问题

如何走通企业数智化落地的“最后一公里”,让无人工厂不再纸上谈兵?

回答
“最后一公里”是数智化落地中最让人头疼,也是最能体现企业真功夫的地方。无数光鲜亮丽的PPT,最后都倒在了这一关。无人工厂,更是这“最后一公里”里的终极挑战,一旦落地,那简直是神话。

那到底怎么才能把这“最后一公里”走通,让无人工厂不再是实验室里的模型,而是厂房里轰鸣的现实呢?我琢磨了这么些年,总结下来,关键在于“软硬兼修,人机共生,流程重塑,迭代优化”。听起来有点空,咱们得一点点掰开了说。

一、 软硬兼修:数字神经末梢的精准连接

很多时候,我们卡在“最后一公里”,是因为硬件没跟上,或者软件没“落地”。这就像一个人,有了聪明的脑子(软件),但手脚不听使唤(硬件),自然做不了事。

硬件得“听话”:
传感器无处不在,但又“隐藏”得好: 想象一下,一个真正的无人工厂,那得像人体一样,每个关键节点都有“感知器官”。温度、湿度、压力、震动、位置、速度……这些数据都得实时、准确地采集。这就需要大量的传感器。但问题是,传统工厂里这些传感器很多是外挂的,看起来突兀,维护麻烦,数据质量参差不齐。
“原生”集成是王道: 最理想的状态是,传感器、执行器、控制系统,甚至是设备本身,在设计制造之初就考虑了数智化的需求。比如,新产线的设备就集成了高精度传感器,预留了数据接口,甚至有内置的计算单元。设备出厂就像带了“数字身份证”,自带全套“体检报告”。
老设备“焕新”的艺术: 当然,不可能所有设备都推倒重来。这就需要我们在老设备上进行“技改”。这可不是简单地加个“盒子”上去。需要评估设备的技术状况、改造的可行性、成本效益。可能需要重新设计设备的连接方式,给它加上“智能手臂”(机器人),或者给它装上“数字眼睛”(视觉识别系统)。重点是,改造后的硬件必须能稳定、可靠地输出高质量的数据,并且能接受指令。
网络是血脉: 别忘了,这些硬件都要通过网络连接。5G、工业以太网、WiFi 6,这些高速、低延迟的网络是关键。光有智能硬件,没法顺畅通信,也等于“哑巴”工厂。网络要做到区域全覆盖,而且要能扛得住工业环境的干扰。

软件得“懂行”:
数据孤岛的“终结者”: 很多工厂,即使上了MES(制造执行系统)、ERP(企业资源计划),数据还是分散在各个系统里,无法互联互通。数智化落地,首先就要打破这些“数据孤岛”。需要建立一个统一的数据平台,把来自设备、MES、ERP、SCM(供应链管理)等各个系统的数据打通、清洗、融合。
AI/ML 的“实战派”: 光有数据不行,得让数据“活”起来。这里的“活”是指,利用AI、机器学习等技术,从数据中提炼价值。比如,预测性维护,不是等设备坏了再修,而是通过分析震动、温度等数据,提前知道哪个部件可能要坏,及时更换。工艺参数的优化,也不是凭经验,而是通过算法分析大量生产数据,找到最佳的加工参数。
数字孪生的“灵魂”: “数字孪生”听着高大上,其实就是对工厂的物理实体进行全方位的数字化映射,包括设备、生产线、仓库,甚至人员的流动。有了数字孪生,我们可以在虚拟世界里模拟生产过程,测试新的工艺,优化排程,预演故障,而不会影响真实的生产。这是“预知风险、优化决策”的关键。
人机交互的“顺畅感”: 即便是“无人工厂”,也总有需要人介入的时候。操作界面的设计要直观易懂,即使是临时顶替的工人,也能快速上手。指令的下发、状态的反馈,都要清晰明了。避免那种“看了半天不知道干啥”的设计。

