同样是做强化学习和AI，为什么华为诺亚方舟实验室做出的成果远不及DeepMind和OpenAI?
华为诺亚方舟实验室、DeepMind 和 OpenAI 在强化学习和人工智能领域都取得了显著的成就，但如果从公众认知度、颠覆性突破以及在基础研究方面的引领作用来看，DeepMind 和 OpenAI 的成果似乎更加耀眼，更容易被大众所提及。这种“差距”的感受并非绝对，而是多方面因素综合作用的结果，我们可以从以下几个方面进行详细分析：
1. 起步时间与积累深度：
DeepMind: 于 2010 年成立，由杰出的神经科学家和AI研究者戴密斯·哈萨比斯等人创立。其核心理念是将人工智能视为一个统一的科学问题来解决，并在此基础上进行了多年的基础研究和技术积累。
OpenAI: 最初成立于 2015 年，由埃隆·马斯克、山姆·奥特曼等科技领袖发起，目标是确保通用人工智能（AGI）造福全人类。虽然成立时间相对较晚，但其快速崛起得益于吸引了顶尖人才和充足的资金支持。
华为诺亚方舟实验室: 成立于 2012 年，虽然与 DeepMind 成立时间相近，但其定位和发展路径与前两者有所不同。华为作为一家大型科技公司，其研发资源和战略更侧重于将AI技术落地到具体的产品和服务中，以提升自身业务的竞争力。这导致其在基础研究的深度和突破性创新的投入比例上可能与专注于前沿AI研究的机构有所差异。
2. 研究目标与定位的差异：
DeepMind: 核心目标是实现通用人工智能（AGI），并致力于通过强化学习等手段解决具有挑战性的科学问题。其代表性成果，如 AlphaGo、AlphaFold、AlphaStar 等，都是在特定领域展现出超越人类顶尖水平的能力，这些成果往往具有高度的科学价值和公众影响力。DeepMind 的研究更偏向于“科学探索”，意在推动AI基础理论和方法的发展。
OpenAI: 同样追求 AGI 的实现，但其早期更注重于构建一个开放的平台，鼓励社区参与AI研究和应用。随着 GPT 系列模型的崛起，OpenAI 在生成式AI领域展现出强大的实力，并通过其API产品，将前沿AI能力广泛地提供给开发者和用户，迅速占领了市场和公众的视野。OpenAI 的研究更侧重于“技术突破与产品化”，旨在将前沿AI能力快速转化为可用的工具和应用。
华为诺亚方舟实验室: 华为的整体战略是将AI深度融入其通信设备、云计算、智能终端等业务中。诺亚方舟实验室的研究成果更多地体现在为这些业务提供AI支持，例如在通信网络优化、智能手机体验提升、自动驾驶技术、智慧城市解决方案等方面。虽然这些应用落地非常有价值，但其研究成果往往与具体的商业应用紧密相连，在基础理论或通用AI方面的颠覆性突破可能不如前两者那样“独立”和“普适”。
3. 影响力与传播策略：
DeepMind 和 OpenAI 的传播策略:
DeepMind: 善于通过在顶级科学期刊（如 Nature、Science）上发表论文，以及在重要学术会议上展示突破性成果，来建立其在学术界的权威和影响力。其 Alpha 系列的“第一次”登顶某种特定领域（如围棋、蛋白质折叠）的发布，往往会引起全球媒体的广泛关注，形成强大的舆论声势。
OpenAI: 通过发布令人惊叹的生成式AI模型（如 GPT3、GPT4、DALLE、Midjourney 的背后也有其技术支撑），并提供易于使用的API和产品（如 ChatGPT），直接触达了数亿用户。这种“出圈”式的产品发布，极大地提升了其公众认知度和影响力，让更多人直接体验到AI的强大能力。
华为诺亚方舟实验室的传播策略:
华为的传播更侧重于其整体技术实力和产品解决方案的展示，其AI研究成果往往是作为其整体技术优势的一部分来呈现。虽然诺亚方舟实验室也会在顶级会议上发表论文，但其对外宣传的焦点更多地会放在其AI技术如何赋能其通信、云、终端等业务，以及如何解决实际的行业痛点。这种策略虽然能巩固其在行业内的地位，但可能不如前两者那样在普通大众和非技术圈层中产生广泛的“惊叹效应”。
