雷鋒網(wǎng)按：在第三次人工智能浪潮如火如荼之時(shí)，正確理解目前AI的應(yīng)用能力、發(fā)展?fàn)顟B(tài)以及與市場預(yù)期之間的距離，顯得尤為必要。

基于此，中國人工智能學(xué)會(huì)聯(lián)合國外研究機(jī)構(gòu)羅蘭貝格梳理了人工智能在20個(gè)行業(yè)的80個(gè)具體應(yīng)用場景，并對(duì)AI領(lǐng)域的初創(chuàng)企業(yè)管理人、各行業(yè)內(nèi)企業(yè)經(jīng)理人、AI研發(fā)人員進(jìn)行了多方訪談，并于近日發(fā)布了《中國人工智能創(chuàng)新應(yīng)用白皮書》（以下簡稱“白皮書”）。

白皮書指出，中國AI企業(yè)的發(fā)展勢頭良好，在全球處于優(yōu)先地位；金融、汽車、醫(yī)療和零售將是受AI影響最大、同時(shí)最具成熟發(fā)展基礎(chǔ)與市場應(yīng)用潛力的傳統(tǒng)產(chǎn)業(yè)，制造、教育和通信行業(yè)也值得關(guān)注。

報(bào)告原文，請(qǐng)關(guān)注“雷鋒網(wǎng)”公眾號(hào)，回復(fù)“AI白皮書”關(guān)鍵詞，即可獲取。

AI產(chǎn)業(yè)發(fā)展?fàn)顩r

根據(jù)中國人工智能學(xué)會(huì)、羅蘭貝格統(tǒng)計(jì)，去年全球人工智能融資總額達(dá)49.68億美元。預(yù)估2025年全球人工智能市場規(guī)模將達(dá)30610億美元。

從技術(shù)方面來看，目前主攻AI方向的企業(yè)主要分為兩類：專注于技術(shù)研發(fā)的通用型人工智能企業(yè)，如DeepMind、 Facebook AI Research、Google Brain與Baidu AI等； 專注于AI技術(shù)應(yīng)用的專用型人工智能企業(yè)。 

從應(yīng)用方向來看，目前，金融、醫(yī)療、汽車和零售行業(yè)的應(yīng)用場景相對(duì)成熟，在這幾塊的融資熱度也較高。

以自動(dòng)駕駛領(lǐng)域?yàn)槔?，谷歌、百度、特斯拉、奧迪等科技和傳統(tǒng)巨頭紛紛加入；AI在金融領(lǐng)域的智能風(fēng)控、智能投顧、市場預(yù)測、信用評(píng)級(jí)等領(lǐng)域都有了成功的應(yīng)用；在醫(yī)療領(lǐng)域，AI算法被應(yīng)用到新藥研制，提供輔助診療、癌癥檢測等方面都有了突破性進(jìn)展。

而從地域發(fā)展方面來看，全球領(lǐng)先的創(chuàng)新高點(diǎn)散落在各個(gè)國家，尤以美國（紐約和硅谷）、英國（倫敦）、以色列和中國（北上深）最為突出。

以中國在全球范圍的狀況為例，總體來看，中國AI企業(yè)的發(fā)展勢頭良好，在全球處于優(yōu)先地位。中國的AI企業(yè)數(shù)量、專利申請(qǐng)數(shù)量以及融資規(guī)模均僅次于美國，位列全球第二。

依上表可知，在國內(nèi)，計(jì)算機(jī)視覺、服務(wù)機(jī)器人和自然語言處理方向的AI企業(yè)占據(jù)了全國所有AI企業(yè)的一半以上，共占比55%。而北京、上海、深圳作為國內(nèi)AI創(chuàng)新的高地，其相關(guān)企業(yè)數(shù)量占據(jù)企業(yè)總數(shù)的80%。

AI商業(yè)應(yīng)用現(xiàn)狀

跟據(jù)中國人工智能學(xué)會(huì)、羅蘭貝格預(yù)測，從定量的角度來看，至2030年，AI將在中國產(chǎn)生10萬億元的產(chǎn)業(yè)帶動(dòng)效益。根據(jù)二者的估算，AI帶來最大影響的傳統(tǒng)產(chǎn)業(yè)將會(huì)是金融、汽車、零售和醫(yī)療。

