頂級專(zhuān)家討論：生成式 AI 與機器人技術(shù)的未來(lái)

大數據文摘出品

近日，來(lái)自卡內基梅隆大學(xué)、加州大學(xué)伯克利分校、Meta、英偉達、波士頓動(dòng)力以及豐田研究所的 6 家頂尖機構的 7 位頂級位專(zhuān)家進(jìn)行了一場(chǎng)“關(guān)于生成式人工智能（AI）與機器人”的頂級討論。

討論的話(huà)題覆蓋了生成式 AI、人形機器人、家用機器人等等。討論的角度在于全面、深入解析現有的機器人技術(shù)以及未來(lái)技術(shù)。討論者發(fā)言的觀(guān)點(diǎn)，貼近實(shí)際發(fā)人深省。例如：

參與討論位專(zhuān)家分別是：卡耐基梅隆大學(xué)的Matthew Johnson-Roberson、Meta的Dhruv Batra、波士頓動(dòng)力公司的Aaron Saunders、加州大學(xué)伯克利分校的Ken Goldberg、英偉達的Deepu Talla、豐田汽車(chē)先進(jìn)AI研究所的Russ Tedrake、Max Bajracharya。

卡耐基梅隆大學(xué)的Matthew Johnson-Roberson

Matthew（CMU）：通過(guò)生成新穎數據和解決方案，生成式 AI 將極大地提升機器人的能力。它不僅能使機器人更廣泛地泛化任務(wù)處理能力，還能增強它們對新環(huán)境的適應性，并提升其自主學(xué)習與進(jìn)化的能力。

Dhruv （Meta）：生成式 AI 在具身 AI 和機器人研究中扮演兩個(gè)獨特角色：

1.數據/經(jīng)驗生成器：生成 2D 圖像、視頻、3D 場(chǎng)景或 4D（3D + 時(shí)間）等訓練機器人所需的語(yǔ)料。鑒于現實(shí)世界中的機器人經(jīng)驗（數據）極為珍貴，生成式 AI可以被視作“學(xué)習型模擬器”。我堅信，沒(méi)有模擬的訓練和測試，機器人研究是無(wú)法大規模進(jìn)行的。

2.自監督學(xué)習架構：生成機器人未來(lái)可能觀(guān)察到的感官數據，與實(shí)際觀(guān)測進(jìn)行比較，作為一種無(wú)需標注的學(xué)習信號。更多細節可參見(jiàn) Yann 發(fā)表的關(guān)于 AMI 的論文。

Aaron（波士頓動(dòng)力）：當前變革的速度讓我們無(wú)法對未來(lái)做出精準預測?；A模型標志著(zhù)機器學(xué)習模型創(chuàng )造方式的重大變革，不僅能夠創(chuàng )建與機器人的對話(huà)界面，提升現有計算機視覺(jué)功能的質(zhì)量，還可能開(kāi)發(fā)出如視覺(jué)問(wèn)題解答等新的能力。我們認為，這些更加可擴展的架構和訓練策略最終可能超越語(yǔ)言和視覺(jué)，擴展到機器人的規劃和控制領(lǐng)域。

豐田汽車(chē)先進(jìn)AI研究所的Russ Tedrake

Russ（豐田汽車(chē)先進(jìn)AI研究所）：生成式 AI 擁有給機器人技術(shù)帶來(lái)革命性新功能的潛力?，F在，我們不僅能夠用自然語(yǔ)言與機器人交流，而且通過(guò)連接至互聯(lián)網(wǎng)規模的語(yǔ)言和圖像數據，機器人對世界的理解和推理能力也大幅增強。但目前還處于初級階段，還需進(jìn)一步研究：如何將圖像和語(yǔ)言知識與機器人所需的物理智能有效結合，從而使機器人變得真正實(shí)用。

Ken（加州大學(xué)伯克利分校）：2023 年是生成式 AI 徹底改變機器人學(xué)的一年。像 ChatGPT 這樣的大語(yǔ)言模型讓機器人與人類(lèi)之間的自然語(yǔ)言交流成為可能。機器人學(xué)家還發(fā)現，大型的視覺(jué)-語(yǔ)言-動(dòng)作模型可以被訓練用來(lái)增強機器人的感知能力，并控制其手臂和腿部的動(dòng)作。這種訓練需要大量的數據，因此全球實(shí)驗室現在正合作分享數據。雖然關(guān)于泛化能力的問(wèn)題尚未完全解決，但這些模型帶來(lái)的影響是深遠的。

