AI大模型的白堊紀(jì)

美好的長(zhǎng)假即將過去,我們又該忙起來了。在AI領(lǐng)域,這兩年最忙的一項(xiàng)基礎(chǔ)技術(shù)應(yīng)該非大模型莫屬。

隨著最近AI繪畫、AI生成視頻等能力不斷刷新大眾對(duì)AI技術(shù)邊界的認(rèn)知,站在AI創(chuàng)作家們背后的大模型的地位也跟著水漲船高。轟轟烈烈的“煉大模型”運(yùn)動(dòng)似乎來到了豐收時(shí)節(jié)。

但在大模型愈發(fā)火爆的同時(shí),我們不難看到一個(gè)問題:預(yù)訓(xùn)練大模型雖然在眾多領(lǐng)域都表現(xiàn)出了良好的應(yīng)用效果,但這些效果所產(chǎn)生的商業(yè)價(jià)值,卻很難與大模型的訓(xùn)練成本、基礎(chǔ)設(shè)施投入成本畫上等號(hào)。

事實(shí)上,表面光鮮的大模型正在經(jīng)歷一個(gè)有些艱難的轉(zhuǎn)型階段:大模型不斷表現(xiàn)出的“神奇”效果,引發(fā)了資本、產(chǎn)業(yè)、學(xué)術(shù)界的巨大關(guān)注。隨著一個(gè)又一個(gè)大模型被訓(xùn)練完成,推向市場(chǎng),卻會(huì)發(fā)現(xiàn)大模型的應(yīng)用場(chǎng)景與商業(yè)價(jià)值雖然有,但并不充沛。如何從“煉大模型”,走向“用大模型”,正在成為關(guān)鍵考驗(yàn)。尤其值得注意的是,中國AI行業(yè)對(duì)大模型的投資、建設(shè)更加激進(jìn),那么大模型的應(yīng)用轉(zhuǎn)型考驗(yàn)也將更加顯著、先覺地浮現(xiàn)于中國市場(chǎng)。

AI預(yù)訓(xùn)練大模型在目前階段的境況,讓我想到一個(gè)詞:白堊紀(jì)。

白堊紀(jì)是地質(zhì)年代中,中生代的最后一個(gè)紀(jì)元。這時(shí)候全球開始變暖,大陸架結(jié)構(gòu)開始定型??铸堃琅f統(tǒng)治著世界,但哺乳動(dòng)物已經(jīng)開始活躍。

大模型似乎也處在這樣一個(gè)階段里。被BERT、GPT-3夯定的大模型思路依舊籠罩在AI產(chǎn)業(yè)頭頂。但如何讓大模型走向新的應(yīng)用紀(jì)元,已經(jīng)成為一個(gè)非常熱切,同時(shí)略帶迷茫的必答題。

新物種開始出現(xiàn),老物種依舊占據(jù)主流

在討論大模型的轉(zhuǎn)型之前,我們還是需要用一點(diǎn)篇幅回溯一下大模型的發(fā)展思路與應(yīng)用邏輯。

所謂的預(yù)訓(xùn)練大模型,是指在大規(guī)模寬泛數(shù)據(jù)上進(jìn)行訓(xùn)練的基礎(chǔ)模型。它抓住了深度學(xué)習(xí)算法數(shù)據(jù)越多模型魯棒性越強(qiáng)的基礎(chǔ)特點(diǎn),對(duì)模型進(jìn)行暴力地“數(shù)據(jù)投喂”。經(jīng)過大規(guī)模數(shù)據(jù)的預(yù)訓(xùn)練后,模型可以適應(yīng)更多種類、更為復(fù)雜的下游任務(wù),從而最終獲得更好的智能體驗(yàn)。

大規(guī)模預(yù)訓(xùn)練模型,其實(shí)并不是一種技術(shù)路徑上的創(chuàng)新,而是更接近把握技術(shù)特征之后的工程創(chuàng)新。大模型之路被廣泛認(rèn)可,開始于谷歌在2018年10躍發(fā)布BERT。它利用BooksCorpus和維基百科的大規(guī)模數(shù)據(jù)進(jìn)行模型訓(xùn)練,在11個(gè)下游任務(wù)上刷新了當(dāng)時(shí)的業(yè)界紀(jì)錄。

