AI研究院们的“天命”

来源:QQ快报
责任编辑:鲁晓倩
字体:

一听到量子,好多人搞不清楚量子,包括当年发现量子的人都说不懂量子。但量子革命,从AlphaGo到量子人工智能,它很有可能有一个这样一个过程。刚刚也提到了人工智能最近已经取得了很好的成绩,一个机器已能下过一个人,实际上定义的任何机器,总会超过人。就像现在设计的汽车和飞机速度比人快,计算机能力比人的计算能力强,本质上来说人工智能不会走到一个有情感、有思维,往往是经验性的东西。一般意义上来说,一幅图象,计算机来描述图象都是基本上看到一幅图象,它会按照像素来展开,里面有灰度,有深度……对它形成一些数据。人工智能对这个数据是否能有感官上进一步深入了解?看到这个图象看到比传统计算上更深的意义?比如甚至知道什么样的绘画风格。这就是我们今天要探讨的问题。当人工智能遇上量子计算人工智能的能力来源是什么?今天会议的主题是大数据 ,为什么前面加一个大,因为这是是一个动态的工作,信息量越来越大的时代,如何从浩瀚的东西中得到有利生活质量的东西,首先要对这个数据进行描述。这就意味着要描述的对象,由传统的数据从单一逐渐走向各种复杂数据。人工智能核心资源是计算能力,在二十年前,一个机器人,当时用32个CPU, 达到120MHz的速度。现在是2000个CPU,300个GPU,提升的计算能力,使得处理学习或者智能的能力得到比较大的增强,不过现在问题是,如何过渡到量子这块?计算能力能否无限提升?摩尔定律在半个世纪前预言了经典计算,每隔18-24个月,集成电路上可容纳的元器件数目增加一倍,计算性能增加一倍。经典计算的能力,从32纳米,在未来到四个纳米,再到更小的纳米,一般都认为摩尔定律最多还能适用10年。我们知道一个例子,从物理科学基础上讲一个电子不可再分的,不可能永远从90多纳米到60多纳米,到40多纳米,到30多纳米……将来能够到零点几纳米甚至更小纳米的层面。从科学的原理上来讲,宏观问题上,是按照牛顿三大定律主宰的,但到纳米层面,牛顿定律不再适用,而会进入一个新的科学,也就是我们经常说的量子力学,描述的基础就不一样了。另外一个,还有一个热耗散的问题,我们在研究里面也发现,经典计算机器件的原理,热耗散不可避免,这是原理上决定的。譬如买到早期计算机有一个风扇散热,你做的集成度越高,热耗越严重。但量子计算来做这块,原理上保持可逆计算,没有热耗散,可以在里面自循环,这样没有一个热耗散,也是遵从量子力学规律的东西。这是未来量子计算是一个比较好的前景和方向。另外,量子力学是近代技术的支柱,一百多年前量子理论开始提出,到现在的晶体管,到激光,到后面的高温超导,都会有一个产业的发展和产生。会带来无边的“诱惑”在过去很长一段时间里,我们对量子力学都是被动的观察和解释,我看到了一些现象,我根据这个现象得到一些应用,比如激光,就是量子力学发展的成果,激光无处不在,包括投影也是激光投影。第一次量子革命就是对晶体管,对激光的发展,支撑了整个过去信息革命的一个发展,最近随着过去二三十年技术的积累,现在可以一定程度地掌控量子,可以对单个分子或者原子进行掌控 。在微观有主动调控能力有了这种e5a48de588b67a686964616f31333363373065调控,可能会产生一系列新的技术,这方面比较清楚的,在量子信息里面,目前分三个方向:一个是量子密码,大概7月份,中国的第一颗,也是全球第一颗量子卫星在500公里轨道开始发射,实现一个安全的密码输送;一个是量子通讯,同时在发改委的干线,今年年底明年开始在城市间,从北京到上海,上海到合肥的一个地面的有线网络,空中的无线网络。另一个是量子时钟和量子传感器,最近几年,精密测量得到非常好的推广和应用,大概一个月前,欧盟通过了一个量子宣言,比如没有GPS的导航,有一些量子传感器,大概有10亿欧元,在2020年计划里面有一个投入。