另一個(gè)激動(dòng)人心的話(huà)題是“多模態(tài)模型”，它有兩種含義：

Deepu（英偉達）：我們已經(jīng)目睹了生成式 AI 如何提高生產(chǎn)力。顯然，生成式AI 對機器人技術(shù)的各個(gè)領(lǐng)域，從模擬到設計，都將產(chǎn)生革命性的影響。

加州大學(xué)伯克利分校的Ken Goldberg

Ken（加州大學(xué)伯克利分校）：我對類(lèi)人機器人和腿式機器人一直持保留態(tài)度，認為它們往往過(guò)于夸張并且效率不高。但在見(jiàn)識了波士頓動(dòng)力、Agility 和 Unitree 最新的人形機器人和四足機器人之后，我改變了看法。特斯拉在大規模開(kāi)發(fā)低成本電機和齒輪系統方面擁有卓越的工程技能。相比于輪式機器人，腿式機器人在家庭和工廠(chǎng)等環(huán)境中更有優(yōu)勢，它們能夠跨越臺階、障礙物和地毯。雖然雙臂機器人對許多任務(wù)來(lái)說(shuō)至關(guān)重要，但簡(jiǎn)易的抓手比五指的機器人手更可靠、更經(jīng)濟。

Deepu（英偉達）：設計自動(dòng)化機器人本就充滿(mǎn)挑戰，要創(chuàng )建類(lèi)人機器人更是難上加難。不同于大多數只需理解地面障礙物的自動(dòng)移動(dòng)機器人（AMR），類(lèi)人機器人作為移動(dòng)操作平臺，需要利用多模態(tài) AI 來(lái)深入理解它們周邊的環(huán)境。這涉及到大量的傳感器處理、高級控制技術(shù)以及技能執行。

生成式 AI 在構建基礎模型方面取得的突破，正讓類(lèi)人機器人所需的技能更加廣泛適用。同時(shí)，也看到模擬技術(shù)的進(jìn)步，這些技術(shù)能夠訓練基于 AI 的控制系統和感知系統。

Matthew（CMU）：人形的設計形態(tài)是一個(gè)極其復雜的工程與設計挑戰。它對模仿人類(lèi)動(dòng)作和互動(dòng)設定了高度復雜的執行器和控制系統標準。同時(shí)，它也在平衡和協(xié)調方面提出了獨特的挑戰。盡管存在這些困難，但人形機器人在多種社會(huì )和實(shí)用環(huán)境中具有極高的潛在通用性和直觀(guān)可用性。

Max（豐田汽車(chē)先進(jìn)AI研究所）：機器人被廣泛應用于人類(lèi)環(huán)境中，這些環(huán)境通常是以人為本設計的。因此，這些機器人需要具備適應這些以人為中心的環(huán)境并在其中有效工作的能力。然而，適應人類(lèi)環(huán)境并不強求機器人必須擁有類(lèi)人形態(tài)，如兩臂、五指、兩腿和頭部等。更為關(guān)鍵的是，機器人應設計得既緊湊又安全，并且能夠執行與人類(lèi)相似或相輔相成的任務(wù)，以實(shí)現與人類(lèi)的協(xié)作和互補。

Dhruv （Meta）：我持有樂(lè )觀(guān)的看法。從根本上來(lái)說(shuō)，人類(lèi)的環(huán)境是圍繞人的形態(tài)和行為模式設計的。因此，如果期望通用機器人在這些環(huán)境中有效地工作，它們的形態(tài)至少在一定程度上需要模仿人類(lèi)。這不僅僅是模仿人的外觀(guān)，機器人可能會(huì )配備有超出人類(lèi)能力的傳感器或更多的附肢，以適應和優(yōu)化其在人類(lèi)環(huán)境中的性能和功能。