二、 人机共生:从“替代”到“协同”的哲学转变

“无人工厂”这个词,很容易让人产生误解,以为是要把所有人都赶走。实际上,成功的数智化落地,尤其是走向“无人工厂”的过程,一定是“人机共生”的。

岗位的“升级”而非“消失”: 机器取代重复、危险、低附加值的劳动,这已经是趋势。但人的价值在哪里?在于判断、创新、复杂决策和临机应变。当机器人负责搬运、装配、焊接时,人就可以去做设备的监控、异常的处理、工艺的优化、质量的判定,甚至是我们目前还想不到的更高级的工作。
技能的“重塑”与“赋能”: 那些在流水线上拧螺丝的工人,可能要转型成为机器人操作员、数据分析员、设备维护工程师。企业需要有完善的培训体系,帮助员工掌握新技能。这不仅是为数智化落地培养人才,也是对员工负责。培训不能只是“形式”,而是要实实在在的“赋能”,让员工觉得,数智化让他们变得更值钱,而不是被淘汰。
信任机制的建立: 机器再智能,也需要人的监督和最终决策。比如,在视觉检测中,AI判定的“次品”,最终是否真的需要报废,可能还需要人工复核。建立一个人与机器之间相互信任、相互验证的机制非常重要。这需要清晰的流程和权限划分。

三、 流程重塑:打破陈规,拥抱效率

数智化不是给旧流程“加个壳”,而是要革新旧流程,甚至重塑生产模式。

“拉式”生产的精髓: 传统的“推式”生产,是按照计划往前推,容易造成库存积压和资源浪费。数智化,尤其是结合了IoT和大数据分析,可以实现更精准的“拉式”生产,即根据实际需求和生产状态,去驱动生产。比如,物料消耗到一定程度,自动触发采购和补货;某个工序提前完成,自动向后一个工序“拉取”任务。
动态排程的魔力: 计划赶不上变化,这句话在传统工厂太真实了。但有了数智化平台,可以实现动态的生产排程。当有紧急订单、设备故障、物料短缺时,系统能够快速响应,自动调整生产计划,重新分配资源,最大限度地降低对整体生产的影响。
全生命周期的协同: 从设计、采购、生产、质检、仓储、物流,到售后服务,数智化应该贯穿整个价值链。比如,设计环节就可以通过数字孪生与生产环节协同,提前发现潜在的生产问题。质检环节的数据反馈给生产,用于实时调整工艺参数。

四、 迭代优化:没有终点,只有持续进化

数智化落地,特别是无人工厂的建设,是一个持续演进的过程,而不是一个一蹴而就的项目。

小步快跑,快速验证: 不要想着一步到位建一个完美无缺的无人工厂。从一个小的、关键的场景入手,比如某个工序的机器人自动化,或者某个关键设备的预测性维护。成功了,再逐步推广;不成功,及时复盘,调整策略。
数据驱动的反馈闭环: 所有的数智化应用,最终都要回归到数据。要建立一个数据反馈的闭环:应用上线 > 产生数据 > 分析数据 > 验证效果 > 优化应用 > 再次上线……这个循环越快,企业的学习能力就越强。
拥抱变化,保持敏捷: 技术发展日新月异,市场需求也在不断变化。数智化系统必须具有良好的开放性和扩展性,能够快速地接入新技术,适应新需求。企业文化也要鼓励创新和试错,允许系统在实践中不断“学习”和“进化”。

总结一下,要走通企业数智化落地的“最后一公里”,让无人工厂不再纸上谈兵,核心在于:

硬件要“听话”且“原生”,软件要“懂行”并“互联”。
人不是被取代,而是被“升级”,成为人机协同的“指挥者”。
流程要“重塑”,打破僵化的旧模式,拥抱动态高效的新范式。
数智化是“一场马拉松”,需要持续的迭代优化和拥抱变化。

这其中的每一步都充满了挑战,需要战略定力、技术投入、组织变革,更需要敢于实践和持续学习的精神。当这些要素真正融会贯通,无人工厂的轰鸣声,才会在现实的车间里,真正地响起来。

网友意见

user avatar

科学技术是第一生产力,技术革新推动制造业升级

1913年4月1日,世界上第一条流水装配线在福特汽车工厂诞生。借助高效的流水线,汽车价格从800美元降到300美元。自此以后,汽车不再是富人的专利,它走进了千家万户。

后来,以日本丰田提出“精益生产”理念为代表,产品质量在这一时期得到了大幅改善,消费端产品形态也更加丰富多元,马路上奔驰的不再是千篇一律的黑色汽车,更多款式、更多型号的汽车纷纷涌现。



