，它在不同的场景可以选择使用不同的步态。
随后进行报告的是科大讯飞副总裁、讯飞AI研究院联席院长李世鹏，他的报告题目为《顶天立地：打造人工智能的创新体系》。
他认为从数据的角度看智能等级的话，毫无疑问预知和决策是最顶级的，然而目前业界最常用的还是感知智能与认知智能。不同层级的智能技术对数据都有相应的要求，我们如今依然缺乏靠少量数据就能运算的系统，加上基于深度学习的人工智能需要大量算力支撑，因此整体而言人工智能尚处于早期发展阶段。
他简单介绍了科大讯飞在语音合成、语音识别、机器翻译、机器视觉以及认知智能领域所取得的成就，值得一提的是，科大讯飞并未满足于其在语音识别领域取得的进展，未来还将尝试在嘈杂环境和小语种领域的语音识别应用上取得突破；认知智能领域方面，成功研发出了AI 机器人，帮助医生作出更全面和客观的病情诊断，为此还成立了中国第一家 AI 医院；涉足教育领域，利用 OCR 识别技术对学生作业本进行扫描识别后上传，让教师可以根据学生表现形成的图谱进行个性化教学。
当然，人工智能的局限也很明显，需要我们进行一系列工作进行优化。除了重视场景落地、系统开放、平台开放以外，他特别强调了要数据开放，并提出一个全新的数据开放方式——数据银行，从业人员可通过交换或交易的方式将自身的数据与他人进行共享。最后，他还提到了「人类参与 AI 闭环」的概念，让人类对 AI 在应用中所犯的错误及时进行纠正，让人类成为机器学习成长的最佳拍档。
第四位出场的是阿里巴巴副总裁、阿里云人工智能中心负责人华先胜博士，他进行了主题为《城市大脑—超级人工智能挑战和应用》的演讲。
他由「世界上最遥远的距离」这个热议引入城市大脑的介绍。他指出在没有城市大脑之前，城市数据就是存在的，但是存在「盲人摸象」、「灯下黑」以及「雾里看花」这三大问题。而城市大脑就是通过认知对数据进行认知和判断，然后进行决策和优化、搜索和挖掘，进而进行预测和干预的过程，其包括四个关键词——AI、算力、城市数据和价值，其中最核心的是价值，当提到AI、算力以及城市数据到底能产生什么样的价值，就需要从不同的角度去解析它，从技术角度来看，就是城市智能化、数据化、全面、实时、全量的决策，从更大的层面来看则是城市治理模式、城市管理模式和城市产业的突破。
「城市大脑」最早由阿里巴巴于 2016年 4 月正式提出其概念，并于 2017 年 11 月入选科技首批人工智能开放创新平台，在这两年多的时间里，已取得了一系列成果。华先胜博士主要介绍了 4 项 AI 技术：「天曜」、「天鹰」、「天机」、「天擎」，分别是阿里自研的城市交通巡逻、城市视频搜索、车流人流预测以及作为基础设施的大规模视频智能分析平台。
随后，他提到了「城市大脑」未来发展的五大趋势：
第一，从组件转向平台，通过平台化为大家提供统一的标准来来进行算法的研发、系统的集成，最后实现共创。
第二，从在云或端上实现「城市大脑」走向边、云、端的协同异构
第三，从感知、态势和优化阶段走向预测、干预和规划；
第四，从 To G 转向To G+To C+To B，让人们直接地感受到“城市大脑”对城市所带来的影响；
第五，从交通、综合治理等领域的应用场景扩大到环境、安检、规划、旅游、水电和农林等更广泛的应用场景。
之后，他还提到，从高层级的角度城市来看，大脑作为一个AI研发和应用平台应该具有三个特点，第一，城市大脑能通过大规模计算和 AI 挖掘海量异构市政数据中无法替代的核心价值；第二，从复杂度和计算量上讲城市大脑完成的是人力无法完成的重要任务；第三，我们希望有一天城市大脑像水电煤一样，成为城市不可或缺的基础设施。