Aaron（波士頓動(dòng)力）：類(lèi)人形態(tài)并不是所有類(lèi)型任務(wù)的理想選擇。以Stretch為例，最初受到Atlas機器人移動(dòng)箱子視頻的啟發(fā)，對開(kāi)發(fā)一種專(zhuān)門(mén)的箱子搬運機器人產(chǎn)生了興趣。但是，僅僅因為人類(lèi)可以搬運箱子，并不意味著(zhù)人形就是執行此類(lèi)任務(wù)的最佳形態(tài)。因此，我們設計了Stretch，這款機器人專(zhuān)為搬運箱子而生，它在完成這一任務(wù)時(shí)的效率和效果遠超人類(lèi)。盡管如此，我們依然對追求多功能通用機器人技術(shù)抱有長(cháng)遠的興趣，畢竟人形設計與我們的生活環(huán)境極為契合。

下一個(gè)機器人技術(shù)落地場(chǎng)景

Max（豐田汽車(chē)先進(jìn)AI研究所）：農業(yè)領(lǐng)域蘊含巨大的潛力和需求，但同時(shí)，許多農業(yè)任務(wù)因其戶(hù)外執行和非結構化的環(huán)境特征，帶來(lái)了極大的挑戰。

Matthew（CMU）：農業(yè)領(lǐng)域超越了傳統的制造業(yè)和倉儲業(yè)，為機器人技術(shù)提供了一個(gè)廣闊的應用平臺，這里面涉及到解決勞動(dòng)力短缺、提升作業(yè)效率和推動(dòng)可持續發(fā)展等多重挑戰。同時(shí)，在運輸和末端配送領(lǐng)域，機器人技術(shù)也被寄予厚望，它們有望極大提高效率、減少成本并提升整體服務(wù)質(zhì)量。隨著(zhù)技術(shù)的不斷進(jìn)步和監管環(huán)境的逐步優(yōu)化，預計這些領(lǐng)域將會(huì )加速采納機器人技術(shù)，以應對各種挑戰和需求。

Aaron（波士頓動(dòng)力）：在考慮如何將客戶(hù)需求與前沿技術(shù)相結合時(shí)，制造業(yè)和物流業(yè)依然是關(guān)注的重點(diǎn)。隨著(zhù)視野的不斷擴大，我預見(jiàn)我們將逐步進(jìn)入到更加復雜和不確定的環(huán)境中。繼制造業(yè)和物流業(yè)這些對自動(dòng)化極為友好的領(lǐng)域廣泛采用機器人技術(shù)之后，建筑業(yè)和醫療保健等行業(yè)可能會(huì )成為下一波機器人技術(shù)應用的熱點(diǎn)。這些行業(yè)因其對大量勞動(dòng)力及對高技能勞動(dòng)力的強烈需求，在勞動(dòng)力供應短缺的情況下，顯得尤為具有吸引力。將機器人技術(shù)應用于這些位于高度結構化工業(yè)環(huán)境和完全非結構化消費市場(chǎng)之間的領(lǐng)域，可能成為實(shí)現更廣泛應用的自然而然的下一步。

隨著(zhù)勞動(dòng)力短缺和人口結構變化，對應的機器人技術(shù)機遇也在持續增長(cháng)。這影響了從農業(yè)到最后一公里配送，再到零售等各行各業(yè)的機器人企業(yè)。

構建適用于各類(lèi)自主機器人的3D虛擬世界是一項關(guān)鍵挑戰，這對于模擬和測試系統是至關(guān)重要的。同時(shí)，生成式人工智能將為開(kāi)發(fā)者快速構建逼真模擬環(huán)境提供支持。將AI技術(shù)集成進(jìn)機器人技術(shù)將有助于提升在各種活躍的非傳統“機器人友好”環(huán)境中的自動(dòng)化水平。

Ken（加州大學(xué)伯克利分校）：未來(lái)，制造業(yè)和倉庫中的機器人數量將遠超今日。自動(dòng)駕駛出租車(chē)在舊金山等復雜的駕駛環(huán)境中取得的最新進(jìn)展，的確令人矚目。然而，對于其成本效益，我仍持謹慎觀(guān)望態(tài)度。在機器人輔助手術(shù)領(lǐng)域，研究人員正在探索“增強靈活性”技術(shù)，通過(guò)這項技術(shù)，機器人能在執行縫合等低級輔助任務(wù)中增強外科手術(shù)技能。

真正的通用機器人還有多遠？

Dhruv （Meta）：預計通用人工智能的實(shí)現還需要三十年時(shí)間。目前，我們所處的階段超出了任何有意義預測的范圍。實(shí)際上，對于那些宣稱(chēng)“通用人工智能即將到來(lái)”的聲音，我們應該保持一定的懷疑態(tài)度，并對此類(lèi)過(guò)于樂(lè )觀(guān)的觀(guān)點(diǎn)持警惕心態(tài)。