具體來看四個(gè)行業(yè)未來將受AI影響的增益價(jià)值的增加情況：

• 在金融行業(yè)，通過AI技術(shù)在風(fēng)險(xiǎn)控制、資產(chǎn)配置、智能投顧等方向的應(yīng)用，預(yù)計(jì)AI將帶來約6000億元人民幣的降本增益效益。

• 在汽車行業(yè)，AI在自動(dòng)駕駛上的技術(shù)突破將帶來約5000億元人民幣的價(jià)值增益。

• 在醫(yī)療行業(yè)，通過AI技術(shù)在藥物研發(fā)領(lǐng)域提高成功率、在醫(yī)療服務(wù)機(jī)構(gòu)內(nèi)提供疾病診斷輔助、疾病監(jiān)護(hù)輔助等提高服務(wù)效率的應(yīng)用，預(yù)計(jì)AI可以帶來約4000億元人民幣的降本價(jià)值。

• 在零售行業(yè)，AI在推薦系統(tǒng)上的運(yùn)用將提高在線銷售的銷量表現(xiàn)，同時(shí)更加精準(zhǔn)的市場預(yù)測將降低庫存成本，預(yù)計(jì)AI技術(shù)將帶來約4200億元人民幣的降本與增益價(jià)值。 

為了進(jìn)一步評(píng)估各個(gè)行業(yè)應(yīng)用AI的準(zhǔn)備程度，中國人工智能學(xué)會(huì)和羅蘭貝格還對(duì)AI領(lǐng)域的初創(chuàng)企業(yè)高管、各行業(yè)企業(yè)經(jīng)理人、AI研發(fā)人員進(jìn)行了訪談。此次訪談是基于各行業(yè)的組織結(jié)構(gòu)基礎(chǔ)，數(shù)據(jù)、工作流和技術(shù)基礎(chǔ)以及人工智能應(yīng)用基礎(chǔ)三者基礎(chǔ)之上，建立的評(píng)分體系。最終訪談結(jié)果可見上圖。

從結(jié)果上看，金融、零售、醫(yī)療與汽車行業(yè)的發(fā)展基礎(chǔ)最為扎實(shí)，應(yīng)用潛力也高于其他行業(yè)。

金融行業(yè)擁有良好的數(shù)據(jù)積累，在自動(dòng)化的工作流與相關(guān)技術(shù)的運(yùn)用上也有不錯(cuò)的成型成效。醫(yī)療行業(yè)擁有多年的醫(yī)療數(shù)據(jù)積累與流程化的數(shù)據(jù)使用過程，因此在數(shù)據(jù)與技術(shù)基礎(chǔ)上有著很強(qiáng)的優(yōu)勢。汽車行業(yè)已經(jīng)開始利用AI技術(shù)布局自動(dòng)駕駛、輔助駕駛技術(shù)，因此在組織基礎(chǔ)與AI應(yīng)用基礎(chǔ)上有著很好的優(yōu)勢。零售行業(yè)在組織結(jié)構(gòu)、數(shù)據(jù)積累、AI應(yīng)用方面都有一定基礎(chǔ)，處于相對(duì)均衡的發(fā)展?fàn)顟B(tài)。 

AI產(chǎn)業(yè)應(yīng)用場景案例舉例

1、AI在汽車行業(yè)的應(yīng)用場景舉例介紹

• 整車的智能營銷

以美國的Automotive Mastermind公司為例，其是一家服務(wù)于汽車生產(chǎn)商和經(jīng)銷商的技術(shù)開發(fā)商和服務(wù)提供商。

在整車營銷中，該公司將AI技術(shù)貫穿其中。具體的實(shí)施路徑為：搜集社會(huì)人口學(xué)特征、社交網(wǎng)絡(luò)、市場數(shù)據(jù)、產(chǎn)品生命周期等大數(shù)據(jù)；利用自有的行為預(yù)測評(píng)分算法對(duì)超1000個(gè)數(shù)據(jù)點(diǎn)進(jìn)行清洗和分析；對(duì)消費(fèi)者進(jìn)行排名，篩選出目標(biāo)消費(fèi)者；梳理出消費(fèi)者的關(guān)鍵驅(qū)動(dòng)因素，包括金融預(yù)算、購買動(dòng)機(jī)、產(chǎn)品性能、保障條款等；推薦對(duì)該消費(fèi)者最有效的線上或線下營銷手段；實(shí)現(xiàn)按需生產(chǎn)、銷售。

