自1999年起，《麻省理工科技评论》每年在全球范围内从生物医药技术、能源材料、人工智能等多个前沿学科和科技领域中遴选出35岁以下对未来科技发展产生深远影响的青年科技人才-“35岁以下科技创新35人”。2017年《麻省理工科技评论》将这份最权威的榜单落地中国，旨在以全球视野挖掘最有创新能力的科技青年领军人，并为这些青年科学家搭建一个高度国际化的舞台。
为聚集全球创新人才和资源，打造创新人才高地，中关村科学城与北京清华工业开发研究院联合《麻省理工科技评论》中国，于2023年3月30日-31日在北京·海淀中关村自主创新示范区展示中心会议中心举办全球青年科技领袖峰会暨《麻省理工科技评论》“35岁以下科技创新35人”中国发布仪式。
以下为全球青年科技领袖峰会的与AIGC同行板块：炉边谈话环节，由云现场整理。
张矩：大家下午好，非常感谢大家一直坚持到现在，我们用一个最热门话题做今天的压轴环节，现在这个基本上无ChatGPT不成局，无AI没有办法上桌的环境里，今天非常有幸请到了微软亚洲研究院的胡瀚老师和竹间智能的孙彬总一起今天坐在这儿跟大家探讨一下和AGI以及AIGC两个差不多的词的一些话题，刚刚的两位嘉宾，两位老师的分享讲了很多这方面的技术内容。我们可能更形而上学的谈一些稍微轻松一点的。
首先请二位介绍一下你们的经历背景和工作单位。
胡瀚：我是来自微软的，微软最近在AIGC的时代处于一个中心，我本人是2014年博士毕业，之后先加入的百度IDL，2016年的时候加入了微软研究院，但是我们公司因为是大公司，所以产品的边界比较模糊一些，但是我们公司有一个使命叫赋能每个人、每个机构，使他们能够成就更多。
所以其实很多做的事情会围绕他们展开，我本人是在研究院，研究院可能和产品离的远一些，主要还是面向公司的三年，五年之后未来的技术，我本人做的是计算机视觉相关的研究，我们主要会看看这个方向未来的技术形态是怎么样的，我可能就举两个我们做的工作的例子可能会更具体一些。
过去两三年主要是在探索未来像视觉领域会采用什么样的神经网络架构以及学习方法，以及说我们在生成式AI应该采用什么样的模型。
第一个工作就是首次把Transformar这样一种架构在视觉领域进行拓展，这样一个工作使得视觉跟语言能够采用同样的建模和学习，我们现在当然就是因为公司整体的方向我们要用大模型这样一种技术来赋能很多机构和应用，我们可能也会在针对大模型本身相关的一些算法、架构还有数据做一些相关的研究。
孙彬：我也算是在IT打拼的一个老兵，也在IBM工作过十多年，互联网公司都在做科创路上奔跑，一直也是从数据中心到云计算，一直到人工智能赛道中间，一直在践行一个事情就是科技的产业落地，竹间智能的团队是2015年成立的，过去的8年我们一直在用自然语言理解NLP的技术在做产业的落地，我们涉猎了几乎NLP能在2B产业落地的各种场景，无论金融里面的银行、保险、证券还有制造业的手机、汽车、电视还有在教育和医疗领域中间只要能涉及到的NLP的落地场景几乎都涉猎过，在这个过程中我们深了解NLP赛道在2B产业落地中的点点滴滴，技术实现还有项目交付的困难点，ChatGPT这个现象的爆发正好在我们的赛道中间，我们团队也是最早在使用这些模型的，只是这些模型以前是专业人士玩儿的，现在我们把这些模型只能用在产业中间去。
目前的团队在大模型的加持下，我们会把我们的产品聚焦点聚焦在真正更加提高所有在座各位人们的生产效率上面，今天把我们的大模型能力和在2B产业能力落实到给企业做知识对话，做企业的对话平台，无论是服务的、营销的还是企业员工助手的，同时也做成写作的平台，也要做成人机训练的平台，我们的核心目标希望用我们的技术和我们的成熟产品让大家能够在工作和生活中更加高效，真正让大家在工作中间利用人工智能技术提高自己的效率，让自己的生活更加幸福一点，让技术真正能够落实到大家的身边。