Deepu（英偉達）：我們持續見(jiàn)證機器人在智能化道路上的進(jìn)步，并能夠在特定環(huán)境中執行更多種類(lèi)的任務(wù)。我們的目標是不斷解決特定任務(wù)的問(wèn)題，同時(shí)提高機器人在各個(gè)領(lǐng)域的應用性。然而，要達到真正全面自主的通用機器人，仍有漫長(cháng)的路要走。

Matthew（CMU）：能夠在多種環(huán)境下執行廣泛任務(wù)的通用機器人，目前看來(lái)仍然是一個(gè)遙遠的夢(mèng)想。這不僅需要在人工智能、機器學(xué)習、材料科學(xué)以及控制系統等眾多領(lǐng)域取得突破，而且是一個(gè)逐漸演進(jìn)的過(guò)程。機器人技術(shù)將從專(zhuān)注于特定任務(wù)逐漸演化，最終擁有更廣泛的功能和通用性。

Russ（豐田汽車(chē)先進(jìn)AI研究所）：對于我們的機器人從現有的專(zhuān)用模式向更加通用型的轉變，我持樂(lè )觀(guān)態(tài)度。盡管難以預測具體需要多長(cháng)時(shí)間，但靈活的自動(dòng)化技術(shù)、多樣化的高混合制造、農業(yè)機器人、前端服務(wù)機器人以及其他我們尚未預見(jiàn)的新興領(lǐng)域，都將從不斷增長(cháng)的自主性和擴展能力中受益。

Ken（加州大學(xué)伯克利分校）：我不認為我們在近期內就能看到真正的通用人工智能（AGI）或通用機器人的出現。據我所知，目前沒(méi)有哪位機器人學(xué)家真正擔心機器人會(huì )在短期內取代人類(lèi)工作或主宰人類(lèi)。

Matthew（CMU）：真正通用的機器人，能夠在多樣化環(huán)境中執行廣泛任務(wù)，可能尚處于遙遠的未來(lái)。要達成這一目標，我們需要在人工智能、機器學(xué)習、材料科學(xué)以及控制系統等多個(gè)領(lǐng)域取得關(guān)鍵突破。機器人的演進(jìn)，從執行專(zhuān)門(mén)的特定任務(wù)到擁有多功能乃至達到通用性，是一個(gè)漸進(jìn)的演化過(guò)程。

Deepu（英偉達）：未來(lái)，家庭將迎來(lái)更多實(shí)用的機器人，如個(gè)人助理、自動(dòng)割草機和輔助老年人的機器人等。然而，家用機器人的普及主要受限于成本與價(jià)值的平衡——消費者愿意為這些機器人支付多少，以及它們能否提供等值的服務(wù)。例如，機器人吸塵器之所以流行，是因為它們具有較好的性?xún)r(jià)比。隨著(zhù)技術(shù)進(jìn)步，機器人變得更加智能，擁有用戶(hù)友好的界面是其被廣泛采用的關(guān)鍵因素。相比于需要復雜編程的機器人，能夠自主繪制環(huán)境地圖和通過(guò)語(yǔ)音指令操作的機器人將更易被家庭用戶(hù)接受。

而在家用機器人的下一波普及浪潮中，我們可能首先看到的是那些專(zhuān)注于戶(hù)外活動(dòng)的機器人，如自動(dòng)草坪護理機器人。同時(shí)，個(gè)人/健康護理助手等其他類(lèi)型的家用機器人雖展現出潛力，但要真正進(jìn)入千家萬(wàn)戶(hù)，它們還需要克服家庭環(huán)境中動(dòng)態(tài)且非結構化的復雜挑戰。

Max（豐田汽車(chē)先進(jìn)AI研究所）：家庭環(huán)境對于機器人來(lái)說(shuō)構成了巨大的挑戰，因為每個(gè)家庭都擁有其獨特性，缺乏統一的結構化環(huán)境，同時(shí)消費者對價(jià)格極為敏感。盡管未來(lái)的發(fā)展難以精確預測，機器人技術(shù)正以驚人的速度不斷進(jìn)步。

