AI產(chǎn)品經(jīng)理在對于AI技術(shù)上都會有迷茫和焦慮，那么AI產(chǎn)品經(jīng)理需要了解技術(shù)關(guān)系有哪些呢？

產(chǎn)品經(jīng)理面臨對AI技術(shù)都有迷茫焦慮，不懂AI產(chǎn)品經(jīng)理如何面對AI與大數(shù)據(jù)的關(guān)系，AI產(chǎn)品經(jīng)理與編碼人員的關(guān)系，AI產(chǎn)品經(jīng)理與算法技術(shù)人員的關(guān)系，AI產(chǎn)品經(jīng)理與AI技術(shù)的關(guān)系應(yīng)該懂哪些AI技術(shù)，AI產(chǎn)品經(jīng)理的思維方式與AI技術(shù)的思維方式的關(guān)系。

這些關(guān)系搞不懂會造成產(chǎn)品經(jīng)理焦慮癥，故此專門撰寫AI產(chǎn)品經(jīng)理必懂的技術(shù)關(guān)系如下文：

明白一：AI產(chǎn)品經(jīng)理與數(shù)據(jù)技術(shù)人員的關(guān)系

1. 先明白大數(shù)據(jù)與AI的關(guān)系

AI取得的成績離不開對海量歷史數(shù)據(jù)的分析和挖掘，而這些數(shù)據(jù)通常具有容量大、更新速度快、格式多樣、信息價值密度低等大數(shù)據(jù)特點。因此采用傳統(tǒng)的數(shù)據(jù)處理方法難以有效地獲取、存儲、管理和分析這些數(shù)據(jù)，這就需要開發(fā)大數(shù)據(jù)技術(shù)去處理這些問題。

此外，大數(shù)據(jù)技術(shù)在處理海量數(shù)據(jù)過程中需要相應(yīng)的AI技術(shù)提供輔助，比如通過傳統(tǒng)的統(tǒng)計機器學(xué)習(xí)方法對數(shù)據(jù)進(jìn)行分類。

總之，大數(shù)據(jù)技術(shù)中的信息處理，需要AI的幫助 ；而AI技術(shù)中的數(shù)據(jù)處理，又需要大數(shù)據(jù)技術(shù)的幫助。

2. 數(shù)據(jù)是原料

數(shù)據(jù)在智能產(chǎn)品業(yè)務(wù)中發(fā)揮了原材料的作用，尤其是神經(jīng)網(wǎng)絡(luò)層數(shù)的增多需要的數(shù)據(jù)量也會成指數(shù)級增長。

比如：AlphaGo 使用的強化學(xué)習(xí)技術(shù)，該技術(shù)需要機器算法自我更新迭代。AlphaGo 需要從大量的人類對戰(zhàn)棋局中學(xué)習(xí)出何種對弈方式，會大概率取勝從而不斷調(diào)整落子的決策，這對于人類來說是不可能完成的學(xué)習(xí)任務(wù)。

具體來說，AlphaGo 主要分為兩大部分，分別是：落子決策網(wǎng)絡(luò)和價值評估網(wǎng)絡(luò)。

落子決策網(wǎng)絡(luò)通過每個落子后可能的結(jié)局，預(yù)測下一步應(yīng)該落在哪個位置勝率更大；而價值評估網(wǎng)絡(luò)則是用于預(yù)測對手可能的決策，從而更加準(zhǔn)確地預(yù)測棋局走向。這些網(wǎng)絡(luò)模型的訓(xùn)練過程需要大量人類對戰(zhàn)棋局作為訓(xùn)練集，從而學(xué)習(xí)出更加準(zhǔn)確的模型參數(shù)。

此外，深度學(xué)習(xí)技術(shù)在計算機視覺領(lǐng)域的突出表現(xiàn)，也是源于海量數(shù)據(jù)的獲取和處理。比如：人臉識別中使用的卷積神經(jīng)網(wǎng)絡(luò)，就是通過大量人臉圖片訓(xùn)練出網(wǎng)絡(luò)的參數(shù)。這些參數(shù)從不同層面表現(xiàn)了人臉圖片的內(nèi)在信息，比如是否是長頭發(fā)，是否是黑眼睛以及是否戴眼鏡等等。