我們可以將大規(guī)模預(yù)訓(xùn)練模型理解為一種“預(yù)制菜”。既然用戶自己烹飪的難度太高,費(fèi)工費(fèi)火,那就不妨由商家先行預(yù)制。用戶將菜買回后加熱一下,加入自己喜歡的調(diào)料就能上桌食用。大模型的思路也是如此,它通過上游進(jìn)行模型預(yù)訓(xùn)練,下游進(jìn)行任務(wù)微調(diào)的方式來使更多產(chǎn)業(yè)能給應(yīng)用到效果好、質(zhì)量高的AI模型。

而經(jīng)過幾年的發(fā)展,大模型如今已經(jīng)來到了一個(gè)新舊交替的臨界點(diǎn)。這里的新舊交替可以分為兩個(gè)層面進(jìn)行理解。首先大模型本身不斷進(jìn)行技術(shù)層面的革新。我們知道,業(yè)界最具典型性,也最為出圈的大模型OpenAI在2020年5月發(fā)布的GPT-3。這一大模型具有1750億參數(shù),在非常多文本生成類任務(wù)上有著出眾表現(xiàn)。而無論是BERT還是GPT-3,都是自然語言處理領(lǐng)域的大模型。而在GPT-3之后,大模型一方面在模型參數(shù)上不斷提升,同時(shí)也在技術(shù)上進(jìn)行迭代。比如機(jī)器視覺大模型已經(jīng)成為行業(yè)的新主流,同時(shí)多模態(tài)大模型與行業(yè)知識(shí)緊密結(jié)合的大模型開始出現(xiàn)。推動(dòng)大模型的能力覆蓋從語言走向視覺,繼而走向更復(fù)雜的綜合任務(wù)。

另一個(gè)層面的大模型新舊交替,體現(xiàn)在產(chǎn)業(yè)側(cè)對(duì)大模型應(yīng)用的呼喚上。隨著幾年時(shí)間過去,“我們必須趕快有一個(gè)大模型”的熱情開始消退;轉(zhuǎn)而產(chǎn)生了“我們確實(shí)有大模型,然后呢?”這樣的應(yīng)用焦慮。尤其對(duì)于中國市場(chǎng)來說更是如此。在美國AI界,大模型一直都是少數(shù)科技巨頭、學(xué)術(shù)組織在做,其中很多大模型的基礎(chǔ)定位就是AI技術(shù)投資的一部分。但在中國則不同,懷揣著對(duì)技術(shù)競(jìng)爭(zhēng)的重視,大量互聯(lián)網(wǎng)、云計(jì)算企業(yè)都加入了大模型的構(gòu)建競(jìng)賽,這些大模型必須找到有效的商業(yè)出口才能收回投資。同時(shí),也有大量科研機(jī)構(gòu)、院校加入其中。于是我們可以在中國看到雨后春筍般發(fā)布的大模型,這樣做的優(yōu)勢(shì)是中國AI在大模型數(shù)量上遙遙領(lǐng)先,同時(shí),也帶來了如此多的大模型項(xiàng)目應(yīng)該要如何消化和使用的問題。

目前階段,大模型產(chǎn)業(yè)的特征是那些直接對(duì)標(biāo)GPT-3的大模型項(xiàng)目依舊占據(jù)主流,或者說并沒有給出太多有說服力的超越價(jià)值。同時(shí),新的大模型技術(shù)思路與產(chǎn)業(yè)轉(zhuǎn)型思路也已經(jīng)開始出現(xiàn)。這正是白堊紀(jì)的特點(diǎn):恐龍和哺乳動(dòng)物共處一地,而新生物種正期待著更多變化到來。