香港科技大学教授杨强的报告主题是《迁移学习和联邦学习》。教授杨强介绍道，现代组织机构虽然数据多，但是各自是各自的小数据库；或者另一种状况是在某一种任务上有大数据，另一种任务上只有小数据。
解决这些问题的第一种方案是迁移学习，希望像人类一样把以往的任务中学习到的技能运用在新任务中。迁移学习还可以兼顾可靠性和隐私安全问题。迁移学习把源领域的模型和任务迁移到新领域，但迁移学习的本质是找出不变量。迁移学习中，定量分析表明模型的浅层比较容易迁移，理论分析结果可以帮助我们更好地做迁移学习。例子比如卫星图像识别，贷款风控不同用户类别间的迁移，推荐系统的策略迁移，舆情分析中的迁移学习。
第二种方案是联邦学习，它的目标是解决有许多不同的领域、而每个领域都只有小数据要如何建立模型的问题。这种方法也引起了很多金融企业的兴趣，数据可以不离开本地的数据库，正因为联邦学习的学习过程不需要大量的数据交换。联邦学习有两种模式，纵向联邦学习，数据中有部分数据特征是同样的，A 方和 B 方都持有模型的一部分，通过动态加密技术传递重要的参数；第二种模式，横向联邦学习，在用户端更新模型并上传，云端服务器根据一定的策略统一更新用户模型。未来可以形成数据联盟，让各方都受益。
接下来演讲的是北京大学教授、「新一代人工智能产业技术创新战略联盟」秘书长黄铁军，演讲的题目为《新一代人工智能开放平台》。
黄铁军教授在报告中说道，得益于我国有力的政策支持、大量的青年人才、快速成长的技术能力、丰富的应用场景、开放的市场环境以及海量的数据资源，国内的人工智能领域这几年取得蓬勃的发展。然而我国的短板也很明显，如人工智能基础理论和原创算法差距较大、关键部件基础薄弱、高水平人才不足等，关键的一点是，尚未形成具有国际影响力的人工智能开源开放平台。
为此，在科技部领导、新一代人工智能产业创新战略联盟（ATSA）组织、产学研用的通力协作下，我国正式推出新一代人工智能开源开放平台——启智（英文名称 OpenIntelligence，简称 OpenI），以促进人工智能领域的开源开放协同创新，构建 OpenI 的技术链、创新链和生态链，进而推动人工智能产业健康快速发展及其在社会经济各领域的广泛应用。
黄铁军教授介绍道，人工智能开源开放平台已在2018年3月31日取得开源许可证，前期参与的单位包括北京大学、国防科技大学、北京航空航天大学、华为、百度、阿里、腾讯、讯飞、商汤、微软、lntel、NVIDIA等，在未来有望打造出一个学术机构、商业实体、自然人或任何其他法人等共建共享的开源软件开源硬件开源数据超级社区。
OpenI 启智平台基础设施及环境建设已经在万科云城的鹏城实验室 AI 中心大楼启动，建设内容包括 AI 超算、AI 研究中心、OpenI 启智深圳平合、OpenI 智源深圳社区和新一代人工智能产业创新联盟「启智空间」(含 AVS2 超高清影音中心、「启智未来 4k 超高清 VR 直播间、OpenI 门户网站、「源智造」流水线-AI 开发基础设施建设及系列推广活动、「智源」社区公号、「启智」官微抖音号等)。另外值得期待的是，下一代网络信息中心、港辖河套人工智能国际研发中心、「云脑」大科学装置运维办公室及分布全国的人工智能重大基础设施，如今也在逐一建设规划划中。
17 日上午的最后一项议程是院士 panel ，邀请了高文、赵沁平、俞大鹏、吴建平、桂卫华、廖湘科六位院士讨论关于人工智能开源开放平台的技术挑战。院士们各自讲述了自己对人工智能技术现状的看法、对人工智能技术与产业结合的认识，以及讨论了人工智能开源在中国的现状，回答了现场听众提出的「中国参与开源项目少是否因为中国不具有这样的文化氛围」、「如何保障开源项目的发展壮大」、「企业如何参与学术性质的研究」等许多问题。讨论内容实录请参见雷锋网 AI 科技评论的后续单独报道。