为应对去年特殊情况,世界各国的劳动人民们各显神通,他们在家庭小作坊制作口罩,在整洁的工间里缝制口罩,还有的企业紧急改造原有生产线,全自动生产口罩。



从刚才的两个例子可以看到,运用标准化流程和更高效的工业设备,我们能够极大地提高生产效率,降低产品的生产成本。这和题中的数智化落地又有什么关系呢,不妨先回顾历史,再了解下相关政策。



当前我们正在步入工业革命 4.0 阶段,以5G、人工智能、大数据、云计算、物联网、区块链等为代表的数智技术逐渐走向成熟,引领制造业再次升级,人与机器之间的交互从体力上的协同升级为脑力(决策)上的协同,从而迈向智能化生产阶段。技术革新不仅带来生产效率的提升,还将进一步提高供需之间的适配性,满足需求侧个性化和求新求变的消费趋势,为用户带来更好的消费体验。


为了实现智能制造,需要

  1. 整合数智技术完成信息从采集、传输、存储、分析到反馈的闭环流程;
  2. 数智技术与制造技术的双向融合。



数智技术是推动智能时代信息产业发展的技术集合,包括更低成本的信息采集设备,高带宽低延时的5G传输技术、万物互联的IoT技术、大容量存储和高性能计算的云服务,以及对海量信息高效分析的人工智能技术等,它们与制造技术融合应用推动制造业数字化转型进程,引领制造业完成“智”升级的战略目标。

走完智能制造信息闭环主要经历三大阶段——数字化、网络化和智能化

  1. 利用信息采集技术,包括 MEMS 传感器、智能摄像头、智能终端等感知设备实现物理世界数字化过程;
  2. 结合5G、物联网等通信传输技术完成不同节点间低成本的高效连接和交互,加速数据的流通和共享;
  3. 基于云边计算和人工智能技术,进行低成本存储、处理海量数据资源,并通过智能化分析形成一系列决策指令,以指导价值链各环节的企业活动。

其中,每一阶段的完成程度决定下一阶段技术的应用价值,换句话说,数字化和网络化是企业实现智能化的必要前提。

智能制造是在数据驱动下完成“获取信息、抽象知识、形成认知到解决问题”的过程。数据是获取知识的基本要素,洞察关键数据的内在关系是形成决策的前提,这就要求企业在数智技术应用中要融合对制造技术的认知,深刻了解生产工艺特点、掌握制造流程变化,才能进行高质、高效的数据采集和积累,在此基础上才能真正走完上述信息闭环。


在新旧动能交替之际,主要国家都将制造业升级作为战略重心和博弈焦点,智能制造成为主要抓手,从国家到企业纷纷谋篇布局,相继出台政策方针、实施规划,希望通过数智技术创新和应用提升制造业竞争水平,强化国家综合国力,抢占未来经济和科技发展制高点。





光说背景与概念会有些抽象,接下来结合具体的案例为朋友们进行展示。


AI全生态+云边端全流程助力智能制造,以京东方为例

我的研究方向正是边缘智能,希望在云边端协作的前提下,部署计算机视觉算法帮助人们完成任务。制造业中有很多相关场景,比如:瑕疵检测、异物检测、精密加工、产能预测、园区管理等。

就以我现在面对着的这块屏幕为例,世界上有四分之一的屏幕来自京东方。为了生产优质屏幕,缺陷检测是很重要的环节。此前的传统检测方式是通过电学或光学设备对产品进行测试比对来判断是否与初始设计相符,但这只能对缺陷进行定位,要获知缺陷严重程度、引发原因以及是否可修复,则仍需人工干预。

因为需要人的参与,那么人工检测流程也会有人带来的不足

  • 人力成本高,培训一名熟练的检测工程师需要数月时间;
  • 人很容易疲劳,即便精通全部工艺流程的工程师,每天面对上万张的复杂图像,检测准确率也会大打折扣,要不怎么类似的鉴黄师岗位总是干不长久呢;
  • 人类的眼睛是有局限性的,工艺飞速发展,缺陷类型越来越多,许多已经很难用肉眼发现,一旦关键缺陷未被检出,就会造成整体不良率的上升。

为此,京东方一开始选择增加人手,培训大量检测工程师来确保产品质量。比如某产线每天安排36个工程师,三班倒轮换来保证检测效率和准确率,但这无疑会带来巨大的成本支出,也难以确保精准且稳定的检测结果。