大模型的野蠻生長(zhǎng),已經(jīng)陷入某種枯竭

幾年來,煉大模型成了AI領(lǐng)域最熱門,同時(shí)也最能引起輿論、資本關(guān)注的一件事。伴隨著大量大模型項(xiàng)目的快速上馬,我們很難判斷其中有哪些是抱著“競(jìng)爭(zhēng)對(duì)手在做,所以我也要做”的互聯(lián)網(wǎng)心態(tài)來推動(dòng),又有哪些項(xiàng)目是為了與新基建、科技舉國體制等熱門概念掛靠火速上線。

整體來看,跑馬圈地式的大模型產(chǎn)業(yè)發(fā)展,為整個(gè)AI領(lǐng)域提供了一種積極昂揚(yáng)的氛圍。推動(dòng)大模型與各個(gè)行業(yè)、各科研領(lǐng)域結(jié)合變得比較輕松。與此同時(shí),我們也很容易將大模型與更多AI技術(shù),甚至VR、元宇宙、區(qū)塊鏈等同樣被稱為風(fēng)口的技術(shù)進(jìn)行類比,并且發(fā)現(xiàn)大模型的發(fā)展軌跡,也有著諸多“野蠻生長(zhǎng)”的痕跡。

其實(shí)從應(yīng)用角度看,大模型就像云計(jì)算一樣,是一種將產(chǎn)業(yè)上游投入進(jìn)行收緊的集約化操作。一般來說,企業(yè)應(yīng)用AI有幾種方案。最簡(jiǎn)單的一種是直接接入具有AI能力的標(biāo)準(zhǔn)化API,這種模式只能提供簡(jiǎn)單的AI能力,無法覆蓋復(fù)雜的智能化需求;第二種是整體定制AI解決方案,這種方案需要產(chǎn)生高額的定制費(fèi)用與專家成本,是最不經(jīng)濟(jì)劃算的一種;第三種是自己進(jìn)行AI開發(fā),這種最為貼近企業(yè)真實(shí)需求,但會(huì)導(dǎo)致開發(fā)出的模型不夠標(biāo)準(zhǔn)化,與業(yè)界領(lǐng)先水平具有差距,并且也要求企業(yè)具備AI開發(fā)經(jīng)驗(yàn)與相關(guān)組織架構(gòu)。

大模型的出現(xiàn),可以說是在幾種方案之間尋找平衡點(diǎn)。通過大規(guī)模預(yù)訓(xùn)練+微調(diào)的模式,若干企業(yè)與行業(yè)可以共享、重復(fù)應(yīng)用大模型。這樣企業(yè)既用到了高水準(zhǔn)的AI能力,同時(shí)也避免了過重的開發(fā)成本與建設(shè)成本,也就是所謂的推動(dòng)AI進(jìn)入工業(yè)生產(chǎn)時(shí)代,拋棄作坊式的AI開發(fā)。

然而我們能夠發(fā)現(xiàn),這種邏輯下最終一定會(huì)導(dǎo)致大模型數(shù)量較少,而下游應(yīng)用非常豐富的產(chǎn)業(yè)格局。在目前階段,情況恰恰相反。下游的大模型應(yīng)用處在方興未艾的階段,相關(guān)企業(yè)與解決方案并不斷。反而上游的大模型項(xiàng)目層出不窮,并且展現(xiàn)出了一定程度上的同質(zhì)化。這種野蠻生長(zhǎng),一般來說包含著幾種潛在問題:

1.過分聚焦大模型參數(shù)和數(shù)據(jù)集測(cè)試結(jié)果。

1700億參數(shù)的GPT-3,將大模型正式拉到了千億參數(shù)規(guī)模。隨后大模型的參數(shù)比拼不斷升級(jí),很快我們就見到了萬億參數(shù)規(guī)模的大模型。追求大模型的參數(shù)巨大化,曾經(jīng)一度成為AI領(lǐng)域的主流,隨后也引發(fā)了相當(dāng)多的反思。一味追逐模型體積大、訓(xùn)練數(shù)據(jù)規(guī)模大,會(huì)導(dǎo)致模型很難在現(xiàn)實(shí)場(chǎng)景中進(jìn)行部署,并且低質(zhì)量的訓(xùn)練數(shù)據(jù)過多,很多時(shí)候會(huì)導(dǎo)致反向效果出現(xiàn)。