Aaron（波士頓動(dòng)力）：在接下來(lái)的十年里，我們可能會(huì )看到更多專(zhuān)注于特定任務(wù)的家用機器人進(jìn)入家庭，如Roomba這樣的清潔機器人，我們將發(fā)現更多具有明確價(jià)值的應用場(chǎng)景。然而，真正能夠滿(mǎn)足廣泛消費市場(chǎng)需求的多功能家用機器人普及還需時(shí)日。想象一下，在什么情況下你會(huì )愿意為一個(gè)機器人支付與汽車(chē)相當的價(jià)格？這可能會(huì )在機器人能夠提供與當前交通工具相同的可靠性和價(jià)值時(shí)發(fā)生。

Ken（加州大學(xué)伯克利分校）：我預計，未來(lái)十年中，我們將看到更多負擔得起的家用機器人，它們能夠協(xié)助我們進(jìn)行日常整理，比如撿起地上的衣服、玩具和垃圾，并將其放置到指定位置。正如現代的吸塵器，盡管這些機器人可能偶爾會(huì )出錯，但它們將為家庭提供的便利，尤其是對于父母和老年人，將大大超過(guò)它們的局限性。

Dhruv （Meta）：盡管機器人技術(shù)發(fā)展迅速，但核心技術(shù)尚未達到使其在家庭環(huán)境中廣泛應用所需的成熟度。

哪些機器人領(lǐng)域尚未得到足夠的關(guān)注？

Aaron Saunders，波士頓動(dòng)力公司：當前，人工智能及其為機器人技術(shù)等眾多行業(yè)帶來(lái)的變革潛力正在引發(fā)廣泛關(guān)注。盡管人工智能在這些領(lǐng)域扮演著(zhù)關(guān)鍵角色，希望開(kāi)啟長(cháng)期靜止不變的領(lǐng)域，但優(yōu)秀的機器人產(chǎn)品并非僅僅由簡(jiǎn)單的二進(jìn)制代碼組成。為了讓人工智能在物理世界中實(shí)現其功能，與環(huán)境互動(dòng)，我們需要不斷跟進(jìn)計算技術(shù)、感知傳感器、電源管理等所有構成機器人系統的關(guān)鍵技術(shù)的最新發(fā)展。汽車(chē)行業(yè)近期向電氣化和高級駕駛輔助系統的轉變正在迅速改造龐大的供應鏈，帶來(lái)前所未有的機遇。顯卡、計算機及越來(lái)越復雜的人工智能輔助消費電子產(chǎn)品的進(jìn)步為整個(gè)行業(yè)注入了新的活力。這些深遠且鮮為人知的技術(shù)變革是機器人技術(shù)中最令人興奮的發(fā)展趨勢之一，它使得許多創(chuàng )新型小公司能夠借助業(yè)界巨頭的支持，推出新穎且引人注目的產(chǎn)品。

Ken（加州大學(xué)伯克利分校）：提及機器人運動(dòng)規劃，它是機器人學(xué)領(lǐng)域中最古老而深入的研究課題之一，主要關(guān)注如何控制電機關(guān)節以實(shí)現機器人工具的精確移動(dòng)和避免障礙。雖然有些人可能認為這個(gè)問(wèn)題已經(jīng)被解決，但現實(shí)情況遠非如此。機器人技術(shù)中的“奇點(diǎn)”問(wèn)題是所有機器人手臂普遍面臨的一個(gè)核心挑戰，它與人們所想象的機器人技術(shù)的極限大不相同。機器人奇點(diǎn)是指在特定的空間位置，機器人意外停止并需要人工重置的情況。這是由于將預期的直線(xiàn)移動(dòng)轉化為六個(gè)機器人關(guān)節電機各自動(dòng)作的復雜數學(xué)運算導致的。在某些特定的空間位置，這種轉換可能變得不穩定，需要機器人進(jìn)行重置。這個(gè)問(wèn)題的復雜性和持續性表明了機器人運動(dòng)規劃領(lǐng)域仍然有巨大的研究和改進(jìn)空間。