數(shù)據(jù)表明，使用Automotive Mastermind公司服務(wù)的企業(yè)，銷售收入提升了30%，客戶留存率提高了16.7%。

• 數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品優(yōu)化 

利用各類感知設(shè)備收集的產(chǎn)品運(yùn)營狀態(tài)、事故率、 生命周期等數(shù)據(jù)，結(jié)合產(chǎn)品本身的生產(chǎn)、質(zhì)量等方面數(shù)據(jù)，分析出最優(yōu)的產(chǎn)品設(shè)計(jì)方案。

例如在特斯拉未來的理想情景下，“如果一輛特斯拉汽車因材料不夠厚被撞 掛了，第二天所有的Model S都會(huì)自動(dòng)變厚2英寸”。 

• 銷量預(yù)測驅(qū)動(dòng)的智能生產(chǎn)優(yōu)化

結(jié)合機(jī)器學(xué)習(xí)預(yù)測模型對(duì)銷量的預(yù)測和智能設(shè)備產(chǎn)生生產(chǎn)數(shù)據(jù)，通過云計(jì)算得出實(shí)時(shí)最優(yōu)生產(chǎn)計(jì)劃與節(jié)奏。

收集的生產(chǎn)數(shù)據(jù)包括：智能機(jī)器及時(shí)反饋的生產(chǎn)和閑置狀況、智能倉庫實(shí)時(shí)監(jiān)測的庫存情況、智能調(diào)研系統(tǒng)動(dòng)態(tài)預(yù)測的整車和零部件需求等。

• 零部件的預(yù)測性維修

預(yù)測性維修是將狀態(tài)監(jiān)測、故障診斷、狀態(tài)預(yù)測和維修決策多位合為一體的系統(tǒng)過程，通過收集大量運(yùn)行狀態(tài)信息和運(yùn)用預(yù)測模型，來實(shí)現(xiàn)零配件的提前維修更換。

加拿大企業(yè)Ansik于2013年成立，旗下軟件PitStop可預(yù)測零件故障。該公司向企業(yè)代理商和維修站銷售一款接入汽車的插件和一個(gè)附屬手機(jī)APP， 以此搜集實(shí)時(shí)發(fā)動(dòng)機(jī)和傳感器數(shù)據(jù)和其他監(jiān)測信息，觀測性能狀況并推斷汽車故障可能。

如果數(shù)據(jù)顯示汽車將出現(xiàn)問題，會(huì)通知用戶停車檢修，同時(shí)提供來自維修站的修理建議。 

• 駕駛輔助系統(tǒng)

駕駛輔助系統(tǒng)是汽車人工智能領(lǐng)域目前最為火熱的方向。在感知層面，其利用機(jī)器視覺與語音識(shí)別技術(shù)感知駕駛環(huán)境、備識(shí)別車內(nèi)人員、理解乘客需求；在決策層面，利用機(jī)器學(xué)習(xí)模型與深度學(xué)習(xí)模型建立可自動(dòng)做出判斷的駕駛決策系統(tǒng)。 

按照機(jī)器介入程度，無人駕駛系統(tǒng)可分為無自動(dòng)駕駛(L0)、駕駛輔助(L1)、部分自動(dòng)駕駛(L2)、有條件自動(dòng)(L3)和完全自動(dòng)(L4)五個(gè) 階段。

目前，技術(shù)整體處于多個(gè)駕駛輔助系統(tǒng)融合控制、可監(jiān)控路況并介入緊急情況(L2)向基本實(shí)現(xiàn)自動(dòng)駕駛功能(L3)的轉(zhuǎn)變階段。

2、AI在醫(yī)療行業(yè)的應(yīng)用場景舉例介紹

• 醫(yī)美、齒科等機(jī)構(gòu)基于購買預(yù)測的精準(zhǔn)營銷 

醫(yī)美、齒科機(jī)構(gòu)通過客戶購物、瀏覽等軌跡和客戶年齡、交易量、使用習(xí)慣等數(shù)據(jù)的智能匹配，可以從不同方面來了解潛在客戶的情況。