总的来说,现在已经有了非常好的发展前景。为什么说量子近年好很多?原因很简单。计算机经典的储存单元是什么?一般是一个(电荷上的)高电频和低电频,高电频代表1,低电频代表0,叫它二进制,量子力学告诉我们高电频和低电频同一瞬间同时存在。所谓的量子叠加和量子相干,如果我有一个16位的计算机,或者32位的,它的输入就是电频里面的2的16次方或者2的32次方。量子计算就是进行叠加,这时候高速的来源就在这个地方,可以2的多少次方处于所有状态里面,可以在这个里面透视做计算。在这个基础上,我们做量子计算,量子密码,量子因特网,量子时钟,甚至是量子传感器。巨头林立的国际竞争在量子计算这块,包括美国和日本的国际项目,以及微软和IBM,中科院有一个国家计算机的规划纲要,有比较大的投入,企业界逐渐开始往这个方面进入,比如阿里和中科大也成了量子计算机实验室。总的来说,量子力学跟人工智能有什么关系?有这样一个关系的话。如果做成人工智能,如果只是加速,原来需要一千台机器,或者需要一万台,现在(用量子计算机)可能四台就可以了,形成快速的计算能力。另外一个领域,量子力学在模型里面解决传统的没有的模型,那是另外一个方向。量子用于计算就是计算,用于通讯就是通讯,用于人工智能就是人工智能。利用相干叠加的方式,实现了计算,无法比拟的超级计算能力,可以把复杂度的NP计算问题,就可以变成P问题。如果做基础的人来讲,不管是经典还是量子,我们处理的都是效率的问题,把一些遥遥无期的东西变成一些结果。大数分解,金融行业经常用到的,给你一个非常大的一个数,找到它的两个素数是什么,经典万亿次的计算机需要15万年,如(用万亿次的)是量子计算机,只需要一秒。在计算数据处理里面是一个基本的方式,如果用一个亿亿次的经典计算需要一百年,但是把速度可以降下来,只用一个万亿次的量子计算可能就0.01秒的时间。量子人工智能的计算能力为人工智能发展提供革命性的工具,能够指数加速学习能力和速度,轻松应对大数据数据的挑战。以及最新的理论进展在人工智能这块,谷歌开始建立量子人工智实验室,包括微软等在做一些人工智能方面的东西。这几年开始,甚至在AlphaGo出来之前,在学界就已经有一些研究,人工智能里面的分类问题,是大数据中常见的任务,根据已有的数据体现规律,判断新数据是属于哪一类。如下图所示,MIT在这方面已经有如下的理论进展一:另一个理论进展,是MIT和Google的联合研究发现,量子人工智能算法可以加速特征提取过程:整体的研究进展如下图所示(红色的两个部分是我们实验室做的,把这个体系放到量子的模型机上,来演示这个实验。这是去年的一个工作。)最后,以实际进展向大家举一个量子计算运用到人工智能的例子,这种指数加速是可行的,通过我们专用仪器设备,来读出量子比特状态:MIT和一些媒体的报告,包随着数据越来越大,现在每年生产信息2的60次方,就是60比特,用经典比特资源,约百万块硬盘能够存下数据;但要描述宇宙所需的信息量时,会达到2的300次方,就是300比特,按现在的的比特资源就已经不可能储存了。IBM制造的计算系统包含了5个量子比特,在其它实验室大概有十个。在未来五到十年能达到三十个比特,就已经是非常了不起的一个能力了(注:如果一个量子计算机能够组建成50个量子比特,当今世界前500名的超级计算机全部加起来,功能都无法胜过它。)。也就是说可以空间可以达到2的30次方,在大数据方,量子人工智能计算能力巨大的优势,实现这样的一个弯道超车。最后我想说,第一次量子深刻影响了晶体管和激光的发展,第二次量子革命对人类一定是有巨大促进的作用。我们不应该去惧怕科学上的一些进展,因为毕竟机器是人造的。现在眼前并没有看到一个机器有人的情感来毁灭人,我的观点应该不是这样的。本回答被提问者采纳www.book1234.com防采集请勿采集本网。

