“一款理想的醫(yī)療大模型是解決醫(yī)療不可能三角，創(chuàng)造生產(chǎn)力價值?！?/p>

近日，在雷峰網(wǎng)《醫(yī)健AI掘金志》對話京東健康技術(shù)產(chǎn)品部智能算法部負(fù)責(zé)人王國鑫，他指出，醫(yī)療絕對供給量不足是造成醫(yī)療“不可能”三角--成本、質(zhì)量、可及性的根本原因。但在這一冰層下，還隱藏著醫(yī)療結(jié)構(gòu)性供給不足的問題。

過去分級診療曾是解決這一問題的主要手段，通過將大量常見病、多發(fā)病、慢性病的病人，從三級醫(yī)療機構(gòu)中、從專家手中，轉(zhuǎn)移到基層醫(yī)療機構(gòu)的全科醫(yī)生手中。

盡管不少區(qū)域已通過醫(yī)聯(lián)體或醫(yī)共體的方式推動分級診療，但分診的重點仍在于“分”，而非“診”，被視為一種簡單的“淺層創(chuàng)新”。

在如今的AI大模型技術(shù)紅利下，京東健康嘗試用先進(jìn)的AI技術(shù)協(xié)助醫(yī)生和患者，為創(chuàng)造出增量的醫(yī)療產(chǎn)業(yè)生產(chǎn)力提供一種新的解決路徑。

這就是前不久京東健康發(fā)布的面向醫(yī)療健康行業(yè)的“京醫(yī)千詢”大模型。王國鑫介紹，該大模型可快速完成在醫(yī)療健康領(lǐng)域各個場景的遷移和學(xué)習(xí)，從而實現(xiàn)產(chǎn)品和解決方案的全面AI化部署，為遠(yuǎn)程醫(yī)療服務(wù)換上新的“技術(shù)底座”。

相比于業(yè)內(nèi)早就推出醫(yī)療大模型的企業(yè)，京東健康的大模型發(fā)布時間并不算早。

今年5月底，醫(yī)聯(lián)率先推出首個國內(nèi)醫(yī)療大模型MedGPT。6月底，叮當(dāng)健康發(fā)布叮當(dāng)HealthGPT，基于此研發(fā)應(yīng)用型醫(yī)藥AI產(chǎn)品——叮當(dāng)藥師、營養(yǎng)師AI助手。此外，潤達(dá)醫(yī)療，衛(wèi)寧健康、科大訊飛、創(chuàng)業(yè)慧康、朗瑪信息等公司也在積極布局。

越來越多的醫(yī)療健康領(lǐng)域企業(yè)意識到，強大的語言理解能力、生成能力、邏輯推理能力，將讓大模型在互聯(lián)網(wǎng)醫(yī)療領(lǐng)域大有可為。

“不過，這要看哪家企業(yè)能夠率先打造出一個殺手級應(yīng)用走向正循環(huán)?！蓖鯂伪硎尽?/p>

首先，相比于一些企業(yè)只選擇與三甲醫(yī)院醫(yī)生合作進(jìn)行產(chǎn)品研發(fā)測試優(yōu)化，截至7月中旬，已經(jīng)有178家科研醫(yī)療機構(gòu)、26家藥企、69家企業(yè)客戶，以及超過4.3萬名醫(yī)生，直接或間接參與了京醫(yī)千詢大模型的應(yīng)用建設(shè)。

其次，京東健康建設(shè)了行業(yè)內(nèi)首個實物與服務(wù)相聯(lián)通、知識與數(shù)據(jù)相融合的百萬級大規(guī)模健康知識圖譜，沉淀了超過億級的覆蓋線上、線下醫(yī)患場景的高質(zhì)量健康檔案，并擁有海量的醫(yī)藥全域流通大數(shù)據(jù)。而這些則是打造一款“殺手級”應(yīng)用的天然試驗場。

不過，大模型在互聯(lián)網(wǎng)醫(yī)療領(lǐng)域的落地仍然任重道遠(yuǎn)。

王國鑫指出，“大模型將來要面對的幾億消費者，充當(dāng)他們的健康助手。但京醫(yī)千詢目前的推理速度還有較大的提升空間?！?/p>

因此，京東健康如何運用這一創(chuàng)新服務(wù)模式，推動醫(yī)療服務(wù)的常態(tài)化、醫(yī)療資源的可及性，將是后續(xù)的重要命題。