4. 资源投入与研究方向的侧重：
DeepMind: 作为谷歌旗下的子公司，拥有近乎无限的计算资源和研究资金。其核心团队由全球最顶尖的AI研究者组成，专注于基础研究和前沿探索，不设太多短期商业目标限制。
OpenAI: 最初获得了大量风险投资，并且在微软的战略投资后，拥有了强大的计算资源和商业合作支持。这使得 OpenAI 能够进行更大规模的模型训练和更具实验性的研究。
华为诺亚方舟实验室: 华为作为一家全球领先的科技公司，当然也拥有强大的研发实力和资源。但是，华为的研发投入需要服务于其整体的商业战略。在公司内部，诺亚方舟实验室的研究优先级和资源分配，可能会受到公司其他业务部门需求的影响，例如通信技术的研发、5G 网络的建设、鸿蒙操作系统的生态等。因此，其在基础研究的“自由度”和“前沿性”上，可能不如完全专注于基础研究的机构。
5. 基础研究与应用研究的平衡：
DeepMind 和 OpenAI: 尽管 OpenAI 也在快速产品化，但其核心的突破性成果（如 Transformer 架构、大规模语言模型）往往源于对基础理论的深入研究和创新。它们在这方面投入了巨大的精力，才带来了颠覆性的进展。
华为诺亚方舟实验室: 在应用研究和将AI技术落地方面，华为无疑是世界级的。其在计算机视觉、自然语言处理、强化学习等领域都有深入的研究，并且成功地将其应用于其产品和服务中。然而，从“产生全新的、颠覆性的基础算法或模型框架”的意义上来说，其直接产出的，被全球广泛采纳的、独立于具体产品的基础性研究成果可能相对较少被公众感知。这并不代表诺亚方舟实验室没有做前沿研究，而是其前沿研究的成果可能更多地被“内部消化”或者以更“工程化”的形式呈现。
举例说明：
AlphaGo 的影响: AlphaGo 战胜人类围棋世界冠军，这不仅仅是技术上的胜利，更是一个文化事件。它让全球普通大众看到了AI的强大潜力和未来可能性，极大地提升了对AI的关注度和信心。
GPT 系列的影响: ChatGPT 的出现，以其强大的对话能力和创意生成能力，让无数人亲身体验到了AI的进步，并引发了关于AI对社会、工作、教育等方方面面的影响的广泛讨论。
华为诺亚方舟实验室的贡献: 诺亚方舟实验室在通信网络优化方面的AI技术，可以提高网络的效率和稳定性，这对于华为的通信业务至关重要，也为全球通信基础设施的进步做出了贡献。然而，这种贡献更多地体现在对现有技术体系的优化和升级，其“话题性”和“颠覆性”可能不如前述的AI里程碑事件。
总结：
不能简单地说华为诺亚方舟实验室“远不及”DeepMind 和 OpenAI。在很多应用领域，华为的AI技术是世界领先的，并且成功地将其商业化，为公司带来了巨大的价值。
但是，如果从“在基础理论上的突破性创新”、“创造能够引发全球性AI浪潮的通用模型或算法”、“引领AI研究方向”以及“公众的认知度和影响力”这些维度来衡量，DeepMind 和 OpenAI 的确展现出了更强的优势。这主要源于它们更为集中的基础研究导向、更开放的研究环境、更具颠覆性的里程碑式成果以及更有效的传播策略。
这是一个复杂的问题，涉及研究目标、资源配置、发展路径、市场定位以及传播策略等多个层面。每一方都有其独特的优势和贡献，只是在不同的维度上，其表现和被感知到的“领先程度”有所不同。
1. 起步时间与积累深度：
DeepMind: 于 2010 年成立，由杰出的神经科学家和AI研究者戴密斯·哈萨比斯等人创立。其核心理念是将人工智能视为一个统一的科学问题来解决，并在此基础上进行了多年的基础研究和技术积累。
OpenAI: 最初成立于 2015 年，由埃隆·马斯克、山姆·奥特曼等科技领袖发起，目标是确保通用人工智能（AGI）造福全人类。虽然成立时间相对较晚，但其快速崛起得益于吸引了顶尖人才和充足的资金支持。