最后，大數(shù)據(jù)技術(shù)也在AI的一些新興應(yīng)用中發(fā)揮著巨大的作用。比如：智能制造業(yè)中需要完成智能管理、智能裝配、智能營銷等過程，每個過程都需要大數(shù)據(jù)技術(shù)提供支撐。因為從海量數(shù)據(jù)中挖掘的有效信息可以指導(dǎo)制造過程，使管理更加便捷，使制造的產(chǎn)品更少出現(xiàn)殘次品。因此，大數(shù)據(jù)為AI技術(shù)的發(fā)展與應(yīng)用提供了強有力支持。

3. AI促進(jìn)數(shù)據(jù)分析

大數(shù)據(jù)技術(shù)主要針對大規(guī)模無規(guī)則數(shù)據(jù)的處理，包括數(shù)據(jù)的采集、存儲、管理以及挖掘使用。同時，這些處理過程的改善越來越依賴于AI技術(shù)的的參與，可以說大數(shù)據(jù)的一些關(guān)鍵技術(shù)也屬于AI的范疇。因此，AI的快速發(fā)展也促進(jìn)了大數(shù)據(jù)相關(guān)技術(shù)的發(fā)展。

首先，AI技術(shù)的使用可以加快大規(guī)模數(shù)據(jù)的采集過程以及提高采集到的數(shù)據(jù)質(zhì)量。傳統(tǒng)的數(shù)據(jù)采集只能按照某種匹配模式抓取數(shù)據(jù)，但是不能實時監(jiān)控數(shù)據(jù)質(zhì)量，造成采集到大量無效或者低價值密度的數(shù)據(jù)。AI技術(shù)的應(yīng)用可以通過分析數(shù)據(jù)分布去除冗余數(shù)據(jù)，通過精確定位數(shù)據(jù)來源有針對性地提取重要數(shù)據(jù)。

其次，AI技術(shù)優(yōu)化了大數(shù)據(jù)的存儲過程。通過AI相關(guān)技術(shù)分析存儲好的大數(shù)據(jù)，我們可以提煉大數(shù)據(jù)的內(nèi)在特征并壓縮大數(shù)據(jù)從而用更少的數(shù)據(jù)存儲空間表示更大規(guī)模的數(shù)據(jù)。比如：谷歌大腦團隊針對數(shù)據(jù)庫中的索引結(jié)構(gòu)提出相應(yīng)的深度學(xué)習(xí)模型，即分別用深度學(xué)習(xí)模型替換 B-tree，HashTable以及 BloomFilter 等索引。

簡單來說，通過學(xué)習(xí)欲存儲的數(shù)據(jù)的分布情況，他們分別得到相應(yīng)的深度學(xué)習(xí)模型的參數(shù)，然后用訓(xùn)練好的模型替代數(shù)據(jù)庫的索引。雖然損失了一些查找的精確度，但是大大降低了查找的時間以及空間復(fù)雜度，從而提高了存儲效率。

最后，AI技術(shù)在大數(shù)據(jù)的使用挖掘中發(fā)揮了不可替代的作用，使大數(shù)據(jù)的應(yīng)用效率不斷提高。例如：基于人們出行的軌跡大數(shù)據(jù)，一些打車軟件會利用人工智能技術(shù)分析乘客出行數(shù)據(jù)特征，并對用戶進(jìn)行畫像，然后針對乘車需求規(guī)劃路徑以及給司機派單，從而可以針對不同的訂單數(shù)據(jù)合理分配車輛滿足人們的出行需求。

此外，我們?nèi)粘Ｊ褂玫男侣勍扑]軟件、電商購物軟件等，都是通過大量用戶使用情況的數(shù)據(jù)給用戶精準(zhǔn)定位，分析用戶的喜好，然后個性化推薦相應(yīng)的服務(wù)，其中這種個性化推薦流程離不開AI技術(shù)的應(yīng)用。

總之，大數(shù)據(jù)發(fā)揮價值的重要手段，就是使用先進(jìn)的AI技術(shù)不斷地從數(shù)據(jù)中挖掘有效信息，然后表示為相應(yīng)的知識并用這些知識更好地服務(wù)于人。

小結(jié)：大數(shù)據(jù)和AI的結(jié)合，是實現(xiàn)計算機達(dá)到人類智能水平目標(biāo)的有效手段。即AI中有大數(shù)據(jù)，大數(shù)據(jù)中有AI。