张矩：非常美好的愿望，一会儿再回来探讨这个问题，今天还有另外半个参加讨论的人，接下来的问题如果大家注意旁边两侧的屏幕，如果ChatGPT在线，ChatGPT会同时回答我们对二位提出的问题，我们看一看这个潜在的第三位Panel list会不会在线。刚才第四范式的陈老师提到了AI的发展历史，很有意思的就是他专门花了一页在讲波浪式的发展，其实有很多次是失望的结果，就是最后期望，然后失望。
陈老师也提到了上一次掀起非常大的热潮是AlphaGo打败了世界上最顶尖的围棋棋手，ChatGPT不仅是有史以来最快的用户增长应用，1-2周之内就到了1亿的日活用户现象，而且仿佛在各行各业包括高考这样的事情都表现出了非常让人惊异的能力。
二位都是行业资深的从业者，就想请教两位，时隔7年这两个其实是属于现象级的事件，在AI的历史上或者说在整个AI的发展进程中，有什么显著的意义？二位怎么看这两次的事件在发展中背后代表的是技术的变革，还是整个范式上巨大的突破？
孙彬：个人灼见，我认为这两个现象有很大的不同，不断是以前的象棋还是后来的围棋，我觉得这个现象的确让技术给大家带来惊艳，但是跟我们每个人身边的生活或者工作，有点远，在7年前。
今天ChatGPT的现象真正触动到了我们身边每一个人，所以我觉得这才是它真正最大的一个影响。为什么今天我们说这个影响巨大呢，今天看来从我们自己做这个赛道的团队来看ChatGPT这个现象，或者说一个风暴，为什么会有这么大的影响？因为今天ChatGPT做了一个事情，叫做用人类和语言大模型对话。
如果今天人类和语言大模型对话的这个模式被打开了，就可以预测到未来很多的范式会被改变，比如说APP的范式，过去我们看到有从PC端的应用，到了互联网端的应用，一个大的改变，互联网端的应用到了移动端的应用又是一个巨大的洗牌和改变。
今天如果ChatGPT的大语言模型可以让大家非常完备的去对话时候，我们就会形成一种对话和应用的融合。大家想象一下如果今天我们所有的对话，融合的方式，都用对话来跟APP进行互动，或者是跨越APP来做更多的操作举措，会对APP的产业进行极大的变化，大家会习惯于用对话去完成大家所生活的，不管是下单，订车，预约，购物等等。这样会让大语言模型打开了一扇门，所以大家会说大语言模型、ChatGPT现象是一个OS，是一个AGI的OS，的确是，因为以后可能就是跨应用之间，用一个对话平台可以完成。
第二，我们的大语言模型强势之后，大家会把它变成一个生活习惯，你会找到一个助手来帮助。所以整个的模式会进行很大的改变，所谓的OS现象之外，大家说的iPhone时刻也是一样，它也像当年苹果APP一样，因为一个OS变化，所有的应用进行了更新迭代。
今天我们畅想一下，如果今天对话的模式变成了大家习惯的话，所有应用的模式也会进行大的改变。今天ChatGPT现象可能是在地球那一边模型的变化，让那边1个亿的人上去去写文章，但是今天这个现象带来的影响，接下来会在我们身边马上发生。
胡瀚：刚才孙总讲的很全面，我就补充一个从研究或者从技术的视角来看这两个大的事件，如果我们看整个从AlphaGo到ChatGPT研究界的过程，AlphaGo是从一个两人对弈的游戏里面，把这个问题给解决了，里面核心技术是强化学习。
到了ChatGPT，它其实是从两人对弈到一个开放的场景，在我们现实生活中让它很好的去解决一些更通用的智能问题，我觉得引起公众广泛关注的可能是AlphaGo和ChatGPT，但中间有一个我们研究员也会很关注的进展，在2019年的时候OpenAI他们做了一个OpenAI 5，就是用人工智能去打DOTA2的游戏。
我们如果去看这个演进，会发现它其实是从两人对弈，一个比较规则甚至非常清晰的对弈，到了一个更复杂的虚拟的环境，可以在5人对5人的游戏里面，能够去解决我们所谓的智能问题。到了现在就把5人对5人的游戏推广到现实空间，我们能够去做很多人的交互、交流，看到这种演进的过程，我觉得还蛮有意思的，这个就给大家分享一下。