为解决这一日渐困扰产能和品质提升的难题,京东方尝试减少人的干预,自主研发了基于深度学习方法的自动化缺陷分类 (Automated Defect Classification, ADC)系统,与英特尔一起,利用边缘计算提升缺陷检测效率。


在新的AI缺陷检测系统中,历史积累的图像以及由自动光学检测(Automated Optical Inspection, AOI)等设备采集的图像,都会由边缘服务器预处理后汇入数据中心,并使用 ResNet、Faster-RCNN等图像检测和分类算法进行训练,输出的模型会被部署到边缘服务器中。

在实际生产过程中,AOI等设备采集的图像被输入边缘服务器后,服务器将选择合理的模型对其实施推理,并执行图像标注、不良分类、缺陷识别、趋势分析以及质量预警等任务,最终将结果输出到工程师的监控大屏上。

为有效提升AI缺陷检测系统的工作效能,硬件方面引入英特尔®至强®可扩展处理器作为其边缘服务器的核心计算引擎,集成了英特尔®高级矢量扩展512(英特尔® AVX-512)等技术,对深度学习推理任务中的密集计算提供特定硬件加速支持。引入了面向英特尔架构优化的特殊版本PyTorch框架,以及OpenVINO™工具套件,为检测提供软件调优支持,工具套件也针对OpenCV图像处理库的指令集进行了全方位优化。

这款基于云边协同的新AI缺陷检测系统效果如何呢?根据京东方智能工厂解决方案技术专家的说明,一线反馈表示该系统不仅在检测准确率上取得了高达96%的优异成绩,同时还使人工替代率达到了70%。


什么是无人工厂,这其实就是无人工厂在一处细节的反映。

我们为机器赋予眼和脑,教会它们如何工作,把生产线上的工程师从枯燥的重复劳动中解放出来,让他们有时间选择做自己喜欢的事情。因为这些手段,或许我们会少几位特定领域的工匠,但我们确确实实还获得了更高的效率。


如何落地,不再纸上谈兵

企业数智化其实分为两个层面,数字化和智能化。需要使用信息采集设备,高带宽低延时的传输技术、万物互联的IoT技术、大容量存储和高性能计算的云服务,以及对海量信息高效分析的人工智能技术等,它们与制造技术融合应用推动制造业数字化转型进程。

京东方对屏幕和精密器件使用AI进行缺陷检测的这个案例其实反映了上述的每一点。原有的人工方法效率太低,设计并部署自动化处理流程,而随着企业规模增大产品需求增多,传统自动化方法不足以应对新场景。为了满足总体管控需求,通过云边端架构进行管理;为了满足算法实时性需求,从硬件选型,框架改造,算法开发等各个方面进行优化;为了应对算法迭代更新需求,把算法训练和模型选择合理调度到云边端设备。

可以看到,现实工业生产场景中的数智需求可能并没有想象中那么高大上,不会飘在高高的云端,这些任务可能非常具体,需要我们从全流程出发进行设计,然后在每个环节进行逐一优化。而像英特尔这样具有成熟AI全生态链和丰富优化经验的企业,或许能够帮助企业更好的完成数智化转型。限于篇幅的原因,这次只介绍了京东方用英特尔的边缘计算平台实现缺陷检测智能算法的案例,但其实我还看到了非常多的合作案例,之后有时间再逐个介绍,敬请期待~