华为诺亚方舟实验室: 成立于 2012 年，虽然与 DeepMind 成立时间相近，但其定位和发展路径与前两者有所不同。华为作为一家大型科技公司，其研发资源和战略更侧重于将AI技术落地到具体的产品和服务中，以提升自身业务的竞争力。这导致其在基础研究的深度和突破性创新的投入比例上可能与专注于前沿AI研究的机构有所差异。
2. 研究目标与定位的差异：
DeepMind: 核心目标是实现通用人工智能（AGI），并致力于通过强化学习等手段解决具有挑战性的科学问题。其代表性成果，如 AlphaGo、AlphaFold、AlphaStar 等，都是在特定领域展现出超越人类顶尖水平的能力，这些成果往往具有高度的科学价值和公众影响力。DeepMind 的研究更偏向于“科学探索”，意在推动AI基础理论和方法的发展。
OpenAI: 同样追求 AGI 的实现，但其早期更注重于构建一个开放的平台，鼓励社区参与AI研究和应用。随着 GPT 系列模型的崛起，OpenAI 在生成式AI领域展现出强大的实力，并通过其API产品，将前沿AI能力广泛地提供给开发者和用户，迅速占领了市场和公众的视野。OpenAI 的研究更侧重于“技术突破与产品化”，旨在将前沿AI能力快速转化为可用的工具和应用。
华为诺亚方舟实验室: 华为的整体战略是将AI深度融入其通信设备、云计算、智能终端等业务中。诺亚方舟实验室的研究成果更多地体现在为这些业务提供AI支持，例如在通信网络优化、智能手机体验提升、自动驾驶技术、智慧城市解决方案等方面。虽然这些应用落地非常有价值，但其研究成果往往与具体的商业应用紧密相连，在基础理论或通用AI方面的颠覆性突破可能不如前两者那样“独立”和“普适”。
3. 影响力与传播策略：
DeepMind 和 OpenAI 的传播策略:
DeepMind: 善于通过在顶级科学期刊（如 Nature、Science）上发表论文，以及在重要学术会议上展示突破性成果，来建立其在学术界的权威和影响力。其 Alpha 系列的“第一次”登顶某种特定领域（如围棋、蛋白质折叠）的发布，往往会引起全球媒体的广泛关注，形成强大的舆论声势。
OpenAI: 通过发布令人惊叹的生成式AI模型（如 GPT3、GPT4、DALLE、Midjourney 的背后也有其技术支撑），并提供易于使用的API和产品（如 ChatGPT），直接触达了数亿用户。这种“出圈”式的产品发布，极大地提升了其公众认知度和影响力，让更多人直接体验到AI的强大能力。
华为诺亚方舟实验室的传播策略:
华为的传播更侧重于其整体技术实力和产品解决方案的展示，其AI研究成果往往是作为其整体技术优势的一部分来呈现。虽然诺亚方舟实验室也会在顶级会议上发表论文，但其对外宣传的焦点更多地会放在其AI技术如何赋能其通信、云、终端等业务，以及如何解决实际的行业痛点。这种策略虽然能巩固其在行业内的地位，但可能不如前两者那样在普通大众和非技术圈层中产生广泛的“惊叹效应”。
4. 资源投入与研究方向的侧重：
DeepMind: 作为谷歌旗下的子公司，拥有近乎无限的计算资源和研究资金。其核心团队由全球最顶尖的AI研究者组成，专注于基础研究和前沿探索，不设太多短期商业目标限制。
OpenAI: 最初获得了大量风险投资，并且在微软的战略投资后，拥有了强大的计算资源和商业合作支持。这使得 OpenAI 能够进行更大规模的模型训练和更具实验性的研究。
华为诺亚方舟实验室: 华为作为一家全球领先的科技公司，当然也拥有强大的研发实力和资源。但是，华为的研发投入需要服务于其整体的商业战略。在公司内部，诺亚方舟实验室的研究优先级和资源分配，可能会受到公司其他业务部门需求的影响，例如通信技术的研发、5G 网络的建设、鸿蒙操作系统的生态等。因此，其在基础研究的“自由度”和“前沿性”上，可能不如完全专注于基础研究的机构。
5. 基础研究与应用研究的平衡：