文|吴俊宇

管理学研究者郝亚洲在《剧透德鲁克》系列文章之中提到了这样一个观点:

查看ai里已经建立的画板大小的具体步骤如下: 启动AI软件,进入操作界面;在左侧工具栏里点击“画板工具”;然后在界面右上方就可以看到当前画板的宽高尺寸了。

管理者出现折衷主义的态度时,就意味着管理在很大程度上失去了有效性,因为管理者并没有站在对结果负责的立场去思考问题,而是仅仅为了平衡组织内部的关系结构。

在他看来,下属越能干,和管理者的分歧也就会越大。但谁对谁错已经不再重要了,因为当管理者让下属自行设定目标的时候,就意味着一个双向沟通的渠道建立了。

2006 年初,上海交通大学机电控制研究所、上海市农业机械研究所成功研制了适用于我国数字农业特点的两种主要智能型农业机械:中、小型收割机智能测产系统及其配套软件;智能变量施肥、播种机及其配套软件

是的,中国很少有企业能够实现真正放权。大企业必然充满了各式各样的掣肘、内斗、平衡。但对需要寻找未来方向突破的技术部门来说,掣肘、内斗、平衡一旦出现,就意味着平庸开始降临。

你好!随着人工智能技术的发展,中国的人工智能产业应用如今已经从技术突破阶段,向商业化阶段加速迈进。随着AI技术的不断提百升,巨头资本的度大力投资,国家政策的扶持等因素,都为中国的芯片

各个科技企业为AI技术设置的“研究院”其实也是企业管理文化的某种折射,它充满了现实主义和理想主义的矛盾,考验着企业的智慧。

科学和科技的比重应该如何衡量,当下目标满足和未来技术探索该如何平衡,抉择尺度到底该如何拿捏,几乎决定了一个企业的“研究院”能走多远。

研究院的不同走向,冥冥之中早已被企业文化写好了宿命。

平庸的研究院往往处处受限,而好的研究院往往没有Benchmark——它超越了基准线,总能创造惊喜。

美国研究院的超脱

现代企业原本就是充满了“政治”的产物。理想与现实的拉扯,部门与部门之间的协调,利益与利益间的交换,人与人之间的妥协让企业不得不在多方平衡之中前进。

拉扯必然会造成低效率。

出于商业、管理以及技术的综合考量,美国科技公司很早就形成了研究院文化。研究院存在的意义在于,超脱现有的企业制衡格局,做不受限的探索。

最典型的几个案例是,谷歌X实验室、微软亚洲研究院、微软亚洲工程院、IBM全球研究院。

谷歌X实验室是典型的前沿技术型研究院,如果要用一个词来形容它,那就是“天马行空”。

无论是它在联合创始人布林的带领下开发过谷歌眼镜和无人驾驶汽车等项目。这个实验室有一份列举了100项未来高科技创意的清单,其中甚至包括太空电梯。它充满了理想主义和不切实际,其中谷歌眼镜就是最著名的失败案例。

微软亚洲研究院有着截然不同的气质,如要用一个词来形容它,那就是“黄埔军校”。

百度的王海峰、百度的张亚勤、阿里的王坚、阿里的刘湘雯、创新工场的李开复、今日头条的马维英、小米的林斌、商汤科技的汤晓鸥、旷视的孙剑,这一批中国人工智能前沿管理、技术、资本人才,几乎都出自于微软亚洲研究院。

微软亚洲工程院和微软亚洲研究院相比,则是更在意具体的产品落地。

从2003年诞生开始,微软亚洲工程院的意义就培养建立顶尖的技术和产品研发团队,并为微软和中国开发全球和区域市场所需的重要技术和产品。它重视技术转化,要求将最新的技术实现商业落地。它把理想主义通过现实主义的方式实现。

实际上,微软亚洲工程院和微软亚洲研究院也是微软在处理理想与现实的“双轨”策略。

IBM全球研究院给人的印象是充斥着“人类未来命运的关怀”,它是全球数学家、物理学家、化学家、生物学家、医学博士等各门类的科学家的聚集地。

最富盛名的项目则是每年会发布面向未来5年5大创新趋势预测(简称“5 in 5” )。“5 in 5”通常所选取的方向是破解人类面临的重大难题,比如农业、气候、水资源、食品安全、疾病、环境污染等挑战。

从这几家研究院最后沉淀下来的名气、成果去看,你会发现,它们往往超越了纯粹的商业价值。而是在技术、人才、人类发展等领域高屋建瓴,被世界所津津乐道。

中国研究院的平衡

中国互联网行业也在形成属于自己的研究院文化——这种文化非常讲究平衡性。

最典型的几个案例是:隶属于百度AI技术平台体系(AIG)的百度研究院,腾讯的AI Lab(致力基础研究应用)与Robotics X Lab(展开前沿科技探索),以及阿里的达摩院。