明白二：AI產(chǎn)品經(jīng)理與編碼技術(shù)人員的關(guān)系（區(qū)別于算法技術(shù)人員）

首先我們知道編碼技術(shù)人員成為優(yōu)秀的產(chǎn)品負(fù)責(zé)人的案例比比皆是，張小龍、雷軍、雷軍認(rèn)為其在金山的優(yōu)點是勤勞，缺點是沒有順勢而為，說白了什么叫順勢而為。筆者理解順勢而為就是產(chǎn)品思維，以用戶為中心的思維再來看張小龍。

我們都知道張小龍寫過Foxmail的代碼，但是我們更加知道Foxmail產(chǎn)品運營不下去了，張小龍賣掉了這個產(chǎn)品。然后張小龍做微信的時候他指出：一個億級用戶的產(chǎn)品經(jīng)理，無需做到透徹思考人性和產(chǎn)品的所有方面，但需要在極端現(xiàn)實主義和極端理想主義之間取得平衡。做產(chǎn)品力求簡單美，要滿足用戶“貪嗔癡”。

從張小龍的產(chǎn)品方法可以看出，作為微信的產(chǎn)品負(fù)責(zé)人他根本就不關(guān)心編碼。關(guān)心的是用戶、用戶、用戶，重要的事情說3遍。

而非編碼技術(shù)人員成為優(yōu)秀產(chǎn)品負(fù)責(zé)人的案例，更多公司產(chǎn)品影響力更大。

阿里巴巴的創(chuàng)立者馬云就是連高考數(shù)學(xué)都要考3次才及格而已的典型非編碼人才，但是早年做淘寶產(chǎn)品不得不說這種產(chǎn)品眼光才有了今日阿里的地位。

下圖為原來的副部長采訪馬云截圖：

另外我們能看到或者想想一下，滴滴創(chuàng)始人程偉，還有今天的馬化騰和李彥宏作為產(chǎn)品的總負(fù)責(zé)人在那里編碼嗎？如果編碼比產(chǎn)品方向重要的化身為老板的他們?yōu)樯恫蝗ゾ幋a呢？

這個問題說明的是產(chǎn)品經(jīng)理會不會編碼真的不重要，或者說我們作為實實在在的產(chǎn)品經(jīng)理根本不需要編碼。一來你編碼了程序員干啥工作呢？二來你的時間用在編碼上誰來發(fā)現(xiàn)更有價值的需求呢？誰來設(shè)計需求呢？

如果都不分工產(chǎn)品和編碼之間毫無邊界而競品有分工的話，那么你的產(chǎn)品將慢于競品，從而競品抓住Timing早日抓住用戶的心智。

明白三：AI產(chǎn)品經(jīng)理與算法技術(shù)人員的關(guān)系

以今日頭條靈犬產(chǎn)品為例。

首先為什么做靈犬？

因為以今天今日頭條的內(nèi)容體量之大，頭條公司需要數(shù)千人的人工審核團隊，可以想象人員成本之高且人員審核是否會因?qū)徍巳藛T的一時的情緒而導(dǎo)致尺度變化都是很有可能的。

靈犬產(chǎn)品解決了什么需求問題呢？

• 首先，靈犬產(chǎn)品原型是為了解決今日頭條本身平臺上鑒定低俗內(nèi)容的。
• 其次，互聯(lián)網(wǎng)上信息豐富，僅憑人力進(jìn)行反低俗，成本過高。今日頭條基于反低俗模型開發(fā)了自動反低俗的小程序，用戶輸入一段文字或文章鏈接，小程序會先進(jìn)行提取、分詞和語義識別，然后根據(jù)設(shè)定的規(guī)則，檢測其閱讀內(nèi)容的健康指數(shù)，輸出對應(yīng)的分?jǐn)?shù)、評級和結(jié)論。不同于色情信息，處理低俗信息的一個難點在于，人們對于低俗的判斷標(biāo)準(zhǔn)具有一定的主觀性，合理篩選難度大。團隊根據(jù)測試員的意見反饋，完善評估標(biāo)準(zhǔn)，開發(fā)人工策略。小程序也可將自身難以直接處理的時政內(nèi)容交由人工審核判斷。