以下為《醫(yī)健AI掘金志》與王國鑫的對話內(nèi)容，《醫(yī)健AI掘金志》做了不改變原意的編輯與整理。

《醫(yī)健AI掘金志》：京東基于“言犀”大模型，研發(fā)了醫(yī)療大模型“京醫(yī)千詢”，這一模型上有哪些亮眼能力可以分享？

王國鑫：互聯(lián)網(wǎng)醫(yī)療發(fā)展歷程中，技術(shù)能力是服務(wù)的關(guān)鍵支撐，而“京醫(yī)千詢”大模型是我們醫(yī)療數(shù)智化技術(shù)的一次集中體現(xiàn)。

它利用了京東健康超億級的高質(zhì)量醫(yī)患對話數(shù)據(jù)、大規(guī)模的醫(yī)療知識圖譜，以及公開資料如臨床實踐指南、最新的醫(yī)學(xué)文獻(xiàn)和專家知識等，最終涌現(xiàn)出三種能力：覆蓋全流程的醫(yī)療需求，具備智能決策，支持多模態(tài)的醫(yī)療信息處理。

值得關(guān)注的是，京東健康并未只將醫(yī)療大模型作為針對某一類受眾或用戶的單一產(chǎn)品，而是將其作為新一代醫(yī)療健康服務(wù)生態(tài)建設(shè)的“技術(shù)底座”，推動全行業(yè)解決方案和產(chǎn)品的智能化升級，盡可能發(fā)揮新技術(shù)的價值能量。

首先，在服務(wù)醫(yī)生方面，基于京醫(yī)千詢形成的“智能助理”工具，可以協(xié)助醫(yī)生完成診療風(fēng)險識別、臨床輔助決策、影像輔助決策、患者輔助篩查、智能輔助審方等操作，幫助醫(yī)生生成語音電子病歷、進(jìn)行智能隨訪，提供動態(tài)醫(yī)囑、專病管理、教學(xué)培訓(xùn)等內(nèi)容，從而提高工作效率，提升診療準(zhǔn)確率。

第二，針對個人用戶，基于京醫(yī)千詢大模型的“AI健康管家”，能將用戶基礎(chǔ)狀態(tài)、飲食運動、生理信號等全時空健康數(shù)據(jù)，進(jìn)行整合分析，提供健康方案定制、管理執(zhí)行的閉環(huán)解決方案。

這不僅可以在用戶生病的時候提供幫助，還能在日常生活中提供在線咨詢、用藥指導(dǎo)、情感陪伴、健康自測、飲食營養(yǎng)管理、健康行為干預(yù)等服務(wù)。

第三，對于醫(yī)療機構(gòu)和企業(yè)客戶，京醫(yī)千詢能夠協(xié)助醫(yī)療機構(gòu)和企業(yè)客戶進(jìn)行遠(yuǎn)程診療服務(wù)調(diào)度、商保理賠、藥品流轉(zhuǎn)追溯、硬件服務(wù)體驗提升、企業(yè)健康管理優(yōu)化等，從而幫助實現(xiàn)醫(yī)療資源高質(zhì)量供給的提升。

第四，在科研領(lǐng)域，京醫(yī)千詢還可以進(jìn)行輔助新藥挖掘、醫(yī)療大數(shù)據(jù)科研、標(biāo)準(zhǔn)化病歷質(zhì)控、醫(yī)療專病分析、智能硬件反饋評估。

《醫(yī)健AI掘金志》：你在介紹京醫(yī)千詢大模型時用了三個詞：覆蓋全醫(yī)療流程、智能決策、多模態(tài)。單拎出來任意一個都很有挑戰(zhàn)，你們?yōu)楹螞Q定一次性全解決了？

王國鑫：從一開始做大模型時，我們就堅持一種想法，要先定義好大模型的能力再做技術(shù)開發(fā)。

因為京東健康中是有非常多的應(yīng)用場景，而且很多場景早已廣泛使用了各類AI技術(shù)。所以與其說我們要做一個具有什么能力的大模型，還不如反過來問，我們都有哪些不得不做的能力，才能夠覆蓋京東健康已有的應(yīng)用場景。