以愛爾康為例，其通過建立采集數(shù)據(jù)的工具，整合和匹配老會(huì)員的數(shù)據(jù)，對(duì)會(huì)員的線上線下數(shù)據(jù)進(jìn)行整合， 跟蹤用戶行為，深入挖掘數(shù)據(jù)，描繪出360畫像， 取得了微信粉絲增長10083人、微博粉絲增長 10147人、粉絲互動(dòng)140萬次、提升4倍會(huì)員增長速度、會(huì)員活躍度由20%上升到78% 、線下會(huì)員增長占整體會(huì)員增長數(shù)量39%的成績。 

• 數(shù)據(jù)驅(qū)動(dòng)的輔助診斷 

 通過機(jī)器學(xué)習(xí)算法建立多種疾病輔助診斷模型， 人工智能輔助診斷系統(tǒng)會(huì)通過分析患者數(shù)據(jù)來識(shí)別病癥，再根據(jù)大量學(xué)習(xí)的醫(yī)療知識(shí)及經(jīng)驗(yàn)進(jìn)行病情分析，提出診斷意見和疾病轉(zhuǎn)歸預(yù)測預(yù)警評(píng)估。

在AI+輔助診療的應(yīng)用中，IBM Watson是目前最成熟的案例。IBM Watson可以在17秒內(nèi)閱讀3469本醫(yī)學(xué)專著、248000篇論文、69種治療方 案、61540次試驗(yàn)數(shù)據(jù)、106000份臨床報(bào)告，還通過了美國職業(yè)醫(yī)師資格考試，并部署在美國多 家醫(yī)院提供輔助診療服務(wù)。

• 醫(yī)療圖像分析 

AI在此的應(yīng)用主要有兩部分：在感知環(huán)節(jié)應(yīng)用機(jī)器視覺技術(shù)識(shí)別醫(yī)療圖像，減少醫(yī)生讀片時(shí)間；在學(xué)習(xí)和分析環(huán)節(jié)，通過大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對(duì)神經(jīng)元網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)訓(xùn)練。

一個(gè)典型的例子為貝斯以色列女執(zhí)事醫(yī)學(xué)中心 (BIDMC)與哈佛醫(yī)學(xué)院合作研發(fā)的人工智能系統(tǒng)。該系統(tǒng)對(duì)乳腺癌病理圖片中癌細(xì)胞的識(shí)別準(zhǔn)確率 可達(dá)92%，與病理學(xué)家的分析結(jié)合時(shí)，其診斷準(zhǔn)確率可以高達(dá)99.5%。 

• 提高篩選生物標(biāo)志物速度，進(jìn)行藥物有效性、安全性預(yù)測評(píng)估 

通過應(yīng)用開發(fā)虛擬篩選技術(shù)，通過機(jī)器學(xué)習(xí)模型預(yù)測分析藥 物構(gòu)效關(guān)系，取代或者增強(qiáng)傳統(tǒng)的高容量篩選過 程，可以大幅度提高生物標(biāo)志物的篩選速度及成功率，顯著縮短新藥研發(fā)周期，降低新藥研發(fā)的試錯(cuò)成本。

例如，美國硅谷公司Atomwise通過IBM超級(jí)計(jì)算機(jī)分析數(shù)據(jù)庫，并用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分析預(yù)測化合物的構(gòu)效關(guān)系，于研發(fā)早期評(píng)估預(yù)測新藥風(fēng) 險(xiǎn)。其超級(jí)計(jì)算機(jī)可以在幾天之內(nèi)評(píng)估出820萬種藥物研發(fā)的候選化合物。該公司也為制藥、創(chuàng)業(yè)公司和研究機(jī)構(gòu)提供藥物預(yù)測服務(wù)。

3、AI在金融行業(yè)的應(yīng)用場景舉例介紹

• 預(yù)測性風(fēng)控

在銀行業(yè)，AI主要被應(yīng)用于貸前準(zhǔn)入、貸后跟蹤、壞賬預(yù)測等；證券業(yè)主要應(yīng)用于合規(guī)、識(shí)別垃圾注冊(cè)、異常交易監(jiān)測等；保險(xiǎn)業(yè)則主要應(yīng)用于 反欺詐。 