尤其是在今天中国互联网红利吃尽,商业模式创新已经走到终点的情况下,各个互联网公司都意识到——唯有技术创新才能打破现有的增长僵局。

各家的研究院、实验室在企业自身发展的不同阶段都起到了不同的作用。

从2014年百度研究院成立,到2017年阿里达摩院诞生,中国科技公司的研究院文化、制度在这五六年来演变进化,沉淀出了一套属于自己的调性,它和每个企业的企业文化、管理理念是一脉相承的。

服务商业,又要超越商业。研究院的诞生,目的就是“超脱”出原有的政治、平衡,让一帮不平庸的人,做一些不平庸的事。

然而,学术研究和工程落地往往会成为拉扯研究院的一对矛盾。我们可以用这个视角去审视BAT三家的研究院文化。

百度研究院:从理想主义到务实精神

2014年诞生的百度研究院是目前国内时间最长的研究院。它经历了两任院长——吴恩达到王海峰。今天的百度研究院依旧汇聚了国内最顶尖的一批AI技术人才。

以2017年3月王海峰离职、王海峰接棒为里程碑的话,它在这个时间之前有着某种不切实际的理想主义,充斥着过多无法落地的学术研究,而在这之后则是随着百度内部财务、技术、市场变化,百度研究院逐渐更具备务实精神。

百度研究院中大量实验室中大量技术落地到具体商业项目之中,这种抉择和平衡显然是往当下目标满足的方向倾斜。以去年成立的百度研究院成立顾问委员会为例,它的意义在于,“加速AI产学研之路进化”,“突破解决AI问题,用AI更好地服务社会和普通人的生活。”

社科院对百度研究院隶属的百度AIG的评价是:彻底改变了以往封闭的知识体系,使算法资产渗透到经济社会的毛细血管当中。

从这样的话术之中可以看到,百度研究院和早期的“理想”相比,愈加强调“落地”二字。它不能说是错误,任何抉择都是当下多方考量之后的最优解。企业需要往往基于现实考量,它是百度当下企业战略和财务状况综合平衡的最佳结果。

腾讯AI Lab+Robotics X Lab:赛马机制下的双子星

AI Lab+Robotics X Lab的设置其实很像微软亚洲研究院与微软亚洲工程院这种“双轨制”体系——毕竟腾讯家大业大,搞两个实验室问题不大,双子星养得起。

腾讯大概是一家相信实证主义的企业。实证主义的核心理念在于,排斥形而上学,不预设结论。反映在商业上,腾讯往往会通过赛马机制去观察某个项目到底是否适合当下的环境。过往王者荣耀、微信都是赛马机制的产物。

“赛马机制”被视为是腾讯好产品频出的一个重要因素。2017年,我在《腾讯“赛马机制”,网易“一厂两制”》一文中就曾提到:

“赛马机制”往往会使得所有资源朝优马倾斜,优马很可能进一步成长为“现象级”的好马。劣马则是会逐渐淡出甚至自生自灭。

产品可以采用这种赛马机制,但面向未来的技术却不能。按照这样的逻辑运转,如果无法迅速产出商业价值,Robotics X Lab很可能会被AI Lab吞噬掉——然而腾讯做AI和技术不可能仅仅只是为了商业转化。

因此,有意思的人士安排细节在后面。

今年1月,腾讯AI Lab负责人张潼离开管理岗位,回到学界继续AI领域的学术研究。从这个细节之中就能看到,研究和工程的权衡在腾讯AI Lab之内依旧存在。

腾讯Robotics X Lab的主任是张正友,他在张潼离职之后兼任了腾讯AI Lab负责人。张正友本人1985 年浙大本科毕业,1986 年前往法国参与研发了世界上第一台用立体视觉导航的移动机器人。

这个人事安排的细节甚至可以看出腾讯AI Lab和Robotics X Lab的某种精妙的平衡精神:

让一位在学术界具备理想主义和未来探索精神的掌门人同时管理两大实验室,在学术和商业之间寻求中点。

至于马化腾究竟如何想,我们并不知道。或许掌门人自己要在自我平衡中完成理想和现实的“天人交战”,这也就是腾讯实证主义精神的最佳体现。

但是这种平衡能维系多久可能也是个问题。AI Lab和Robotics X Lab未来在某个阶段合并,可能也会是一种选择。

阿里达摩院:超验精神与组织创新

上周我在《阿里相信“超验”》一文中就曾提到:

阿里今天的成功,其实是价值观的成功,它是“超验”精神和形而上学的结果。这让企业始终具备主心骨,企业的架构、思想、战略、方向始终都是围绕着主心骨来。

企业常常问的是,这样做有没有“效果”,能不能变现。激烈的竞争让企业很难沉下心来,去做一些“冗余”却正确的事情。

但超验精神在作家、前捷克总统哈维尔那里是这样被解释的:

我们坚持一件事情,并不是因为这样做了会有效果,而是坚信,这样做是对的。

正如达摩院的命名——“达摩”一般,它一方面代表达摩院正是达摩祖师修禅之地,后世达摩院高手辈出,另一方面也代表了达摩的禅宗精神:

呕心沥血参禅苦修,为达目标牺牲一切在所不惜。

因此你会发现,达摩院所承载的期望之高远远超过百度、腾讯家的研究院。

两年前,马云在达摩院成立的时候,对达摩院提了三个要求,其中有一点就是要达摩院活的比阿里久。达摩院被阿里内部赋予的意义是——承载人类普世价值,人类探索未来的技术,拓展人类世界的想象力。

如果去看达摩院的技术方向会发现,它设立了机器智能、数据计算、机器人、金融科技和X等研究方向,即“4+X”研究领域。

达摩院诞生至今有名案例很多。比如孵化出了平头哥半导体公司,已经推出3款面向公开市场的芯片类产品。2018年达摩院量子实验室还研制当前世界最强的量子电路模拟器——“太章”。当时美国《连线》杂志称之有望打破谷歌的提出“量子霸权”。

这种基础技术的大投入研究使得它和国内一般研究院最大的区别就是“解决社会问题导向”。其宗旨是:

Research for solving the problem with profit and fun.

为解决问题研究并带来利润和快乐。

你很少看到哪个研究院把“快乐”二字写进宗旨之中——“快乐”写进宗旨,用哲学上常常谈论的一个观点来形容就是——把人当成目的,而不是手段。

它有商业变现和技术落地的要求,但是这个要求却不是主要的。它没有像微软和腾讯一样,把学术和商业拆开,而是把研究跟工程放到一起。这样做的好处是新技术可以迅速转化为产品。

阿里云智能战略与合作部总经理刘湘雯此前在一次公开场合就曾提到过的达摩院管理风格:

科学style的人会多于工程style的人,他们更多是好奇心驱动和使命驱动。就是越偏基础技术,越偏基础性研究的人更适合放到达摩院。

但技术创新需要组织保障,理想不是漫无边际的太空漫画,仅仅靠单纯的自下而上的创新,只会导致企业的混乱。

因此达摩院构建了一套技术组织和中心化管理的架构,统合工程团队、技术团队、产品团队,让科研猜想验证得以实现。

在达摩院的研究人员、工程人员和业务人员,各占三分之一的比重。研究人员在研究出大量技术之后,会把一个一个的原子技术抽象成、沉淀成在技术平台上。在技术平台上,又会加入工程元素。

这些被赋予了工程元素的新技术在阿里内部景观成本、效率、稳定性的验证之后,又会被放到阿里云上去做检验,给客户用脚投票。

可以说,在这一套研究、工程、业务的体系内,阿里一方面以理想主义为主轴,另一方面以强大的管理能力构建起了一套完整的组织管理制度和技术转化机制。

这和其他研究院缺乏一套核心管理制度架构形成了鲜明的对比。

这种组织制度和管理架构也应了郝亚洲所说的:

管理者的“识人所长”比“避人所短”重要一百倍……每一个人的目标都应该在其能力延长线上,而组织的作用就是确保每一个人的能力延长线可以伸展出去。

达摩院恰恰是设置了一个足以容纳个人能力延长线的组织架构,而且能够把个人能力延长线在研究层面的长处充分转化成工程、业务层面的果实。

所以说,好的研究院往往没有Benchmark——它超越了基准线,总能创造惊喜,它能够真正充分发挥人的价值。

在“超验”精神的支撑下,达摩院相比于国内其他的研究院更具备超脱感,理想主义色彩不输于谷歌X实验室、微软亚洲研究院、以及IBM全球研究院——假以时日,达摩院的历史地位可能会与历史上几大实验室平起平坐。