张矩：前两天刚刚新的版本去玩《星际争霸》的人工智能，在朋友圈看到很有趣的贴子，我们本来希望人工智能帮我们去做饭、买菜、看孩子、替我们上班，结果他天天聊天、画画、打电游。
如果刚才大家注意到旁边两个屏幕上显示的内容，我觉得在座的孙总和胡老师，觉得是完胜ChatGPT的回答，显然在这个方面还是有待提高。因为从去年11月ChatGPT到今年3月4月初GPT-4，OpenAI基本上变成了大模型的代名词，至少是在广大人民群众心中，基本上就跟搜索和Google的关系一样了，当然它们确实是展现出了非常强大的能力。
但是，作为一个历史相对比较短，人数相对比较小的公司，也想请教一下二位对OpenAI公司的看法。其实在大模型这个领域，很难想象会变化一家独大，全世界只有这么一个大模型或者是在一个区域内只有一个大模型的情况，请问二位接下来市场发展的趋势，或者是驱动这个市场往这个方向发展最核心的一些要素，不管是技术还是规则、监管上的要素是什么，听一下大家的看法。
胡瀚：因为我做研究，所以我很关注OpenAI里面做研究的人，我们知道OpenAI有一个首席科学家Ilya Sutskever，我过去一段时间把OpenAI所有的论文读了一遍，以及把Ilya Sutskever的所有论文都读了一遍。
我就发现有些时候，人类的伟大变革还是需要有一些很有远见的人来去推动的，我就发现Ilya Sutskever他在2016年的时候，他们其实就已经想了，我看他们写的博客以及写的文章，以及他们的Talk，他们其实就已经把未来怎么走想清楚了。
比如说，2016年现在我们可以认为第一性原理，他引用了有一个科学家费曼的名言，If you can not crict，you don not understand ，现在很多人得能够看到这样一句名言，但是在当时那个时候，他就知道我只要能够生存，我就能够去做所有事情。我觉得这样一种思想还是蛮有远见的。
我看IIya 4年前的视频，整个他对技术的理解，对未来技术的走向，几乎跟后来的具体走向一模一样，这个当时给我感觉特别震憾。这是第一点。
第二点，我也看到有人采访山姆·奥特曼，他也讲说你要做一个好的创业公司，会有四个要素，缺一不可，就是伟大的想法，伟大的产品，伟大的团队，还有伟大的执行，这就是四个伟大。如果要做一个很伟大的事业，真的要有很多要素非常贴近完美的。
孙彬：我来补充吧，换个视角，希望我的回答是ChatGPT是回答不了的，我从商业视角来看，我们竹间智能也是2015年成立的，也是8年的历程。所以我从商业视角来看，OpenAI的公司有几个好：
第一，目前来说在我们的科创市场中间，没有一家公司7年不盈利，还可以让投资人坚持的情况发生，如果按照信息来看，OpenAI过去7年烧了大概40亿美金，我们试问中国有多少科创公司有这个体量烧投资人钱，到7年还没有人把你毙掉。
OpenAI有了很好的带头人，有了一个相对给它空间和时间去成长的资金环绕。我是觉得中美之间，我们个人来评价，的确是，我们现在在国内很多科创的企业家都是白手起家，草根出身。
其实，真正看到科创类的全球的一些领袖，他们其实都是在一定的经济基础之后，才进行创业的，他们不再为经济而愁，真的是为了理想和梦想去做的，而且他们的地位和他们的人脉资源足够支持他们去完成他们想要的事情，这是OpenAI的这些企业给我们所有科创者带来的一个反馈，我们今天在做科创路上来说，我们也是觉得成功这件事需要你有足够多的能力、精力、人脉资源关系的时候，才能让科创这条路走的更好。
第二，大语言模型的创新其实并不是今天，因为大语音模型其实已经推广了一段时间了，我们2021年就开始使用GPT-3，原来是一个专业人士去调用的大模型，用Chat封装之后，给了大家一个期望，直接把一个原来的模型拉到C端用户身边，让大家用一个Chat聊天的窗口方式，很低的期望说聊天就好，结果给了他超过想象中的写作能力。
这些模式的确是让大家惊艳了，这个带来的预想预测一下，会把这个预训练模型的模式很大的推广下去。所以在国内市面上，像我们团队跟市面上清华的大模型和百度团队都有握手。