目前，預(yù)測性風(fēng)控已成為AI技術(shù)在金融行業(yè)應(yīng)用最為廣泛的場景，眾多銀行、信用卡中心、P2P 交易平臺(tái)等都在運(yùn)用這項(xiàng)技術(shù)降低逾期與壞賬風(fēng) 險(xiǎn)。 

• 智能交易策略

智能交易的關(guān)鍵在于自主學(xué)習(xí)、推理和決策。其具有一致性和邏輯性，可減少人為疏漏和失誤，并利用不斷自我改進(jìn)的模型和全市場內(nèi)的產(chǎn)品充分分散風(fēng)險(xiǎn)。

以香港AI投資機(jī)構(gòu)Aidyia開發(fā)的交易機(jī)器人為例，其能夠從新聞、政策、社交網(wǎng)絡(luò)在內(nèi)的多渠道獲取數(shù)據(jù)，并借鑒多種AI形式（如受遺傳演化啟發(fā)的計(jì)算、 基于概率邏輯的形式、深度學(xué)習(xí)、神經(jīng)演化等)， 分析之后轉(zhuǎn)化為買賣決策，能夠完全自動(dòng)識(shí)別和 執(zhí)行交易。 

• 智能客服

智能客服可以進(jìn)行簡單問題的直接回復(fù)，從而幫助客服人員能夠集中精力應(yīng)對(duì)高凈值業(yè)務(wù)。

目前，中國農(nóng)業(yè)銀行、中信銀行、中國郵政儲(chǔ)蓄銀行、蘭州銀行、太平洋保險(xiǎn)、廣發(fā)基金、工銀瑞信等銀行及金融機(jī)構(gòu)已經(jīng)開始應(yīng)用智能系統(tǒng)開展24小時(shí)客戶服務(wù)。 

• 智能投顧

智能投顧是根據(jù)客戶理財(cái)需求和資質(zhì)信息、市場狀況、投資品信息、資產(chǎn)配置經(jīng)驗(yàn)等數(shù)據(jù)，基于大數(shù)據(jù)的產(chǎn)品模擬和模型預(yù)測分析等AI技術(shù)，輸出符合客戶風(fēng)險(xiǎn)偏好和收益預(yù)期的投資理財(cái)建議。

目前，銀行系(如廣發(fā)智投、招商摩羯智投)、基金系(如南方基 金超級(jí)智投寶、廣發(fā)基金基智理財(cái)、天弘基金犇跑籃子)、大型互聯(lián)網(wǎng)公司系(如百度金融、京 東智投、同花順)和第三方創(chuàng)業(yè)公司系(如彌財(cái)、 藍(lán)海財(cái)富、拿鐵財(cái)經(jīng))等都在智能投顧上有所應(yīng)用。

4、AI在消費(fèi)品與零售領(lǐng)域行業(yè)的應(yīng)用場景介紹

• 精準(zhǔn)營銷與個(gè)性化推薦系統(tǒng)

通過分析用戶的購買、瀏覽、點(diǎn)擊等行為，結(jié)合各類靜態(tài)數(shù)據(jù)得出用戶的全方位畫像，搭建機(jī)器學(xué)習(xí)模型可預(yù)測用戶何時(shí)會(huì)購買什么樣的產(chǎn)品，并進(jìn)行相關(guān)產(chǎn)品推薦。

以天貓?zhí)詫殲槔?，其?016年創(chuàng)造的一千億人民幣銷售額的背后，就是有一套成熟穩(wěn)定的個(gè)性化推薦系統(tǒng)。

• 智能店鋪管理

通過機(jī)器視覺技術(shù)捕捉分析店鋪客流量與路徑、消費(fèi)者貨柜前行為（如表情和肢體語言、停留時(shí)間、拿貨比貨動(dòng)作）等數(shù)據(jù)，指導(dǎo)店鋪環(huán)境布局與設(shè)計(jì)優(yōu)化、商品陳列和庫存管理、店內(nèi)營銷和服務(wù)內(nèi)容改善以及精準(zhǔn)推送和交叉銷售。 