靈犬產(chǎn)品負(fù)責(zé)人要做什么呢？

第一出產(chǎn)品方案：

今日頭條面向社會招募反低俗測試員，從超過 5,000 位報名用戶中選出 30 位代表，包括政府部門工作人員、媒體記者、編輯、大學(xué)教授、學(xué)生、互聯(lián)網(wǎng)公司產(chǎn)品經(jīng)理和技術(shù)人員、自媒體人等。測試員標(biāo)注數(shù)據(jù)，判斷文字是否低俗，并為算法策略提供建議。

第二設(shè)計產(chǎn)品：

首先我們都知道頭條系列的產(chǎn)品非常重視運用AI技術(shù)賦能產(chǎn)品，例如：我們都知道的文字內(nèi)容推薦，還有短視頻抖音內(nèi)容的推薦。

那么我們在靈犬小程序產(chǎn)品中，可以看到今日頭條幫靈犬這個AI產(chǎn)品模塊放到了最重要的位子，核心產(chǎn)品的核心入口位置。

如下圖：

再來看第二個設(shè)計，即產(chǎn)品經(jīng)理規(guī)劃產(chǎn)品界面布局。如下圖：

這個模塊是筆者實地調(diào)研發(fā)現(xiàn)的，可以通過與同在今日頭條小程序窗口內(nèi)的其他模塊進(jìn)行比較，靈犬的色彩以及對搜索框居中設(shè)計的布局可見靈犬是個單獨的產(chǎn)品模塊即可稱之為獨立的產(chǎn)品?？梢栽诜止さ臅r候由單獨的產(chǎn)品團隊來完成。然后集成到今日頭條小程序里面。

再則回到本節(jié)主題AI產(chǎn)品經(jīng)理與算法技術(shù)的關(guān)系，以靈犬產(chǎn)品界面直接表達(dá)出來的內(nèi)容做解釋并結(jié)合下圖：

從圖上可見用戶輸入的內(nèi)容會上傳到靈犬的模型里，模型內(nèi)有產(chǎn)品經(jīng)理和技術(shù)共同建設(shè)的防低俗算法，這個 算法包含一個命名實體（NER）技術(shù)用來識別里面人名、地名、事物的名稱等關(guān)鍵名詞，然后同產(chǎn)品經(jīng)理和運營人員邀請的數(shù)據(jù)標(biāo)注人員標(biāo)注的低俗數(shù)據(jù)規(guī)則進(jìn)行計算，再然后輸出對應(yīng)的分?jǐn)?shù)、評級和結(jié)論。

第三產(chǎn)品經(jīng)理協(xié)助運營團隊運營靈犬產(chǎn)品

像靈犬的產(chǎn)品經(jīng)理還要寫靈犬反低俗助手產(chǎn)品的產(chǎn)品介紹、產(chǎn)品Q&A。產(chǎn)品用戶調(diào)研、產(chǎn)品推廣，產(chǎn)品策略制定例如通過靈犬小程序產(chǎn)品可以收集數(shù)據(jù)來優(yōu)化今日頭條的本體反低俗模型產(chǎn)品。

所以從AI產(chǎn)品經(jīng)理與算法技術(shù)的關(guān)系可以看出，AI產(chǎn)品經(jīng)理與算法技術(shù)是緊密配合的關(guān)系，相對以往產(chǎn)品經(jīng)理與技術(shù)的關(guān)系來說，AI技術(shù)為產(chǎn)品經(jīng)理做出創(chuàng)新的產(chǎn)品多提供了一個工具。

明白四：AI產(chǎn)品經(jīng)理懂不懂AI技術(shù)？懂的程度？

之前有一個熱情的學(xué)員在群里總愛說在大學(xué)生們中間流行的Kaggle比賽，結(jié)果自己說其發(fā)現(xiàn)自己比Kaggle里面的高手差距很大，但是自己羨慕Kaggle。

筆者要說的是：Kaggle思維的基礎(chǔ)和初步條件是識別問題，即Kaggle第一步是識別確定的需求種類。而AI產(chǎn)品經(jīng)理或者一般產(chǎn)品經(jīng)理經(jīng)常面臨的問題和需求是不明確的，這就要求產(chǎn)品經(jīng)理第一步需要解決的問題是發(fā)現(xiàn)問題，即找準(zhǔn)有價值的需求。