大模型領(lǐng)域另一個(gè)問題,是追逐在某項(xiàng)數(shù)據(jù)集測(cè)試中刷新紀(jì)錄。以標(biāo)準(zhǔn)化數(shù)據(jù)集評(píng)判大模型能力當(dāng)然無可厚非。但很多時(shí)候數(shù)據(jù)集測(cè)試是有訣竅的,可以進(jìn)行針對(duì)性調(diào)優(yōu)。一味關(guān)注測(cè)試結(jié)果,很可能導(dǎo)致大模型的實(shí)際應(yīng)用效果不足。

2.技術(shù)創(chuàng)新過分“個(gè)性化”。

由于大模型領(lǐng)域的競(jìng)爭(zhēng)激烈,并且工程路線其實(shí)比較單一,為了標(biāo)明自己的大模型具有差異化,業(yè)界開始興起了大模型的“微創(chuàng)新”熱潮。一般做法是,提出自己是業(yè)界首個(gè)某某技術(shù)上的大模型。但這項(xiàng)技術(shù)是否具有說服力,是否有足夠的實(shí)際應(yīng)用價(jià)值,則可能要打上一些問號(hào)。而隨著大家都是首個(gè)某某大模型,大模型的定義越來越復(fù)雜,評(píng)判標(biāo)尺也越來越模糊。下游用戶選擇大模型的難度也隨之加大。一定要強(qiáng)調(diào)自己是“首個(gè)”,導(dǎo)致大模型陷入了混亂的創(chuàng)新局面。

3.打著國產(chǎn)化的名號(hào),進(jìn)行大量重復(fù)投資。

業(yè)界另一項(xiàng)關(guān)于大模型的問題,是隨著自主可控與國產(chǎn)化替代成為趨勢(shì),相關(guān)企業(yè)與科研機(jī)構(gòu)開始大量進(jìn)行重復(fù)的大模型投資。大模型國產(chǎn)化當(dāng)然是合理且必要的。但不同企業(yè)、科研機(jī)構(gòu)與不同項(xiàng)目、不同地區(qū)政策之間合作,容易造成大模型國產(chǎn)化項(xiàng)目處于較低水平且重復(fù)建設(shè)的發(fā)展模式中,反而降低了國產(chǎn)化的最終效果。

在種子問題之下,大模型的野蠻生長(zhǎng)雖然并未結(jié)束,但已經(jīng)顯露出了某種枯竭。推動(dòng)大模型從參數(shù)為中心向應(yīng)用為中心轉(zhuǎn)變,是目前階段的核心問題。

大模型轉(zhuǎn)型,呈現(xiàn)出兩個(gè)思路

無論是稱作“煉大模型”,還是大模型的野蠻生長(zhǎng),可以看到中國AI大模型的第一階段發(fā)展處于一種飽和態(tài)勢(shì)中。雖然可能產(chǎn)生各種各樣的浪費(fèi)與重復(fù)投資,但確實(shí)為整個(gè)產(chǎn)業(yè)長(zhǎng)期發(fā)展打下了堅(jiān)實(shí)基礎(chǔ)。

這一點(diǎn)最直接的體現(xiàn),在于目前中國AI產(chǎn)業(yè)中與大模型發(fā)展相適配的基礎(chǔ)設(shè)施已經(jīng)非常完善。這一優(yōu)勢(shì)是此前很多技術(shù),乃至深度學(xué)習(xí)技術(shù)剛剛興起時(shí)都不具備的。IDC發(fā)布的《Market Glance:中國AI大模型市場(chǎng)概覽,2022》報(bào)告提出,大模型作為人工智能融合產(chǎn)業(yè)級(jí)實(shí)踐的必然形式,目前底層支撐服務(wù)基本完善,多類型芯片持續(xù)迭代,圍繞訓(xùn)練能力、核心算子庫、上層軟件平臺(tái)深入布局優(yōu)化。