作为17日下午首位出场的演讲嘉宾，达闼科技创始人兼CEO、华中科技大学电子信息与通信学院院长黄晓庆博士进行了主题为《5G时代的云端智能机器人发展》的报告。
他认为 5G 是为非人类的使用而设计，其带来的更大的挑战包括万物互联、大数据应用以及新业务模式等，而「云端机器人」则是 5G 的「杀手级应用」，其需要的带宽是人类的 100 倍。基于这种理念，黄晓庆博士将其创立的达闼科技定位为「服务云端机器人」，致力于通过公共基础设施创造有效的机器人网络，将云端机器人租给用户使用。
不过，在「云端机器人」抱有极大信心的同时，他也提到了机器人通过云端连接所存在的安全隐患，为此，他认为应该利用新型网络架构和能力来将机器人与互联网进行隔离，一种方式是通过 5G 网络切片技术构建安全可靠的「云端机器人神经网络」，从而实现机器人的可控；另一种方式则是采用边缘云（Edge Cloud）的方式，将云端智能推理能力分布在 5gMEC 服务器上，形成一个类似于 CDN 的 IDN（Inference Distribution Network）。
在「云端机器人」的产品化方面，达闼科技做的第一个项目是云端导盲机器人，不过这款产品还没来得及量产；另外在新零售领域和营销宣传方面，达闼科技则正在跟运营商进行云端机器人+5G 的探索和合作，并尝试利用 5G 实现云端智能的更广泛的应用，包括超声数据分析、超声操作指导、拉曼光谱分析以及拉曼数据收集等。同时，其还在推进「XR-Plan」计划，致力于建立服务机器人的标准模型，计划研发 4 款关节灵活、行动平衡的标准服务机器人（3 轮人形机器人、4 轮车形机器人、4 足车形机器人、2 足人形机器人），来引导未来机器人的开发。
演讲最后，黄晓庆博士还分享了达闼科技与鹏城实验室的合作建议，包括共建超脑中心、AI 应用落地以及机器人临联合实验室三大块的合作建议。
字节跳动副总裁、字节跳动人工智能实验室主任马维英带来题为《人工智能赋能内容创作和交流》的报告。在报告中，马维英回顾了内容分发、内容理解和内容创作等多个方面的技术变革历程。虽然随着 IT 技术 大潮的发展，这些领域都有自己的变化，但人工智能技术在这些方面也都有越来越多的参与，越来越成为强大、好用的人类的助手。
现在的人工智能不仅改造了内容分发的方式，也以短视频为载体推动了新的人与人交流浪潮的到来。借助人工智能技术，视频理解、人物美化、AI 辅助视频特效、AI 写稿、AI 辅助内容审核等都成为了可能。未来，人工智能相关技术也将会成为人与人之间互相联系、人与整个社会建立联系的重要基础设施。
接下来进行报告的是 360 集团副总裁、360 人工智能研究院院长颜水成博士，他报告的题目为《视觉智能：从攻坚到闭环》。
他说道，360公司如今的业务不再局限于网络，而是进一步拓展到了物理空间，背后依托的是这四种技术引擎：运动引擎（例：扫地机器人）、交互引擎（例：儿童手表）、视觉引擎（例：家庭安防生态、内容安全审核等）和决策引擎（金融风控、广告等）。这些也成为支撑 360 公司 IoT 业务和互联网业务的核心技术。单就 2018 年上半年的表现而言，360 安全大脑成功在恶意程序、钓鱼攻击、骚扰电话、垃圾短信和网络诈骗等问题的解决上均取得不俗的成果。