所有剛畢業(yè)的工科生做產(chǎn)品經(jīng)理不妨記?。寒a(chǎn)品經(jīng)理是發(fā)現(xiàn)需求并在不確定的需求里面確定需求，而Kaggle一類的思維模式是輔助識別需求。

當(dāng)然是發(fā)現(xiàn)有價值的需求更難，否則人人都能創(chuàng)作出好的產(chǎn)品人人都是老板了。

同傳統(tǒng)時代產(chǎn)品經(jīng)理與編碼技術(shù)人員的關(guān)系類似，從算法工程師的角度切入做產(chǎn)品經(jīng)理的人比比皆是，但是非算法工程師出身的產(chǎn)品負(fù)責(zé)人人數(shù)更多。

一方面，懂算法的話需要把算法找到應(yīng)用的場景，例如：柔宇的劉博士懂柔性傳感器技術(shù)，但是需要幫這種技術(shù)產(chǎn)品化，故此需要用柔性顯示+做出柔記（柔記：一種寫在真紙上，記載在AI芯片里的智能手寫本），搶在三星之前發(fā)布柔性可折疊手機做出柔派（柔性技術(shù)+AI+新交互的手機和PAD同體款），早日做出柔派是要搶占用戶心智。

當(dāng)這些產(chǎn)品負(fù)責(zé)人走向更高層次的時候僅僅擅長算法是不夠的，因為一款產(chǎn)品的成功需要的不僅僅是算法。

AI產(chǎn)品經(jīng)理應(yīng)該懂得是AI技術(shù)的基礎(chǔ)知識，AI技術(shù)原理即可，不能在需要人臉識別的時候而用語音識別，AI產(chǎn)品經(jīng)理需要明白的AI技術(shù)核心是機器學(xué)習(xí)、深度學(xué)習(xí)、NLP。和知道時下機器識別語音、機器識別視覺是由于深度學(xué)習(xí)算法的發(fā)展，文本語義識別是由于NLP中的NER命名實體技術(shù)算法的成熟等等，作為一名AI產(chǎn)品經(jīng)理懂AI技術(shù)到此就夠了。

總結(jié)一下即：通過《入門成為AI產(chǎn)品經(jīng)理》課程學(xué)到我們常用的算法是什么，用到哪些問題領(lǐng)域，在做產(chǎn)品設(shè)計的時候選對算法設(shè)計自己的應(yīng)用即為入門AI產(chǎn)品經(jīng)理。如果需要了解詳細(xì)的算法且有時間的話，可以聽人工智能算法課程。

筆者建議是除非產(chǎn)品本身主題是算法，即你的產(chǎn)品就是算法外沒有必要再花時間。相關(guān)建議和原因是再強調(diào)一遍產(chǎn)品經(jīng)理是發(fā)現(xiàn)需求，設(shè)計產(chǎn)品方案，輔助運營產(chǎn)品，高階的產(chǎn)品經(jīng)理也負(fù)責(zé)產(chǎn)品方向，產(chǎn)品融資等等具有系統(tǒng)性的工作，所以AI產(chǎn)品經(jīng)理根本工作絕不是研究AI算法這么單一的事情。

明白五：AI產(chǎn)品經(jīng)理核心是AI思維非AI技術(shù)

1. 思維模式：理念非常重要

時下和未來對AI產(chǎn)品經(jīng)理來說思維模式理念是非常重要的，例如：當(dāng)你是一款產(chǎn)品的創(chuàng)始人，當(dāng)你跟投資人說我要做一個積分類產(chǎn)品，估計投資人會較高概率拒絕你甚至都不感興趣跟你交流，但是當(dāng)你說你要做一個積分制的閑置物品互送平臺，通過AI技術(shù)賦能提高交易效率類似今日頭條的精準(zhǔn)推薦算法。

用戶可通過簽到、分享、交易物品等行為獲取“小紅花”，以“小紅花”代替錢，和傳統(tǒng)交易平臺比，給用戶帶來新的交易體驗——在平臺上不像買賣雙方，更像是送東西和收禮物。

例子產(chǎn)品如下圖：

思維方式從積分到小紅花這么一聽，投資者至少會問您：“什么是小紅花，怎么玩？”。所以由此可見，理念、思維模式是非常重要的，同時小紅花模式的公司也融資到了巨額資金，并且是由紅杉資本中國領(lǐng)投6500萬美金。