底層基礎(chǔ)支柱與配套設(shè)施的完善,讓大模型走向應(yīng)用更加順?biāo)臁T诮裉煳覀兛梢钥吹?,大模型轉(zhuǎn)型應(yīng)用為中心,主要呈現(xiàn)出兩個(gè)發(fā)展思路。

1.擁抱AIGC,與歐美對(duì)齊的大模型發(fā)展思路。

從GPT-3出圈的自動(dòng)協(xié)作,到近來火爆的AI作畫,再到谷歌與Meta最近紛紛押注的AI生成視頻,這項(xiàng)能力都可以歸納為AIGC(AI-Generated Content),即AI生成內(nèi)容。

AIGC能夠產(chǎn)生優(yōu)質(zhì)、復(fù)雜,甚至以假亂真的內(nèi)容,背后的“腦力”普遍來自大模型的支撐。因此在大模型亟待與商用價(jià)值接駁的時(shí)間段,AIGC也就構(gòu)成了最直接,最清晰的商業(yè)化路徑。但在目前階段,AIGC的商業(yè)化潛力還有待深耕。應(yīng)用范圍最廣的AIGC能力應(yīng)該就是AI作畫,但其本身面向的常態(tài)化用戶更多是插畫師、設(shè)計(jì)師、自媒體,大量C端用戶都是本著嘗鮮的心態(tài)試試看,其最終能夠激活多大的商業(yè)價(jià)值尚不明確。一般來說,AIGC中大模型扮演著雙重角色,一種是直接為大模型所屬企業(yè)的軟件提供支撐,最終按需求次數(shù)或積分完成商業(yè)轉(zhuǎn)化;另一種是賦能其他軟件開發(fā)者,通過模型使用或者帶動(dòng)云計(jì)算、云存儲(chǔ)用量來完成商業(yè)價(jià)值。無論哪種形式,將AIGC從小眾需求變成大眾需求,同時(shí)進(jìn)一步提升AIGC的商業(yè)空間都是當(dāng)務(wù)之急。

另一個(gè)角度看,AIGC也是谷歌、Meta等歐美科技巨頭大規(guī)模投入的領(lǐng)域,因此國內(nèi)互聯(lián)網(wǎng)與AI企業(yè)是有發(fā)展參照物的。這一點(diǎn)當(dāng)然帶來了很多競(jìng)爭(zhēng),但也將確保發(fā)展路線處在中國科技企業(yè)比較熟悉的發(fā)展節(jié)奏當(dāng)中。

2.拓展大模型與行業(yè)智能化、科學(xué)計(jì)算的結(jié)合空間,中國大模型的自主探索。

就像AI技術(shù)本身一樣,中國產(chǎn)學(xué)政各界對(duì)大模型的深層期待是激活行業(yè)智能化價(jià)值,與中國經(jīng)濟(jì)整體應(yīng)用空間結(jié)合,甚至在中國激活第四次工業(yè)革命。而這條路則是完全新穎、缺乏參照物的大模型發(fā)展可能性。其最大的問題在于,經(jīng)過多年的發(fā)展,產(chǎn)業(yè)應(yīng)用AI依舊難以解決成本過高、難以規(guī)?;瘡?fù)雜的問題,大模型的成本更加高昂,能否逃出AI的成本效益陷阱也變得更加復(fù)雜。而且將大模型與具體行業(yè)、具體科研領(lǐng)域結(jié)合,雖然在歐美也有嘗試探索,但中國已經(jīng)依靠豐富的產(chǎn)業(yè)需求與全社會(huì)的數(shù)字化熱情走到了前列。如何在無人區(qū)激活大模型的長(zhǎng)期價(jià)值,既是中國AI的機(jī)遇,也是嚴(yán)苛挑戰(zhàn)。

在目前階段,我們能看到一些AI廠商已經(jīng)推出了行業(yè)大模型,比如金融大模型、能源大模型等等。也有多個(gè)領(lǐng)域與大模型進(jìn)行了跨界合作,比如中國商飛聯(lián)合科技廠商,發(fā)布了應(yīng)用于大飛機(jī)測(cè)試的流體仿真大模型、西安交大相關(guān)團(tuán)隊(duì)?wèi)?yīng)用大模型在超級(jí)抗藥菌領(lǐng)域取得突破等等。