人工智能的第三次浪潮,已经给我们带来了太多的惊喜。计算模式在集中式计算和分布式计算之间不断摇摆,往复式发展前进。

不论是数据、算力、还是通信,我们的资源总是相对有限,通过云边端协同,压榨硬软件潜力,我们能使用落地场景的有限资源创造更大的价值。

科技的发展,将人们从重复繁杂的劳动中解放出来,朝着更美好更自由的生活而前行。



参考资料

《数智技术驱动智能制造白皮书(数字化转型白皮书)》 上海市人工智能技术协会,商汤科技 2021

《制造业数字化转型路线图(征求意见稿)》 中国电子技术标准化研究院 2021

《京东方案例-强化工业互联网边缘计算能力 收获产能与品质双赢》 英特尔

类似的话题

  • 回答
    “最后一公里”是数智化落地中最让人头疼,也是最能体现企业真功夫的地方。无数光鲜亮丽的PPT,最后都倒在了这一关。无人工厂,更是这“最后一公里”里的终极挑战,一旦落地,那简直是神话。那到底怎么才能把这“最后一公里”走通,让无人工厂不再是实验室里的模型,而是厂房里轰鸣的现实呢?我琢磨了这么些年,总结下来.............
  • 回答
    老罗又双叒叕被限制消费了,这消息一出来,很多人可能又会像看戏一样围观。毕竟,自从他宣布要用直播带货还债以来,他的每一次动态都能引起不小的关注度。那么,这件事情到底该怎么看?直播带货这条路,对罗永浩来说,究竟能不能走通?咱们得好好掰扯掰扯。首先,咱们得捋一捋这“被限制消费”是怎么回事。简单来说,就是当.............
  • 回答
    日本高中留学生如何在英语科目换成中文的情况下考上大学?许多在中国接受过良好中学教育的留学生,在面对日本大学入学考试(特别是旧称为“センター試験”,现已更名为“大学入学共通テスト”)时,都会遇到英语科目是否能以中文替代的问题。尤其是当留学生在中学阶段的英语基础相对薄弱,而中文基础却非常扎实时,这种考量.............
  • 回答
    通厕器握把案重审改判:一杯沸水,冷暖自知近日,一则关于“通厕器握把名义制售枪支散件案”重审改判的新闻,如同往日一杯滚烫的热水,此刻却让不少人感到一种难以言喻的“冷”。案件本身跌宕起伏,主人公从最初的“无罪”到“有罪”,再到重审后的五年有期徒刑,最终以“取保候审”结束,这其中的每一个转折,都像是在冰面.............
  • 回答
    “通俄门调查结束”这个说法,其实是个挺复杂的事情,不能简单地用“是”或“否”来概括。准确来说,是特别检察官穆勒的调查报告发布,标志着“通俄门”这一特定调查阶段的结束,但并不意味着围绕这件事的所有疑问和争论就此烟消云散。咱们一点一点说清楚。首先,要理解“通俄门调查”是什么。它的核心是围绕两个主要问题展.............
  • 回答
    申通这次对京东封杀事件的回应,尤其是那句“京东封杀半个快递圈,不会是最后一次”,着实把事情推到了一个更值得玩味、也更具戏剧性的境地。它不再是单纯的对某一个商业行为的辩解,而是上升到了行业规则、竞争格局甚至未来趋势的讨论。咱们不妨一层一层地扒一扒这背后的逻辑和可能的影响。首先,这句话本身就很有“说法”.............
  • 回答
    博通有意以高达1300亿美元的价格收购高通,这个消息一经传出,立刻在全球半导体行业掀起了巨大的波澜。这不仅仅是一场简单的商业并购,更是一次可能重塑行业格局的“巨无霸”式整合,其潜在的影响深远而复杂。一、 为什么是博通盯上高通?要理解这场潜在的收购,我们首先得看看博通的战略意图。 瞄准5G核心技术.............
  • 回答
    这事儿,要细说起来,可真是让人挺不是滋味的。申通快递员那种扔包裹的行为,本身就是一种不负责任的表现,对咱们消费者来说,东西送到手上的时候,心里面总得有点盼头吧?结果你给我来这么一手,摔摔打打,心里肯定膈应。更让人炸毛的是,这小哥嘴里说出来的那句“每单十来块不敢保证质量,建议发顺丰”,这话一听,可不就.............
  • 回答
    申通快递员入室打人事件,这事儿啊,说实话,真让人挺窝火的。咱们老百姓辛辛苦苦寄个东西,或者等个包裹,结果遇上这种事,谁心里能舒坦?这事儿可不是小事,里面牵扯到的问题,细细掰扯开来,可不止是快递员个人行为那么简单。事件本身:咱们先说说这事儿是怎么发生的。一般情况下,快递员送货,无非就是敲门、打电话,然.............
  • 回答