DeepMind 和 OpenAI: 尽管 OpenAI 也在快速产品化，但其核心的突破性成果（如 Transformer 架构、大规模语言模型）往往源于对基础理论的深入研究和创新。它们在这方面投入了巨大的精力，才带来了颠覆性的进展。
华为诺亚方舟实验室: 在应用研究和将AI技术落地方面，华为无疑是世界级的。其在计算机视觉、自然语言处理、强化学习等领域都有深入的研究，并且成功地将其应用于其产品和服务中。然而，从“产生全新的、颠覆性的基础算法或模型框架”的意义上来说，其直接产出的，被全球广泛采纳的、独立于具体产品的基础性研究成果可能相对较少被公众感知。这并不代表诺亚方舟实验室没有做前沿研究，而是其前沿研究的成果可能更多地被“内部消化”或者以更“工程化”的形式呈现。
举例说明：
AlphaGo 的影响: AlphaGo 战胜人类围棋世界冠军，这不仅仅是技术上的胜利，更是一个文化事件。它让全球普通大众看到了AI的强大潜力和未来可能性，极大地提升了对AI的关注度和信心。
GPT 系列的影响: ChatGPT 的出现，以其强大的对话能力和创意生成能力，让无数人亲身体验到了AI的进步，并引发了关于AI对社会、工作、教育等方方面面的影响的广泛讨论。
华为诺亚方舟实验室的贡献: 诺亚方舟实验室在通信网络优化方面的AI技术，可以提高网络的效率和稳定性，这对于华为的通信业务至关重要，也为全球通信基础设施的进步做出了贡献。然而，这种贡献更多地体现在对现有技术体系的优化和升级，其“话题性”和“颠覆性”可能不如前述的AI里程碑事件。
总结：
不能简单地说华为诺亚方舟实验室“远不及”DeepMind 和 OpenAI。在很多应用领域，华为的AI技术是世界领先的，并且成功地将其商业化，为公司带来了巨大的价值。
但是，如果从“在基础理论上的突破性创新”、“创造能够引发全球性AI浪潮的通用模型或算法”、“引领AI研究方向”以及“公众的认知度和影响力”这些维度来衡量，DeepMind 和 OpenAI 的确展现出了更强的优势。这主要源于它们更为集中的基础研究导向、更开放的研究环境、更具颠覆性的里程碑式成果以及更有效的传播策略。
这是一个复杂的问题，涉及研究目标、资源配置、发展路径、市场定位以及传播策略等多个层面。每一方都有其独特的优势和贡献，只是在不同的维度上，其表现和被感知到的“领先程度”有所不同。
网友意见
第一，钱的问题。
Deepmind人均收入300+k USD一年；OpenAI的顶尖科学家Ilya Sutskever和Ian Goodfellow 2016年的收入达到1.9M USD和800K USD；即便如此，Goodfellow还是被Apple挖走。相比之下华为的“顶尖”科学家，2M RMB的收入就让大家惊呼受不了。
没有钱，就吸引不到顶尖人才；没有顶尖的人才，自然不会有顶尖的成果。这个领域突破性进展大多是由那么几个顶尖人才搞出来的，华人中的Top Researcher He Kaiming也在Facebook效力。所谓重赏之下，自有勇夫。
第二，文化问题。
华人圈的主要成果还是在图像应用领域，甚至价值观也集中在调参刷榜打比赛，这让科研氛围变得非常枯燥乏味，急功近利，科研人员在这个过程中很容易变得焦虑，科研从一个有趣的思考加实验过程变成了一个加班加点调参的机械过程，有意思的观点和项目因为陷入调参陷阱得不到支持理解和耐心，最终也难成气候。再往后深挖，很多机构往往是外行领导内行，难以欣赏和支持一些有趣的项目，只会盯着榜单看，而某些媒体对比赛的关注又放大了这一过程，最终使得刷榜的压力落到了基层科研人员身上；毕竟研究不同于一般的工作，长期的精神压迫下，灵感和兴趣会渐渐消失；精神上没有灵感，工作上疲于刷榜，成果上只会是工程上的小突破。