中國AI大模型,已經(jīng)在跨模態(tài)搜索、自動(dòng)駕駛、數(shù)字人、生物醫(yī)療、材料化學(xué)、數(shù)學(xué)能領(lǐng)域進(jìn)行了廣泛探索。但這些探索普遍處在跨領(lǐng)域合作與案例打造的階段,舉例堅(jiān)實(shí)的商業(yè)化價(jià)值還有不短的路要走。尤其在如何攤薄大模型成本,推動(dòng)規(guī)?;瘧?yīng)用方面還有非常多的挑戰(zhàn)。

不管怎么樣,大模型走向產(chǎn)業(yè),走向商業(yè)化,已經(jīng)從“等等再說”變成了“時(shí)不我待”。不適應(yīng)新的變化,很可能無法走向更遠(yuǎn)。

在清醒與未知中走向新生代

6500萬年前,白堊紀(jì)正式結(jié)束,地球迎來了最新的地質(zhì)時(shí)代:新生代。隨著恐龍滅絕,靈長(zhǎng)類覺醒,整個(gè)地球的故事開始呈現(xiàn)出新的樣貌。

在今天,我們或許也會(huì)疑惑。如今大模型的發(fā)展成果、基礎(chǔ)設(shè)施建設(shè)、技術(shù)路線探索,究竟有多少能留到下一個(gè)階段呢?肯定是會(huì)有的,但大概率并不多。

我們必須清醒地認(rèn)識(shí)到,大量大模型終歸會(huì)喪失產(chǎn)業(yè)空間。就像其他計(jì)算、存儲(chǔ)、AI基礎(chǔ)設(shè)施一樣,大模型到最后也只能留下被頻繁使用,形成基礎(chǔ)設(shè)施的極少數(shù)。轉(zhuǎn)型必然帶來新的投資與建設(shè)熱潮興起,以及傳統(tǒng)熱潮的消退。當(dāng)產(chǎn)學(xué)各界不需要如火如荼般炮制大模型的時(shí)候,那些為此打造的算力、網(wǎng)絡(luò)、開發(fā)平臺(tái)基礎(chǔ)設(shè)施應(yīng)該何去何從?似乎也是一個(gè)需要提前思考的變量。

此外,我們還需要意識(shí)到大模型的前路不是一帆風(fēng)順的。大模型與行業(yè)融合,是一條根植中國經(jīng)濟(jì)與社會(huì)特性,并且蘊(yùn)藏著極大價(jià)值可能性的新路。但經(jīng)過多年發(fā)展,我們會(huì)發(fā)現(xiàn)所有AI問題到最后都是成本問題。大模型能否掏出AI“有用,但過貴”的成本怪圈,能不能為IT、云計(jì)算、互聯(lián)網(wǎng)廠商帶來足夠的價(jià)值定位?這些問題依舊缺乏清晰的答案。

所以,大模型的白堊紀(jì)依舊沒有結(jié)束。但我們也知道拼參數(shù)、大量重復(fù)建設(shè)的大模型發(fā)展階段終會(huì)過去,而考驗(yàn)在那時(shí)或許才剛剛開始。

很多人認(rèn)為,大模型是深度學(xué)習(xí)2.0,是AI避免陷入第三次寒冬的諾亞方舟。它被寄托了太多期待。

在新的AI火苗被點(diǎn)燃前,大模型還將在很長(zhǎng)時(shí)間里難以替代。

極客網(wǎng)企業(yè)會(huì)員

免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。

2022-10-09
AI大模型的白堊紀(jì)
但在大模型愈發(fā)火爆的同時(shí),我們不難看到一個(gè)問題:預(yù)訓(xùn)練大模型雖然在眾多領(lǐng)域都表現(xiàn)出了良好的應(yīng)用效果,但這些效果所產(chǎn)生的商業(yè)價(jià)值,卻很難與大模型的訓(xùn)練成本、基礎(chǔ)設(shè)施投入成本畫上等號(hào)。

長(zhǎng)按掃碼 閱讀全文