2. 產(chǎn)品思維與技術(shù)思維的區(qū)別

產(chǎn)品經(jīng)理是發(fā)現(xiàn)需求后做產(chǎn)品策略做對的產(chǎn)品，例如：當(dāng)快手2011年開始上市場運營，而今日頭條系從2016年才開始做抖音，那么如果你是技術(shù)思維的話，你準(zhǔn)備研究比快手更好的AI模型？然后超越快手嗎？

那我們看抖音的產(chǎn)品負(fù)責(zé)人士怎么運用產(chǎn)品思維做產(chǎn)品策略的。

首先AI技術(shù)模型全世界都是公開的，這一點從產(chǎn)品角度看沒有門檻。

另外抖音的產(chǎn)品一下子發(fā)三款，分別是：

• 一跟快手一模一樣的純粹類UGC平臺火山小視頻；
• 二是較長視頻西瓜視頻平臺；
• 第三做一款又類PGC優(yōu)質(zhì)內(nèi)容的平臺抖音，在同時從市場收購一款。2017年11月10日頭條以10億美元購北美音樂短視頻社交平臺Musical.ly，與抖音合并。

如果頭條是技術(shù)思維的話，通過技術(shù)逆向看Musical.ly源碼，會不出意外發(fā)現(xiàn)我們也能做呀，我們技術(shù)比Musical.ly還好。

筆者建議以上思想想在AI時代做產(chǎn)品經(jīng)理一定要買本《AI+時代產(chǎn)品經(jīng)理的思維方法》一書，好好讀讀產(chǎn)品經(jīng)理的本質(zhì)是啥。

例如：上面的例子再分析，如果頭條是技術(shù)思維抖音早就被2018年騰訊系的微視干死了，還哪里會等你慢慢開發(fā)一個Musical.ly。

3. 思維是方法和方向的問題，而技術(shù)是執(zhí)行和操作的問題

如果方向和方法錯了你越執(zhí)著于執(zhí)行和操作，你錯的越深你的產(chǎn)品越?jīng)]有用戶和客戶。

我們常說：產(chǎn)品需求是釘子，技術(shù)選型是錘子，即AI產(chǎn)品經(jīng)理本質(zhì)核心工作是持續(xù)從用戶需求出發(fā)，滿足用戶需求。洞察、分析、不斷的滿足用戶需求。

我們都知道目前的流量基本被BAT和TMD壟斷，你的產(chǎn)品只能做出差異化用戶才有可能用你，即使是BAT和TMD的產(chǎn)品也依然在想如何做出體驗更好產(chǎn)品更有差異化從而從競爭對手那里，從未來把用戶吸引到用其的產(chǎn)品。

想想除了AI還有其他更好的選擇的化可以一起用來助力或者說賦能產(chǎn)品，AI并不是滅了所有的產(chǎn)品，而是所有的產(chǎn)品相似的競品太多了，用戶需要更好的體驗，需要更高效率的產(chǎn)品。

最終目的是通過AI技術(shù)做出差異化的產(chǎn)品或者體驗更好，效率更高的產(chǎn)品滿足用戶需求。

AI之所以給所有產(chǎn)品經(jīng)理一個新的機會有兩個原因：

• 其一是傳統(tǒng)的產(chǎn)品需求幾乎沒有剩下的了。
• 其二是AI賦能電商、視頻、智能硬件、安防、等方面給予了社會創(chuàng)造就業(yè)的新的機會。所以AI產(chǎn)品經(jīng)理要把時間花在刀刃上，即AI賦能產(chǎn)品賦能哪些場景賦能哪些產(chǎn)品。

如果你想系統(tǒng)化入門AI產(chǎn)品經(jīng)理，掌握AI產(chǎn)品經(jīng)理的落地工作方法，戳這里>http://996.pm/7bjab

#專欄作家#

連詩路，公眾號：LineLian。人人都是產(chǎn)品經(jīng)理專欄作家，《產(chǎn)品進(jìn)化論：AI+時代產(chǎn)品經(jīng)理的思維方法》一書作者，前阿里產(chǎn)品專家，希望與創(chuàng)業(yè)者多多交流。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議