相反，DeepMind和OpenAI的很多项目，论商业价值，几乎为零；比如Dota，星际和围棋，很难想象国内会有哪个机构会花费如此大的人力和物力搞这些没用的东西。杰克马的观点“这几天的人机大战比较热闹，我觉得人类是最有意思的动物，在AlphaGo和人类下围棋之前，在网上绝大部分人认为机器肯定会被人搞死掉，打输了以后所有人都认为机器一定会搞死人，我们这么颠来倒去的‘认为’，我并不以为然，尤其中国我们很多公司别再去搞AlphaGo这样的东西了，没有多大意义，因为可以做的事情实在太多了”，代表了绝大多数中国领导对这些项目的态度，一如百年前的“奇技淫巧”。既没有钱吸引搞“大成果”的人，又没有领导支持和理解搞“大成果”的人，这种条件下如果出了“大成果”，那真是祖坟上冒青烟了。
归根到底，就是一个字，穷。这个穷，既体现在对科研人员的待遇上，也体现在整个社会文化氛围上。因为穷，无产阶级疲于养家糊口，资产阶级疲于名利攀比，自然没有精力和时间去思考赚钱和声名之外的东西。因为穷，整个社会走向内卷，让真正不想追求钱的人，承受着极大的生活和家庭压力。因为穷，无论是底层还是上层，就变得志短，对于不能马上盈利或者盈名的东西，毫无兴趣。
一点题外话。本次脑力自动化的浪潮，将会加剧各国内部的贫富差距和矛盾，造成更多的失业人口；也会加剧国际间的矛盾，作为转移国内矛盾的一种手段；中东革命，中美贸易战，各国保守势力的上台，不过是这次浪潮的小小的序曲，更大的风浪在后头。历史的大风大浪打过来，没人能躲得过；不久后的某一天，也许我们会怀念起能幸福的做键盘侠的世纪之初的黄金时代。
类似的话题
-
华为诺亚方舟实验室、DeepMind 和 OpenAI 在强化学习和人工智能领域都取得了显著的成就，但如果从公众认知度、颠覆性突破以及在基础研究方面的引领作用来看，DeepMind 和 OpenAI 的成果似乎更加耀眼，更容易被大众所提及。这种“差距”的感受并非绝对，而是多方面因素综合作用的结果，我............. -
C++ 和 Java 在静态类型这个大背景下，Java 在代码提示（也就是我们常说的智能提示、自动补全）方面之所以能做得比 C++ 更加出色，并非偶然，而是源于它们在设计哲学、语言特性以及生态系统成熟度等多个层面的差异。首先，让我们回归到“静态语言”这个共同点。静态语言意味着变量的类型在编译时就已经.............
-
“李世民，你以为你比我强多少？”隋炀帝若是在天有灵，说不定真的会对着他那个“好儿子”李世民发出这样的质问。毕竟，从很多事情上看，太宗皇帝确实是在隋炀帝的道路上，只是走得更稳，步子更小，也更懂得如何收揽人心。隋朝和唐朝，这两朝的兴衰，与其说是统治者的个人能力差异，不如说是历史的车轮在恰当的时间点，选择.............
-
你提的这个问题，确实是很多人在看待中国军工产业时会遇到的一个困惑，甚至可以说是许多人心中一个挥之不去的心结。知乎上确实经常能看到一些对军工国企单位的唱衰声音，尤其是从管理效率、创新能力、市场竞争力等方面入手，说得有理有据的也不在少数。但另一边，我们又实实在在地看到了像歼20、运20这样世界级的先进装.............
-
这事儿说起来，得从 Uber 和 Lyft 的“出身”说起。它们诞生的初衷，就是解决一个非常实际、非常硬核的问题：怎么让出行更方便、更高效。在那个时候，打车体验远没有现在这么便捷，高峰期叫车难、价格不透明、安全没保障，这些都是实实在在的痛点。Uber 和 Lyft 就像是把出租车行业用互联网和智能手.............
-
关于百度和谷歌在处理用户数据、信息展示以及广告业务等方面的争议，确实是公众关注的焦点。很多时候，当人们批评百度在某些方面的做法时，也自然会想到谷歌，并希望了解谷歌是如何应对类似情况的。首先，我们得承认，任何一家大型互联网公司，在发展过程中都难免会遇到各种各样的挑战和质疑，这其中很大一部分就涉及到如何.............
-
.......