所以第一個詞“全流程”就自然產(chǎn)生。也就是說，無論 to C、to B、 to G、to H，其需求一定是醫(yī)療全流程“防篩診治康”中的一環(huán)，必須用最新的大模型技術(shù)替代掉原有碎片化的中小型技術(shù)。

第二個詞“智能決策”從何而來？

它確實是大模型帶來的核心想象力，在決策機制上降低對人的依賴，顯著提高用戶的收益增速度。

而且大模型之于醫(yī)生絕對不僅僅是一個問答和對話的陪伴角色，最重要的是幫助醫(yī)生完成任務(wù)，提供決策的能力。

第三個詞，多模態(tài)。

這是醫(yī)療行業(yè)的剛需。目前最常見的多模態(tài)技術(shù)是醫(yī)學(xué)影像學(xué)，如CT可以提供高分辨率的結(jié)構(gòu)圖像，MRI可以提供更詳細(xì)的軟組織信息，PET可以提供代謝信息。醫(yī)生可以將這些信息綜合起來，制定更準(zhǔn)確的治療方案。

但未來大模型必須能夠支持醫(yī)療場景下的多模態(tài)輸入和輸出，它至少得懂各種醫(yī)學(xué)資料，比如體驗報告、化驗單、以及終端可穿戴設(shè)備的監(jiān)測數(shù)據(jù)，從而精準(zhǔn)判斷病情。

總的來說，這三種能力是今天醫(yī)療大模型能良好落地的技術(shù)前提。

《醫(yī)健AI掘金志》：你們大概什么時間決定做一款醫(yī)療垂直大模型，也就是說何時開始將言犀大模型往醫(yī)療場景遷移、驗證和應(yīng)用的？

王國鑫：言犀是京東的通用大模型，代表了京東最底層的技術(shù)能力。但我們并非在ChatGPT出來后才去布局，而是京東探索研究院過去幾年一直在做的工作。比如2021年，探索院就推出了“織女”模型并問鼎GLUE榜單，它可以看作言犀大模型的前身。

但我們真正決定試驗大模型的應(yīng)用能力是從今年1月開始。直到今年7月，京東在JDD大會上推出言犀大模型和京醫(yī)千詢醫(yī)療大模型，并進(jìn)一步建設(shè)面向產(chǎn)業(yè)應(yīng)用的技術(shù)生態(tài)。

我覺得從技術(shù)上講是這么一個過程，所以很難回答大模型相關(guān)技術(shù)研發(fā)的起點。如果沒有之前的沉淀和積累，特別是行業(yè)人才稀缺的情況下，很難在半年之內(nèi)打造一個千億級，面向產(chǎn)業(yè)應(yīng)用的模型。

第二個問題，我們醫(yī)療場景的遷移這件事情，跟剛才的問題是一致的，并不是現(xiàn)在才遷移。

京東健康的技術(shù)產(chǎn)品體系本身就有大量的醫(yī)學(xué)自然語言工作任務(wù)，只是之前基于織女模型去開展工作，今年做了模型升級，就在言犀大模型繼續(xù)開展工作。

《醫(yī)健AI掘金志》：從通用大模型到產(chǎn)業(yè)大模型，半年時間里你們的主要工作是什么？

王國鑫：時間都去哪了，這是大家是非常關(guān)心的問題。首先可以明確一點，決定走大模型路線后，我們反而在技術(shù)路線的選擇上少了很多糾結(jié)。

比如說，自然語言行業(yè)有兩個核心，一個是自然語言理解，一個是自然語言生成。但是“理解”是可以用“生成”的技術(shù)去實現(xiàn)，所以以前我們在選擇技術(shù)路線時，會考慮兩種技術(shù)路線怎么選擇。

但ChatGPT的出現(xiàn)對我們最大的啟發(fā)是“技術(shù)路線的再確定”。因為不論“理解”面臨多少困難，或者“生成”面臨多少困難，都要用大模型技術(shù)去做，這一共識是ChatGPT給予我們最大的幫助。

明確路線后，我們也遇到了大模型會帶來的必然問題--幻覺。

所謂“幻覺”，指的是人工智能模型生成的內(nèi)容，不是基于任何現(xiàn)實世界的數(shù)據(jù)，而是大模型自己想象的產(chǎn)物。

從技術(shù)原理來看，這些虛假信息語言模型是無意識的模仿者，并不理解自身在說什么，但是，以ChatGPT等為代表的大語言模型的“幻覺”，不僅會讓人類在海量信息中難分真假，還會對患者的生命安全、醫(yī)生工作帶來威脅。