介绍完 360 安全大脑的基本情况后，他紧接着为大家介绍 360 近期在视觉智能领域的最新研究成果——Global Reasoning Unit。Global Reasoning Unit 将 5 个 1×1 的卷积以模块的形式插入任意网络做学习，在浅层网络就能对远处的目标进行识别，使跨区域进行信息交换成为可能。相较于通过增加 depth 进行优化的方式，Global Reasoning Unit 能有效提升现有网络的性能，因此在消费级智能设备的应用上指日可待。
颜水成博士也分享个人在业界做研究的心得，他强调，学术界的研究和业界的研究有很大的区别，业界的研究必须回归商业本质，尤其要放在价值闭环与数据闭环的维度上进行思考。价值闭环方面，技术需要对闭环中的产品、客户 、企业和社会产生正向推动，不然就有失败的可能。数据闭环方面，由于不存在完美的算法，因此我们只能依赖特定场景的数据来不断优化算法，进而优化产品模型。他也强调，产品首先要经得起用户的检验，只有用户愿意反馈，我们才能发掘出用户的真正痛点。
颜水成博士也用一组有趣的比喻结束了报告，如图：
「学术界的研究更像恋爱中的男女，每一点进步都让你们开心无比，同时还希望不停地有进步，达到新的高度。看到的全是女孩好的一面，你们可以自由地憧憬，没人催你生孩子（产品）。你们也会憧憬生一个小孩（产品）会有多么美好，认为这个孩子一定会是世界上最聪明最乖巧的，因为反正不用真的把孩子生出来。」
「而在工业界做研发更像结婚后的男女，发现生娃（产品）成了你们最首要的任务。父母（公司老板）天天催着你生娃（产品），你们以为孩子生出来以后会很乖巧，结果生出来以后才发现一堆的问题一堆的毛病，社会（用户）也不喜欢他/她，你不停根据经验和用户反馈进行调教。最后孩子强大了，你也头白了脊椎坏了，但看着孩子（产品）还是一脸的满足幸福」。
接下来由深圳市城市交通规划设计研究中心主任张晓春带来报告，他报告的主题是《数据驱动城市交通治理》。
他主要从城市治理角度，并结合实际案例，来看需要什么样的数据以及人工智能。
首先，他由中国大城市的发展阶段特征引入城市交通治理问题，其指出当前中主要大城市交通发展所面临的几个主要挑战：
第一， 对于交通、人类活动问题，以及该怎么构建基础设施来满足人们的出行，需要我们运用大量智慧化数据的手段，来解决这一系列问题。
第二是主要大城市中还有一些不稳定的建设。比如说在深圳在罗湖中心区、福田中心区、南山中心区的建设相对稳定的时候，还剩了很多小的地块还要再开发，而如何处理好这些地区的开发与整个城市的基础设施建设和交通出行的矛盾问题，都需要大量数据的支持。
第三，除了城市协同，城市还面临着一些大的改造，比如说公交，北、上、广、深一年要花100-200亿来补贴所有的公交乘客的出行，然而这些公交出行补贴给谁了？该补贴给哪一类人群？城市增加了很多的公交车辆，也增加了大量的公交线路，但是使用公交的人在下降。我们的补贴是不是没有发挥它的作用？这其实也是一个我们面临的非常重要的对城市规律的了解的课题。
第四，互联网+交通带来交通的变革，未来不管是自动驾驶还是网联化，都会产生更多的数据，这些数据为我们未来能够了解大湾区的出行规律、城市的出行规律，各类交通基础设施的出行规律以及各类人群的社会属性提供了可能性。因此，针对未来面向国家下一轮大的智慧城市、智慧交通的投入方面，智能交通这个行业有很多可以探索和研究的空间。
紧接着，他提到了对大城市智慧化和数据化的探索和思路，主要包括数据治理：使用智慧道路、信号灯以及道路上可智慧化的设施等方式采集数据；基于采集的数据，用知识图谱，包括人、车、路，包括人的社会属性的关联关系，形成背后大的数据支持；利用实时仿真系统，面向城市交通实时的运行和决策。此外，他还结合深圳福田中心基于数据的空间上的改善案例，分享了智慧化交通在城市治理中发挥的作用。