對于重復性的機器人動(dòng)作，可以通過(guò)繁瑣的手動(dòng)微調來(lái)避免奇點(diǎn)，確保機器人的連貫性運動(dòng)。一旦設定好，這些動(dòng)作可以持續準確地重復執行。然而，在機器人運動(dòng)需求多樣化的新興領(lǐng)域，比如碼垛、抓取作業(yè)、訂單處理和包裹排序等，奇點(diǎn)問(wèn)題變得更加常見(jiàn)。這些奇點(diǎn)在不可預測的時(shí)刻打斷機器人的操作，頻繁發(fā)生，成為了眾所周知的一個(gè)問(wèn)題。為了解決這一挑戰，我共同創(chuàng )立了Jacobi Robotics。我們采用高效算法，保證機器人避開(kāi)奇點(diǎn)，顯著(zhù)提升了機器人的可靠性和生產(chǎn)效率。這一突破性進(jìn)展對所有采用機器人技術(shù)的行業(yè)來(lái)說(shuō)，都意味著(zhù)質(zhì)的飛躍，帶來(lái)了前所未有的穩定性和效率。

Russ（豐田汽車(chē)先進(jìn)AI研究所）：當前，生成式人工智能以及硬件領(lǐng)域的顯著(zhù)進(jìn)步和巨額投資頻頻成為話(huà)題。但在這些成就的背后，實(shí)際上是模擬技術(shù)領(lǐng)域一場(chǎng)靜默的革命。就在幾年前，大多數機器人學(xué)者還認為在模擬環(huán)境中訓練或測試計算機視覺(jué)系統是不切實(shí)際的；現在，這已經(jīng)成為了標準操作程序。盡管仍有一些研究者對完全在模擬中開(kāi)發(fā)控制系統——例如靈巧手——并使其在現實(shí)世界中有效運作持保留意見(jiàn)，但越來(lái)越多的趨勢和實(shí)踐正顯示出這一方向的發(fā)展潛力。Nvidia、Google DeepMind 和 TRI 等公司的大量投資正在推動(dòng)這一變革，我們有理由相信模擬技術(shù)的未來(lái)將更加廣闊，機器人技術(shù)的應用也將因此變得更加高效和精確。

Dhruv （Meta）：現在我們已經(jīng)能在真實(shí)的家庭環(huán)境中測試導航機器人，并且它們確實(shí)能夠有效地運作！請注意，這些家庭導航機器人沒(méi)有自動(dòng)駕駛汽車(chē)在數百萬(wàn)英里道路上構建精確地圖的奢侈條件。我們簡(jiǎn)單地將機器人置于一個(gè)新環(huán)境，并指導它尋找特定物品。

Deepu（英偉達）：這突顯了對平臺方法的需求。許多機器人初創(chuàng )公司因為只專(zhuān)注于開(kāi)發(fā)適用于特定任務(wù)或環(huán)境的解決方案而難以擴展。為了商業(yè)化實(shí)現規?；⒕哂锌尚行?，開(kāi)發(fā)出能廣泛適用、快速學(xué)習新技能和適應新環(huán)境的通用機器人是至關(guān)重要的。機器人學(xué)家需要一個(gè)集成了工具和庫的平臺，以便訓練和測試機器人AI，這個(gè)平臺應當提供模擬能力，以訓練模型、生成合成數據，并測試整個(gè)機器人軟件堆棧。同時(shí)，它還應當能夠在機器人上實(shí)時(shí)運行最新和新興的生成式人工智能模型。未來(lái)成功的初創(chuàng )公司和機器人企業(yè)將專(zhuān)注于開(kāi)發(fā)新的機器人技能和自動(dòng)化任務(wù)，并充分利用全面的端到端開(kāi)發(fā)平臺。

Matthew（CMU）：盡管機器人技術(shù)在某些特定細分市場(chǎng)和特定行業(yè)中取得了顯著(zhù)進(jìn)步并且成功應用，這些成就往往被那些更加具有未來(lái)感或廣泛適用性的機器人概念所遮蔽。在農業(yè)、醫療保健或特定工業(yè)應用等領(lǐng)域中，穩步取得的成功案例同樣至關(guān)重要。它們代表了機器人技術(shù)在實(shí)際應用中的真正和具體進(jìn)展，理應受到更廣泛的關(guān)注和認可。這些進(jìn)步不僅彰顯了技術(shù)的實(shí)用價(jià)值，也為機器人技術(shù)的未來(lái)發(fā)展和廣泛應用奠定了堅實(shí)的基礎。

來(lái)源：大數據文摘