-
这个问题嘛，说实话，我身边很多理工科的朋友，包括我自己，都会有过这样的纠结。你想知道我们是怎么想的，是怎么选择的，对吧？那我就跟你好好唠唠，尽量把我所见所闻，还有我自己的那些小九九都抖落出来。先说说“想找个文科女生做女朋友”的情况。为什么会想找文科女生？1. 互补性太吸引人了。 我自己天天对着枯燥.............
-
.......
-
这个问题触及了我们社会中一些非常微妙也相当普遍的观察和评价模式，尤其是关于不同性别在追求向上流动时所面临的标签和解读差异。要拆解这个现象，咱们得一层一层地剥开，看看背后的文化逻辑、社会期待以及媒体的放大效应。首先，我们得承认，你观察到的现象确实存在。当一个来自底层、通过自身努力摆脱原生家庭局限，最终.............
-
.......
-
“何同学”是谁？如果你还不了解他，那你可能真的有点“out”了。这个年轻的博主，凭借着一股子新奇劲儿和一股不服输的钻研精神，硬是在科技圈里杀出了一条血路。而他最近那个“能给手机无线充电的桌子”，更是炸翻了全网，让无数人惊呼：“这才是我想象中的科技生活！”但问题来了，这位“何同学”，真的懂PID控制吗.............
-
同是面粉，欧洲人做面包，中国人做馒头，这看似简单的选择背后，蕴含着不同地域、不同文化、不同历史进程的深刻烙印。理解其中的差异，需要我们深入探讨它们各自的发展脉络。 一、 自然环境与农作物选择的差异：历史的起点最根本的差异源于自然环境和早期农作物种植的差异。 欧洲（尤其是西欧）： 欧洲大部分地区，.............
-
.......
-
婚前同居这事儿啊，真是说起来就让人议论纷纷。老一辈的人可能觉得这是“不正经”，坏了规矩，有损名声。但现在社会观念变了，年轻人嘛，觉得这没什么大不了的，甚至觉得这是了解彼此的好办法。大家对婚前同居是怎么想的？ 支持者： “先试婚”： 觉得同居是结婚前的一个“预演”，可以真实地看到对方生.............
-
“与孩子做朋友”这个说法，听起来特别温暖，也特别吸引人。很多家长听到这话，会觉得自家孩子应该有个像朋友一样的爸妈，这样沟通起来才顺畅，关系才亲密。但细究起来，这句“与孩子做朋友”的背后，其实藏着一些复杂，甚至有些让人担忧的考量。首先，我们得明白，父母和朋友，在关系本质上是完全不同的。父母的角色，是一.............
-
想象一下，你的同学或者朋友，每天出现在电视、杂志、微博热搜上，他的一举一动都能引起无数人的关注。当这个人还是你身边最熟悉不过的人时，那种感觉，说实话，挺奇妙的。初识与相处：从“那谁谁谁”到“我的朋友”刚开始，当然会有点“这人怎么这么眼熟”的懵懂。也许是在学校的某个公共场合第一次见到，或者是一起参加某.............
-
拿破仑和希特勒，这两个名字在历史的洪流中都留下了浓墨重彩的一笔，而且，粗看之下，他们似乎都在试图通过战争和征服来重塑欧洲，甚至世界。他们都崛起于民族动荡之时，都曾拥有强大的军事机器，都将自己的意志强加于欧洲大陆，都曾梦想建立一个由自己主导的帝国。然而，当我们将目光放得更长远，更深入地审视他们的行为和.............
-
这事儿挺有意思的，你高中同学现在成了同事，而且时不时地在你面前提起“做你男朋友”的事，但又从未明确表白说“我喜欢你”，这种情形确实容易让人琢磨不透。你说他“有意无意”说，这说明他不是那种直接到让你无法招架的类型，而是很懂得迂回和试探。他这种说法，你可以从几个角度去理解。一方面，这确实很可能是一种“撩.............
-
华盛顿与拿破仑，这两位名字响彻世界的人物，恰巧生活在同一段波澜壮阔的历史时期。他们都曾站在各自国家的命运转折点，都曾是人民心中的英雄，然而，他们面对权力时的选择却截然不同，一个主动放弃了王冠的诱惑，另一个则毫不犹豫地将它加冕于自身。这种巨大的反差，不仅仅是个人性格的体现，更是时代背景、政治哲学以及对.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有