所以從今年1月到6月，我們跟言犀模型團隊在一起，回答的一個核心問題是：如何在“有用”和“安全”兩者中做好平衡。

實際上，醫(yī)療場景的特殊性就在于對有用和安全的追求都達(dá)到了最高水平。

如果一味追求安全，大模型可以說“您這個問題我沒有辦法回答，需要咨詢你的醫(yī)生?！?/p>

反之一味追求有用，大模型就要提供相對全面的信息。而對于生成模型來說，提供越全面的信息，就意味著它出錯的概率越高。就像上臺演講，演講的時間越長，說話打磕巴的概率就越高。因此，我們提出了一種對抗AI“幻覺”的新策略。

另外，我們較早的時候就意識到言犀是一個大語言模型，但要應(yīng)用在醫(yī)療場景中需要明確：大模型自身的能力邊界、何種條件下需要借助外部的業(yè)務(wù)系統(tǒng)、哪些場景無需大模型發(fā)揮作用及部分作用。

比如，醫(yī)生希望大模型分析一下當(dāng)天所有問診情況，這種情況就需要訪問外部業(yè)務(wù)系統(tǒng)，即用Agent技術(shù)來實現(xiàn)大模型對各種工具的串聯(lián)和調(diào)度。

《醫(yī)健AI掘金志》：為了打造京醫(yī)千詢大模型，團隊內(nèi)部做了哪些分工？

王國鑫：首先，算法團隊毋庸諱言，團隊中凡是有自然語言技術(shù)背景的同事基本都全員參與；其次，具有醫(yī)療背景的同事，也是最核心的團隊成員之一。

因為生成模型有一個難點：對于相對復(fù)雜的問題、超過個人認(rèn)知和學(xué)識的問題，我們往往無法判斷正誤。

這個問題可以類比于，我們做了一個小語言比如阿拉伯語的翻譯模型，絕大部分人對翻譯的好壞是無法評價的，必須要懂這個語種的人才行。

因此，我們根據(jù)京東健康的核心服務(wù)場景--互聯(lián)網(wǎng)醫(yī)院、零售藥房、京東家醫(yī)服務(wù)，把醫(yī)療團隊劃分為三種角色：醫(yī)生、藥師、健康管理師。而且我們在醫(yī)療專業(yè)團隊建設(shè)上的投入，并不比算法團隊少。

與此同時，我們還吸引了一批專業(yè)人員。他們主要是評估大模型專業(yè)能力之外的“能力”，比如模型是否能第一時間給出內(nèi)容、是否符合用戶需求，或是否能夠易于理解等。

《醫(yī)健AI掘金志》：立項、遷移、驗證、應(yīng)用、到開放生態(tài)，過程中最有挑戰(zhàn)的是哪一部分？

王國鑫：都很有挑戰(zhàn)，如果非要選一個話，我認(rèn)為“驗證”最難。

舉個例子，當(dāng)大模型的安全性下降，幻覺提升，我們就要和醫(yī)學(xué)專家一起去“診斷”，是否模型之前使用的數(shù)據(jù)出現(xiàn)問題、還是迭代策略失誤，還是存在其他問題？

實際上，我們團隊里有很多PhD，還有MD，不少人還具有醫(yī)學(xué)和算法的雙重背景。即便在這種情況下，我們在做醫(yī)療大模型時仍會感覺交叉人才的缺乏。而且大模型每次迭代，醫(yī)學(xué)專家有他們的意見，算法專家也有他們的意見，還會彼此產(chǎn)生質(zhì)疑。這些復(fù)雜評測和驗證過程需要大量細(xì)致的分析，因此占用了大量時間和資源。

我不敢說“驗證”是所有垂直行業(yè)都存在的難題，但至少在醫(yī)療行業(yè)是一個挺難逾越的鴻溝。這其實并不稀奇，例如醫(yī)學(xué)影像AI公司最難的環(huán)節(jié)也在于確立核心數(shù)據(jù)的金標(biāo)準(zhǔn)，以及醫(yī)生與研發(fā)人員的配合。