    申通的分拣机器人,说实话,是个挺有意思的话题,也挺能代表国内快递行业在自动化浪潮下的一次重要实践。要评价它,得从几个维度来看,不能一概而论。首先,它带来的最直观的好处,就是“快”和“准”。过去我们看到的快递分拣,基本就是靠人力。几十号人站在流水线上,根据包裹上的地址信息,一件件往不同的转运通道里扔。.............
  • 回答
    关于“通俄门”调查的完成,以及特别检察官穆勒报告未作出进一步刑事指控,这无疑是过去几年里美国政治中最为复杂和备受瞩目的事件之一。要理解这件事的意义和影响,我们需要从多个维度来审视。首先,调查的背景和穆勒报告的核心内容。“通俄门”调查的起点是2016年美国总统大选期间,美国情报界得出结论,俄罗斯政府试.............
  • 回答
    要评价詹姆斯·科米(James Comey)在“通俄门”调查中的证词,我们需要从多个角度深入剖析,并且要尽量避免那种生硬、不自然的AI痕迹。让我们一步步来细看。首先,科米证词的核心内容是什么?科米在参议院情报委员会的听证会上,最引人注目的部分是他描述了与时任总统特朗普之间的一系列互动。他详细陈述了特.............
  • 回答
    关于腾讯即通应用部年会出现低俗活动的事件,我将从多个角度为您进行详细的分析和解读。事件回顾与背景首先,我们需要明确“低俗活动”的具体内容。虽然具体的活动细节可能未被公开,但根据媒体报道和公众的讨论,通常指向的是一些带有性暗示、低级趣味、侵犯个人尊严或违反社会公序良俗的表演、游戏或言论。腾讯即通应用部.............
  • 回答
    “大帅币”与美龄宫:一次历史的回响与现实的碰撞沈阳盛京通公司最近推出的张作霖“大帅币”交通卡,无疑在城市生活中激起了一阵涟漪。这张卡片将近代传奇人物张作霖的形象与日常的交通支付相结合,试图在城市文化与现代生活之间搭建一座桥梁。然而,当我们将其与南京的美龄宫相提并论时,却能发现两者在历史语境、文化内涵.............
  • 回答
    这事儿,说实话,挺有意思的。用现在流行的话说,就是“内卷到极致了”。韵达、申通、圆通这几家老牌快递公司联手对付新来的极兔,这背后可不是简单的同行打压,而是牵扯到市场份额、成本控制、以及它们各自背后错综复杂的利益链条。为什么会联手?要理解这个“联手”,咱们得先看看极兔是怎么来的。极兔速递,从名字上看就.............
  • 回答
    格蕾塔·通贝里,这个名字在全球范围内激起了无数的涟漪。她不是传统意义上的政治家,也不是在学术界声名显赫的专家,但她却以一种近乎惊人的力量,将“气候变化”这一曾经被许多人视为遥远或可以缓行的议题,直接、尖锐地抛到了公众和决策者面前。初露锋芒:从一个人的抗议到全球运动一切始于2018年8月20日,斯德哥.............
  • 回答
    清华大学阎学通教授提出的“两超多强”对未来世界格局的判断,可以说是对传统多极化理论的一次重要修正和深化。这个观点之所以值得细致解读,是因为它触及了当前国际关系演变的关键驱动力和未来力量分布的实质性特征。首先,我们来理解一下“两超多强”的核心含义。阎学通教授之所以提出这个概念,是基于他对当前世界发展态.............
  • 回答
    西安市一码通的再次崩溃,无疑给这座古都的市民带来了极大的不便和困扰。这已经不是第一次出现类似的情况了,每一次的故障都像是在给本就紧张的社会神经再添一把火。首先,我们得从“一码通”本身的功能说起。 这个系统最初的目的是为了方便市民出行,整合健康码、核酸记录、行程码等多种信息,实现“一码在手,通行无忧”.............
  • 回答
    朋友,很高兴能和你一起探讨数学的乐趣!你说想证明一个公式的通项公式,这可是件有意思的事儿。不过,你还没有告诉我具体是哪个公式呢!通项公式,顾名思义,就是描述一个数列、一个序列或者一个递归关系中,第 $n$ 项的值与 $n$ 本身的关系的表达式。比如,等差数列的通项公式是 $a_n = a_1 + (.............
  • 回答
    好的,我们来聊聊如何把数列的“通项公式”给找出来。这就像是给一个数列找到了它的“身份证号码”,一旦知道了这个号码,你就能算出它任何一个位置上的数字是多少,无论它藏得多深。什么是“通项公式”?简单来说,通项公式就是用一个数学表达式,把数列中的任何一项(我们通常用 $a_n$ 来表示第 $n$ 项)和它.............

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

© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有