我们预测说大模型因为中美之间的这些挑战，国内一定会有中国自己大模型的企业超越ChatGPT，比如说我们现在测评清华的模型和百度的模型，都有各自的优势。所以我们预测预训练的大语言模型，随着头部的效应越来越明显，可能未来市场中间就会有几个大模型领跑而已，大家会在这些预训练模型上面，来做自己的专业模型或者专业的行业ChatGPT或者是企业ChatGPT，所以我们这个市场中间会划分成大的预训练模型就几家领跑，在各个赛道中间会有小而专的团队出类拔萃，在领域中间达到更好的效果，去解决大模型不可控，去解决大模型知识不正确的问题。
这是我们对行业判断的趋势，希望ChatGPT的答案也能跟我一样。
张矩：他是用了一个12345，估计把您的东西重新的组织了一下。正好借着您刚才说的这个点，首先感谢您对投资圈的提醒，至少现在在这个时间点上，整个创业的人和投资的人似乎有一个共识，像您刚才提到的在中美环境下，不仅是贸易和艺术的脱钩问题，这里面有很多数据监管的差异分别的问题，所以在中国一定会出现一个我们自己自有、自主和能够自控的大模型生态。
但是反过来讲，这个大模型的发展有3个基础，人才、算力、数据，尤其是考虑到语言上的差别，中文和英文的差别。请教二位对于中国自有、自主可控的大模型发展，你们对于这个机遇和挑战是怎么看的？因为这个确实是一个非常核心的竞争力问题。
胡瀚：刚才张总讲我们这里面会有好几个要素，有数据、人才、资本、算法等等，我觉得这里面感觉中国资本不缺，人才可能跟美国有一点差距，但可能差距也没有那么大。还有就是我们所谓GPU的资源，这个确实我们会面临一些挑战，现在美国它对我们有一些限购，因为我们知道在模型训练的时候，通用型的带宽很关键，美国会对它做一些限制。
但是整体来说，这些要素它每一项都还是有的，可能需要有一种机制能够把这几种集合起来，能够把这方面最好的团队，最好的人能够集合起来，可能才能把这样一个事情做成。
上一个问题其实也提到OpenAI它之所以能成功，因为它有四个伟大，缺一不可，包括即使在执行层面，我有最好的具有商业sense的人，就是山姆奥特曼，也有做非常好工程的负责人，还有做研究非常好的领袖，这些都是缺一不可的。如果将来有机会我们能够去把这些最优秀的团队都集合起来，我相信还是有机会的。
第二点，我们的基础设施，就像GPU这样的，我们毕竟是被卡脖子，如果我们能够把卡脖子的技术，这些最基础的设施能够建设起来，可能长期来说对中国发展自己大模型也会很关键，谢谢。
孙彬：第一，因为大语言模型一定会有对话、数据，所以在国内会有我们自己独立的大模型团队在国内成长蓬勃发展起来，这应该是肯定的。
第二，大语言模型的成长，我觉得在国内看有这么几个优势，第一个我们有足够好的市场，有最成熟的IT基础架构，无论是在B端和C端，同样我们的资本方来说也不缺核心的资本去推动，而且我们有很好的教育体制，能够让我们进一步的找到更好的工程师资源。
最关键是中文海量数据和应用场景都在我们手边，所以我们没有理由说我们不能够全力以赴做出更好的中国自己的大语言模型，可能还会有一些技术的研究代差，但我觉得跟所有的科研团队一起来补充这个Gap。
从我的视角是这样看的，我们过去这几年会有代差，但是对我们的应用场景影响并不大，通用大语言模型核心的价值是在对话中吗？并不是，它超越人类的方面是在生成方面，在翻译方面，在代码方面。这些内容都是我们生活或者工作中必备，在这个领域中间只要准确率达到一定程度之后，其实更多是看这个产品的适用性、可用性。
我们退一步讲，有可能在模型算法的基础上，我们还需要有一定的代差去追赶，但是在使用场景中间，在应用的深度方面来讲，我们有足够领先优势，而且在各个垂直领域中间，无论是今天的金融领域，无论是在我们的电力能源教育领域，我们的科技土壤远高于其他的国家，在这个土壤中间加上产业落地多年的团队之后，一定会在垂直领域中间拔得头筹，当然考虑安全等级问题之后，我认为经过几年的奔跑之后，在新的一代35岁的科技领袖的帮助下一定会开花在自己的道路上。