例如萬達(dá)通過收購飛凡自建技術(shù)團(tuán)隊(duì)、銀泰選擇同阿里巴巴合作獲取數(shù)字化能力、華潤大悅城選擇貓酷作為第三方解決方案提供商，正式加入新零售戰(zhàn)爭時(shí)代。

• 產(chǎn)品銷量預(yù)測與供應(yīng)鏈優(yōu)化

以Zara為例，其打造的極速供應(yīng)鏈系統(tǒng)，可聯(lián)通和協(xié)同從市場調(diào)研到設(shè)計(jì)、打版、制作樣衣、批量生產(chǎn)、運(yùn)輸和零售整個(gè)環(huán)節(jié)的數(shù)據(jù)，實(shí)現(xiàn)產(chǎn)品柔性生產(chǎn)。

此外，Zara還設(shè)有全天候“數(shù)據(jù)處理中心”，可融合每一個(gè)零售網(wǎng)點(diǎn)追蹤的銷售數(shù)據(jù)，以獲取顧客的動(dòng)態(tài)消費(fèi)特性。如果公司在商品上市初期發(fā)現(xiàn)暢銷款或滯銷款，能及時(shí)迅速做出增產(chǎn)或減產(chǎn)決策，從而保持很高的售罄率。 

•  無人超市

亞馬遜的Amazon Go是一個(gè)典型的無人超市案例，它通過自助檢測與跟蹤系統(tǒng)捕捉并追蹤消費(fèi)者在店內(nèi)的所有行為，并在入場和消費(fèi)者身份識(shí)別方面采用人臉識(shí)別確認(rèn)用戶亞馬遜帳號(hào)身份。

在商品位置判斷方面，通過貨架上的紅外傳感器、壓力感應(yīng)裝置、荷載傳感器和攝像頭圖片對(duì)比檢索判斷貨物是否被拿起/放回，以及是否在正確的位置。

在結(jié)算意圖識(shí)別和交易方面，以室內(nèi)定位技術(shù)(圖像以及音頻分析，GPS以及WIFI信號(hào)定 位)判斷商品和人的關(guān)聯(lián)，以綁定的信用卡等支付方式結(jié)算。 

人工智能的發(fā)展史

雖然全世界都在談?wù)揂I，但鮮少有人熟知前兩次AI浪潮遭遇“寒冬”的原因。就此，我們不妨來理一理人工智能的發(fā)展史。具體見下圖。

如上圖，我們可以清楚的看到，AI遭遇的第一次寒冬，是由于當(dāng)時(shí)人類對(duì)AI未來失望、停止資金投入。第二次寒冬則與AI本身有關(guān)——缺乏實(shí)用和商業(yè)應(yīng)用，研究領(lǐng)域陷入困境。

而來到第三次浪潮，數(shù)據(jù)、算法和計(jì)算機(jī)條件漸已成熟，大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)也能為AI的發(fā)展打下良好的基礎(chǔ)。具體驅(qū)動(dòng)因素有以下五點(diǎn)：

• 高質(zhì)量、大規(guī)模的大數(shù)據(jù)為AI技術(shù)的發(fā)展提供了原材料。據(jù)《白皮書》顯示，1986至200年，全球單日信息交換量增長了約220倍，全球信息存儲(chǔ)能力增加了約120倍。

• 計(jì)算力提升突破瓶頸，幫助AI模型可以在更大的數(shù)據(jù)集上運(yùn)行。

• 機(jī)器學(xué)習(xí)算法取得重大突破。以多層神經(jīng)網(wǎng)絡(luò)模 型為基礎(chǔ)的算法，使得機(jī)器學(xué)習(xí)算法在圖像識(shí)別等領(lǐng)域的準(zhǔn)確性取得了飛躍性提升。

• 社會(huì)理解與接受程度廣泛提升。

• 物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算技術(shù)為AI發(fā)展提供了基礎(chǔ)。

雷鋒網(wǎng)結(jié)語

2030年，人工智能將在中國產(chǎn)生10萬億元的產(chǎn)業(yè)帶動(dòng)效益。其中，汽車、金融、醫(yī)療、零售這四大行業(yè)將優(yōu)先享受AI帶來的紅利。

然而，這波紅利能“吃”到多少，或者能“吃”多久，就看各家本事了。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。