坦率说,谷歌X实验室、微软亚洲研究院都有不足之处。过分的理想主义导致与现实主义相距甚远。

谷歌X实验室纵使天马行空,失败项目却过多,落地成果寥寥无几;微软亚洲研究院贵为黄埔军校,可黄埔军校的遗憾之处在于,没能真正把人才留给自己。

达摩院超出历史上几大研究院,且将会被人津津乐道的,将是它用一套价值观为核心的管理架构把技术、人才、业务全都实现了精细化的统筹,让管理变得可视化。

它作为一个理想主义的研究院,却能够通过理想主义的方式将现实主义落地。

理想与现实几乎是所有企业都在反复权衡的问题。有人为了现实抛弃理想,有人为了理想抛弃现实,有人在现实与理想之间寻找那个最佳的灰度。现实代表了纯粹理性,理想则是感性向往。

优秀的企业必然是感性和理性、理想和现实的混合体。理性为企业脚踏实地扎稳根基,而感性则是为企业的梦想留白。

中国企业最缺少的,可能就是这种感性留白的勇气。

--------------------------------------------

作者 | 吴俊宇公众号 | 深几度

关注科技公司、互联网现象的解读

曾获钛媒体2015、2016、2018年度作者

新浪创事记2018年度十大作者

品途网2016年度十大作者

腾讯科技2015年度最具影响力自媒体

无论AI人才的身价多么超乎想象,价格始终是由市场供求决定的,而缺人,正是泛AI公司共同面临的核心问题。领英发布的《全球AI领域人才报告》显示人工智能领域人才分布极不平衡,截至2017年一季度,全球AI领域技术人才数量超过190万,其中美国相关人才总数超过85万,而中国的相关人才总数也超过5万人,而根据腾讯研究院发布的《2017全球人工智能人才白皮书》,中国人工智能人才缺口至少在100万以上。在这种情况下,不论是有多年从业经验的AI项目负责人,还是初出茅庐的相关专业毕业生,都处在严重不足的状态,专家级别的人才在全球范围也不足千人,触宝愿意拿出千万年薪,也在情理之中。但AI的门槛真的有那么高么?其实不然。大多数深度学习软件框架(如TensorFlow、Torch、Theano、CNTK)是开源的,吴恩达也在Coursera、网易云课堂上开设了AI课程。各位理工科背景的朋友想要转行完全来得及,这也是获取溢价最快速的方式,但要提醒大家的是,这同样是AI行业的泡沫所在。为了获取溢价,AI行业也出现了大量的从业人员涌入,各个领域的人才都在转向这个方向,但这些人往往处于AI人才金字塔的底层,虽能填补初级人才的不足,但非并且企业最迫切需要的核心人才。但很多企业尤其是初创公司为了获取先发优势,圈住人才,出现了不少投机行为,他们不会对人才加以鉴别,哄抬了市场价格,但可能在很短的时间内就会死掉内容来自www.book1234.com请勿采集。

声明:以上内容并不代表本网赞同其观点。如有任何问题,请与不良与违法信息举报中心联系:513175919@qq.com。

www.book1234.com true http://www.book1234.com/q/20191009/20191009A03RKF00.html report 0
娱乐时尚
  • AI公司为什么会热衷设立研究院并请学术大牛坐镇?
  • ai可以做很多复杂的工作,比如运算量大的东西 对吗
  • 随着AI的深入研究,它以后的智力真的会比人类高吗?
  • 到了大学想学AI,那么本科应学什么专业,到了研究生又该学什么呢,博士呢?
  • 如何评价上海交大成立AI研究院
  • AI系统是什么
  • AI(人工智能)在机械领域有哪些应用?
  • AI芯片,中国的AI技术在世界上是怎样的水平
  • 中国居民RNI/AI是什么意思?
  • 历史文化
    真视界
    旅游美食
    精彩图文
    我爱我车
    母婴健康
    关于本站 | 广告服务 | 手机版 | 商务合作 | 免责申明 | 招聘信息 | 联系我们
    Copyright © 2004-2018 book1234.com All Rights Reserved. 布客网 版权所有
    京ICP备10044368号-1 京公网安备11010802011102号