演讲最后， 他总结道，在目前这个发展阶段，整个国家在提城市治理、交通治理，也要提像绣花一样来管理城市，所谓的要像绣花一样管理城市，就是我们必须得像绣花针一样能够了解这个城市的每一个具体的出行的数据、出行的规律，来作为未来城市的交通治理、运营治理、空间治理或者政策治理的支持。互联网+交通给我们带来了可能性，未来的自动驾驶、车联网会带来更多的数据以及带来更多的可能性，希望各位 IT 界的朋友们更加关注交通，利用这一轮人工智能发展机会对我们的城市出行的治理做更多的演绎。
商汤科技联合创始人、香港中文大学教授林达华在报告《AI 工业化时代：技术平台与挑战中》详细介绍了商汤科技的发展历程、现状以及各方面的技术成果。商汤创立至今已经是估值最高的AI公司，商业营收第一。商汤科技的技术坚持自主研发，还是首个在视觉中使用深度学习的企业。商汤科技目前布局全球，影响力也走向国际。
商汤科技有具体商业化技术产品，林达华教授进行了全面的介绍。商汤科技的规划中也包括了工业化时代 AI 超算建设，云端 AI 服务平台建立。林达华教授还说道，AI 时代的必需品是降低 AI 的门槛，不需要每个企业都有自己的AI专家、AI团队，商汤也为此研发了自动网络结构搜索相关技术，并开发了面向工业级应用的原创深度学习框架。
接下来报告的是旷视科技有限公司首席科学家孙剑，报告的题目为《云、端、芯上的计算》。
作为人工智能领域落地成熟度最高的技术之一，计算机视觉试图解决的是机器理解图片以及理解图像后做什么的问题。他在报告中带大家温习了图像表示研究发展的历史沿革，从最开始的部件识别、到神经网络、再到基于学习的方法、再到抽出图像特征进行高维编码的 featured-based、一直到当下流行的深度神经网络，他表示该领域的发展并非是一帆风顺的。深度神经网络刚推出时，学界很多人对此并不看好，他们打从心底不相信深度神经网络是能被训练出来的，同时认为深度学习网络的实验太难被重现。一直到 AlexNet 的出现，大家才意识到 8 层的效果原来可以比 5 层更好。后来更有 152 层的 ResNet 横空出世，机器也终于在 ImageNet 上的表现超越人类。
然而回到现实中的产品落地，很多时候我们还得考虑到算力问题，为了让图像识别能够更好地在算力有限的设备上运行，矿视科技分别在端上以及芯片端做了工作。端上，旷视专门做了一个针对为移动端以及所做的网络结构 ShuffleNet，至于芯片端，则做了一个低比特网络 DorefaNet，两者的核心都是让低算力计算成为可能。
另外值得一提的是，旷视在图像检测上也实现了突破，从最初的 R-CNN，到2015 年提出的 Faster R-CNN，再到去年专门推出的 Mask R-CNN，该技术将分类与检测结合到一起。技术上的突破让旷视科技接连两年（2017 &2018）获得 COCO 图像识别竞赛的冠军。
接下来进行的是鹏城实验室与香港人工智能与机器人学会战略合作签约仪式。鹏城实验室主任高文院士与香港人工智能与机器人学会理事长杨强教授代表双方签署合作协议，未来双方将在人工智能与机器人相关领域展开诸多合作。
17 日论坛的最后一项议程是沈向洋、高文、桂卫华三位院士与杨强教授进行的院士 panel，主题为《人工智能核心技术和关键应用》。他们讨论了「如何在港澳湾区做人工智能研究和合作」、「如何结合工业现状发挥头雁效应」、「如何把中国的数据和应用优势转化为技术和产业优势」等多个问题，也回答了现场观众提出的多个问题。讨论内容实录请参见雷锋网 AI 科技评论的后续单独报道。
「新一代人工智能院士高峰论坛」18 日还有一整天关于智慧医疗的精彩内容，请继续关注雷锋网 AI 科技评论后续报道。
正在生成分享图...
木子