《醫(yī)健AI掘金志》：在搭建京醫(yī)千詢的過程中，京東健康過去積累的哪些能力得到發(fā)揮？

王國鑫：相比于其他大模型的推出時間，我們推出時間不算早，但我們在落地上的進(jìn)展很快。有兩個原因：

一是醫(yī)療行業(yè)本身雖然技術(shù)驗證周期長，但對新技術(shù)的探索機制非常強，使得我們在醫(yī)學(xué)場景的適配速度相對較快。

比如傳感技術(shù)、人工智能技術(shù)、機器人技術(shù)、納米技術(shù)、基因技術(shù)等，幾乎都是早期階段就在醫(yī)上嘗試，創(chuàng)造出新的應(yīng)用場景，如醫(yī)療傳感、醫(yī)學(xué)成像、智能診斷、人機交互、遠(yuǎn)程醫(yī)療和個性化醫(yī)療。

二是京東健康過去在醫(yī)療健康服務(wù)領(lǐng)域的持續(xù)投入，建立了良好的驗證場景，而且基于真實醫(yī)療場景下構(gòu)建出一套知識體系，這是我們的大模型快速遷移的基礎(chǔ)資源。

比如過去為了全面保障患者用藥安全，我們早在幾年前就構(gòu)建了藥學(xué)的知識庫，如今基于此我們能夠很快速且有效地構(gòu)建不同藥品之間的作用關(guān)系，解決藥學(xué)大模型中的“幻覺”問題。此外過去建立起的處方審核能力，如今也能讓我們更好地識別問診對話中的關(guān)鍵信息。

《醫(yī)健AI掘金志》：你們?yōu)楹螌ⅰ斑h(yuǎn)程醫(yī)療”這個點放大，“大模型+互聯(lián)網(wǎng)醫(yī)療”有哪些優(yōu)劣勢？

王國鑫：遠(yuǎn)程醫(yī)療是京東健康對醫(yī)療行業(yè)結(jié)構(gòu)性供給不足的一種解法。

大家都知道醫(yī)療有一個“不可能”三角，即成本、質(zhì)量、可及性很難同時滿足，各國只能優(yōu)先保證其中兩個，美國優(yōu)先的是可及性和質(zhì)量，中國優(yōu)先的是可及性和成本。所以是先解決看病難、看病貴，再進(jìn)一步深入到看病好，水平高。

但在基層醫(yī)療機構(gòu)中醫(yī)療的“可及性”還沒被滿足，存在醫(yī)療資源絕對供給不足的問題。它很用各種技術(shù)問題去解決，而是一個社會學(xué)問題或國家政策層面的問題。

但在絕對供給不足的冰層下，還隱含著大量醫(yī)療結(jié)構(gòu)性供給不足的問題。

作為一家技術(shù)公司，通過遠(yuǎn)程醫(yī)療來解決醫(yī)療供給的結(jié)構(gòu)性不足是我們的核心戰(zhàn)略。而且遠(yuǎn)程醫(yī)療不是單純的醫(yī)療服務(wù)項目，而是用信息技術(shù)下沉優(yōu)質(zhì)醫(yī)療資源的方法，提升區(qū)域醫(yī)療水平的均等化水平，解決醫(yī)療資源總量不足、分布不均衡的難題。

其次是改善就醫(yī)質(zhì)量。

很多人都有感受，遠(yuǎn)程醫(yī)療和線下面診有一種體驗鴻溝。這對醫(yī)生來講也還是一樣的。所以我們今天希望用大模型為表的AI技術(shù)，去盡可能填補這一鴻溝，用我們自己內(nèi)部有一句話叫“實現(xiàn)線上線下的醫(yī)療同質(zhì)化”。

《醫(yī)健AI掘金志》：互聯(lián)網(wǎng)醫(yī)療行業(yè)長期以來都是賣藥盈利，長期以來醫(yī)療AI產(chǎn)品未被納入醫(yī)院診療收費項目名錄，院方不愿意付費。那么用上了大模型的“互聯(lián)網(wǎng)醫(yī)療”，能夠更好地商業(yè)化嗎？

王國鑫：商業(yè)化很多時候都不是問題。醫(yī)療行業(yè)雖然在每個國家都不太一樣，但終歸都是一種很特殊的行業(yè)。最終能否商業(yè)化本身要回歸到一個問題上：這項技術(shù)是否為整個醫(yī)療場景創(chuàng)造了價值？