张矩：感谢二位，讲的非常热血沸腾，给大家点燃了很多的希望的火焰，孙总刚刚讲了一个很重要的事就是落地场景的问题，我就顺带着夹带点私货，确实从我们投资人的角度来看这个落地场景以及怎么能让这个价值体现出来实际上是个非常核心的问题，您在这方面之前和现在从事的位置都有非常多的经验，所以很想请教您一下，尤其是在国外大火的几个应用，包括ChatGPT，另外就是生成式的代表，其实生成式的鼻祖Stupid diffusion倒是次要的，反而是Mid journey在最近一段时间的成长非常迅速，从商业的角度来讲。
所以想请教您，从落地和场景两个角度，参照美国或者海外的成功案例，您有什么能跟大家分享或者提示我们的吗？
孙彬：过去这几年一直在拿大的人工智能技术做产业落地，我们看到的情况其实是这样的，今天的大模型其实是我们的底层技术能力，真正要让B端用户用起来，一定要是一个端到端的产品的，无论你是一个人机训练的产品或者是一个机器人训练的平台还是一个写作的平台都需要一个产品，而且我们的很多客户方最后要的是效果，一个能够服务于员工的机器人或者是一个能够做培训的APP。
我们在过去的过程中看到大模型帮我们提高准确率，减少我们项目实施工程量的地方，但是真正花的体力，要让我们这些大企业用起来，另外90%的工作都是在把产品标准化、工程化，怎么在客户有限的数据中，有限的时间内完成产品的落地和项目的实施，退一步来讲，今天大语言模型带来了一个量变到质变的优势，但是并没有完全解决任何的技术在产业落地的最后十几公里的事情。
如果今天对话能够把很多应用改变成对话，在2B服务端也会创造出来很多新的比如说企业知识的问答，企业知识的对话，企业员工的人机培训，企业知识的写作和生成，这个大语言模型之后要通过很多的企业变成产品，变成大企业上十万人使用的一个工程能力之后才能落地成功。
这应该是一个产业共同前进的历程，而且这里面千千万万的企业会沉淀在里面，所以我们看到的趋势是大语言模型就像有一个好的电动机一样，但是各大车厂需要应用电动机把它做成各种各样款式的汽车，满足各种各样款式的需求，所以大家也别太迷信大模型，反过来应该讲，如果在新技术发现之后，到底应该怎么样改变这个产业，而且每一个人和每一个公司在这个产业里面你是什么角色。
如果顺着我这个话题，从我自己来说，有几个行业会有很大的改变，当然第一个改变肯定是写作或者是做创意生成的行业，比如说原画师等等或者是原来电商写作人的确会被人工智能所提效的，但是大家再想想，如果自然语意理解的平台足够强，大语言模型我们哪些产业还会被改变，比如说我们的智能家居产业，一直不温不火十多年，是不是在这个大语言模型的高级理解力下面会被这个产业极大的促进呢。
还有老人陪护，老人的情感陪护其实这个产业又会爆发，这是我的判断，还会有一些情感聊天的程序也会爆发，宅男也好，宅女也好，我们会发现有很多人愿意倾诉和沟通，同样在创业路上会改变创业模式，原来所有事情，我们以前模型自己做，应用自己做，项目自己做，未来可能很多公司可能十多人在大的基础平台上面直接提供能力，提供能力的方式变成了新的创业方式，换句话讲，接下来有可能会是很多小型在细分领域中间能做到技术优势的小的科创公司会变成闪亮的明星。
同样我们很多在做语言对话类的产业都会被驱动起来，可能智能家居的产业或者说很多陪护型的产业都会变化，今天从这个视角来看，这是一个新时代的开始，对于我们产业落地的企业中间有新技术了，在这个新产业里面我们的角色会不会改变，是被新技术彻底替代掉，还是驾驭了这个新技术到了下面十年的弄潮儿，这就是我们各个团队需要思考和改变的。
张矩：感谢孙总的分享，孙总讲的这些内容第一非常具有启发性，第二个基本上用正向的角度来看待这个问题，其实三天前有超过一千个学者、科学家、从业人员一起发起一封信，要停止GPT-4以后模型的研究，现在在AI领域每一周都好像过去了一年，变化发展非常快，甚至在朋友圈里有人开始谈按照《三体》小说的讲述，分成三派，一个是降临派，一个是躺平派还有一个抵抗派，整个的变化非常快速。