如果一個患者從疾病狀態(tài)走到康復(fù)狀態(tài)，而且我們能在某一個點上證明AI的價值，那么商業(yè)化就不是問題。

醫(yī)療AI產(chǎn)品在過去很長一段時間基本是兩種商業(yè)路徑：

一種是成為醫(yī)生或醫(yī)院的生產(chǎn)力工具，它的付費方就從患者“轉(zhuǎn)移”到了醫(yī)院或者醫(yī)生本身，進(jìn)入醫(yī)院的收費名錄。即院方付費，但很多醫(yī)院在實際購買時動力不足。

第二種是診療效果被醫(yī)生和患者認(rèn)可，最終由患者付費。這是過去很長一段時間數(shù)字療法等技術(shù)不斷追求的目標(biāo)。

而我們今天談的大模型技術(shù)，有可能會帶來新的商業(yè)模式。

比如大模型支持下的健康管理解決方案，實際上是要打通院內(nèi)院外，用戶離開醫(yī)院還能持續(xù)獲得醫(yī)療服務(wù)。那未來或許會看到，以大模型技術(shù)為代表的AI技術(shù)產(chǎn)品能突破原有的商業(yè)思路，帶來新的商業(yè)路徑。

《醫(yī)健AI掘金志》：在醫(yī)療大模型的路上，華為的算力基礎(chǔ)設(shè)施、以及終端硬件，廣受業(yè)界青睞。你們?yōu)楹芜x擇華為的硬件，將來還有哪些合作？下一階段，京東健康還有哪些規(guī)劃和升級？

王國鑫：站在我的角度去講，京東健康和華為的合作是兩方面的。

一個是同華為等公司合作構(gòu)建國內(nèi)的底層技術(shù)生態(tài)。這件事情可以認(rèn)為我們這一代技術(shù)人的使命，因為我們都不太希望國際上存在技術(shù)斷鏈的情況，也期待實現(xiàn)全球價值自由的流動。

另一方面，我們會和華為的產(chǎn)品結(jié)合。華為有較好的硬件生態(tài)，消費電子產(chǎn)品在國內(nèi)有舉足輕重的地位，京東健康則是一個有醫(yī)療健康全場景的服務(wù)商，我們兩者的合作能夠為消費者提供長周期的健康管理能力，這件事情本身在業(yè)務(wù)合作上很順暢。

京醫(yī)千詢大模型下一步的核心工作是驗證它在部分場景上的安全性、提高推理速度、降低資源消耗。

安全不用多說。做大模型的團隊都知道，最后拼的一定是推理速度和成本。如果將來想完完全全面對幾億消費者，提供健康助手的能力，以我們現(xiàn)在的推理速度和成本還有較大的提升空間。

同時也要快速優(yōu)化我們的底層技術(shù)，資源消耗進(jìn)一步降低，為下一階段全面開放使用做準(zhǔn)備。

《醫(yī)健AI掘金志》：大模型可能應(yīng)用場景覆蓋診前、診中、診后多個環(huán)節(jié)，但臨床設(shè)想距離落地仍有一定差距。所以醫(yī)療領(lǐng)域的大模型之爭，將按照什么邏輯演化？

王國鑫：我個人觀點，今天醫(yī)療領(lǐng)域的大模型在比拼，最后拼的是誰能更快走向正循環(huán)。

什么叫做正循環(huán)？正循環(huán)的核心起點是有一個殺手級別的應(yīng)用（killer app） ，你要在這個killer APP上不斷創(chuàng)造價值。反過來用戶還能夠打磨你的技術(shù)，增強killer app 。這是整個產(chǎn)業(yè)生態(tài)，也是這一代AI技術(shù)所不得不面臨的核心問題。

走向正循環(huán)有五個前提：一，基座競爭，這是一個永恒話題，大家都把它比作“殺手锏”；二，高質(zhì)量數(shù)據(jù)的競爭；三，驗證能力的競爭；四，推理能力的競爭；五，AI Native的“殺手型”應(yīng)用。這種產(chǎn)品洞察能力是整個市場所期待的，也是我們實際工作中需要進(jìn)一步加強的。

雷峰網(wǎng)(公眾號：雷峰網(wǎng))

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。