因为时间关系最后一个话题，也是我一贯热衷于探索的一个小的问题，如果让二维畅想一下ATI发展，本来想问一下3年以后，5年以后，听起来可能时间会更短的时间就会发生，如果ATI这件事情或者AIGC整个大模型领域被普及之后，我们的生活环境或者我们的社会会变成什么样，对每个人有什么样的影响，这里面孙总提了很多正面的影响，不可避免也会有一些负面的影响，想请问一下二位的看法，畅想一下。
胡瀚：我就从两个方面想象一下未来会是什么样子，一个是微观的，一个是宏观的，微观的我会想到我特别喜欢的两个动画角色，一个是瓦力机器人，一个是大白，如果说现在大模型的能力越来越强，一定是可以作为一个这样一个能够理解陪伴我们的机器人，帮我们解决很多问题的机器人，这里会有一个比较好的平衡，一个是全资全能的大模型，还有一个个性化的大模型，两个结合以后，可以作为一个很好的个人助理，相当于现在每个人都会有一个手机，这个手机已经离不开它，今后可能离不开个人助理，个人机器人，这个是微观层面的。
宏观层面的，现在有人会更正面的想象未来，也有人更担忧一些，我个人还是更偏正面一点，我觉得当我们的生产力被完全解放了以后，所谓生产力决定生产关系，我相信未来无论是教育可以达到平权，每个人都可以接受很好的交易，因为ChatGPT就是一个很好的老师，如果生产力极度解放，我相信贫穷也会消失。
张矩：胡老师提到了大白，显然是一个暖男性格。
孙彬：我先回答您一个问题，关于怎么看待带来的正负面效应，第一个任何的科技在成长的时候都有双面性，但是要正向看，比如说汽车出来的，马车夫们失业了，但的，但是交通的产业会发展，那么一样，计算器出来的时候，我们的财务消失了吗？没有，计算机出来的时候财务和设计消失了吗？没有。变的更高效了
同样今天的大语言模型和ChatGPT现象包括AIGC的产品出来以后，应该看到它是一个很好的提效工具，应该让我们的员工或者是专业人士更加高效的完成一些事情，让他时间空出来，更多的幸福生活，所以我觉得任何的工具一定有双面性，今天汽车也会变成一个危害的工具，但更多是给大家带来方便，所以我觉得人工智能的大语言模型应该会对所有人的生活带来正面的意义远大于带来的风险，当然需要从业者控制它，避免出现一些被人误用的情况。
我也畅想一下大语言模型的发展，应该是大概率会催生我们身边的人工智能的智能体或者叫智能助手的出现，希望每个人身边都能有一个人工智能机器人，帮你处理你需要处理的事情，过去我们做这个的时候一直不做个人或者家庭的对话机器人，是因为每个太个性了，每个家庭也太个性了，没有办法预设每个们的问题和答案和行动，那时候一直被限制。
通用大语言模型恰恰能够解决极高的理解力，要能解决这些问题，所以应该会很好的理解你，Talk to action这件事情如果能够被打通，那么就可以有很大的能力做事情，大家可以看看上周发布的ChatGPT4可以调用插件这件事情，可以订机票做一些事情，换句话讲，大语言模型可以调用能力的时候，这件事情又可以被实现走进一步了，所以我们说如果这样的话，我们那时候畅想十年以后能有一个机器人助理帮我做所有的事，这个事情是不是能够大大的提前。
张矩：主要是上班。
孙彬：如果能替我们上班的话，我们就可以享受生活了，这是我个人的想法，谢谢大家。
张矩：非常感谢两位，因为时间关系，我们提问的环节就到这儿了，也感谢在座的各位嘉宾一直陪我们到现在。
主持人：感谢几位非常精彩的分享，再次感谢今天所有嘉宾的分享，至此，我们的会议进入了尾声，这两天我们和年轻的科学家们一起探索生命，回顾自然，解码未知，从生命科学、能源材料再到人工智能以及科学商业新路径的发现，凡益之道，与时偕行，科学家的脚步从未停止，创新永无止境。
最后，再次感谢大家的参与，我们明年再见。谢谢。
