大模型“湧現”下的商業機遇：“百模大戰”誰能勝出

來源：澎湃新聞

作者：澎湃新聞記者宦艷紅實習生陳曉銳

圖片來源：由無界AI工俱生成

生成式AI技術正在改變人工智能行業，時隔僅半年，國內大模型發展已完成從技術到產品、再到商業的階段跨越，並深入垂直行業領域。 7月6日世界人工智能大會期間，澎湃科技邀請北森人才管理研究院副院長王丹君、中金公司研究部副總經理於鍾海、中關村科金技術副總裁張傑做客元宇宙聊天室，共同探討大模型“湧現”下的商業創新機遇。本場對話由澎湃科技記者邵文主持，在一個小時的對話中，嘉賓們討論了多個相關問題，包括：

通用大模型和垂直領域大模型在未來的商業場景中如何找到自身的價值？

企業如何抓住大模型的商業機遇？抓住機遇的關鍵點是什麼？

大模型的前世與未來

**澎湃科技：眼下國內市場已經形成了“百模大戰”的局面，各位覺得國內大模型為何發展如此之快？對各位所在領域都有什麼樣的影響？ **

**王丹君（北森人才管理研究院副院長）：**從技術的角度來講，大模型的發展並不是最近這一兩年的事情。很多年前在學術領域，大家已經開始做研究。只是這幾年伴隨數據量的增加，技術水平的提高，尤其是在OpenAI發布了ChatGPT以後，引發了廣泛的關注。

對於各個領域來講，大家思考的都是怎麼把這樣一個新技術，運用到自己的領域，如何去改善自己的商業模式。

比如說，我們北森人才管理研究院屬於人力資源行業，服務的客戶都是企業的HR（人力資源）群體。我們覺得大模型在人力資源領域的應用，未來可能產生一些顛覆性的價值，譬如它確實能夠更好地提高大家的工作效率；它會在一定程度上幫助我們的伙伴，不管是HR還是員工更好地掌握工作技能；它能夠更好地指引員工的發展；同時，也能幫助企業回答很多人力資源管理上的問題，包括我們在招聘員工時經常問的：誰更適合、誰可能帶來更好的績效、薪酬應該如何確定等。我覺得大模型的發展與應用會在非常短的時間改造人力資源行業。

**於鍾海（中金公司研究部副總經理）：**王院長講到了非常重要的一點，就是大模型技術並不是今天才發生的。 2017年，谷歌寫了一篇很有名的論文，叫Attention Is All You Need（注意力就是你所需要的一切），提出了transformer架構。

其實中國人工智能產業的踐行者很早就發現了大模型技術的潛力。我們在2021年也撰寫了相關的研究報告，當時已被人工智能大模型的發展所震撼。現在ChatGPT這個具體的產品讓老百姓都知道了大模型，不管你懂不懂技術，只要玩一下，就能感受到它的魅力，所以大模型火了。

大模型能夠這麼快的被千行百業應用起來也依賴於技術平權，這是我們提出的一個很重要的概念。得益於開源社區的發展，知識的自然傳播，使得很多企業都快速做出了自己的大模型。

另外我想補充的是，這次我們看到整個科技圈乃至全社會形成了一股合力，即“所有的人都認為這事非常重要”，這是以往很少見到的。

**張傑（中關村科金技術副總裁）：**我覺得大模型元年可以追溯到2020年GPT3推出的時候。為什麼過去這半年發展如此之快？我認為是三方面的原因：

第一方面是有一些企業、高校之前就有很多積累，比如百度、華為、清華大學等，他們之前就有預訓練語言模型或者大模型，最近半年對他們來說就是版本的更新迭代；

第二方面是各個企業包括一些投資機構加大了投資力度；

第三方面是依賴於開源，開源社區帶動了企業推出各種各樣的領域大模型。

關於大模型對所在領域的影響，對客戶和我們來說是雙向利好。中關村科金作為一家領先的對話式AI技術解決方案提供商，大模型降低了我們定制化開發各種場景模型的成本，這對我們來說是利好消息。對我們客戶而言，智能化項目成本降低，使得很多中小企業也開始考慮立項，整個市場規模變大了。

**澎湃科技：最近騰訊雲、OpenAI都先後提出定制化模型軟件的大模型商店，有點類似於app store的這種形式，各位如何理解這個趨勢？ **

**王丹君：**不管是投資者，還是這個領域的實踐者，相信大家都期望看到這個趨勢，因為它促使更多人參與到這個領域的共創上來。我們認為，對於基礎服務廠商來講，未來一段時間肯定會趨向商店模式，這樣更容易貼近客戶。大模型商店的模式也使得接受服務的用戶能更好地利用大模型去創造一些新的應用場景和服務價值。

**於鍾海：**這其實是資本市場非常關注的一個問題。我會認為大模型的發展將來更像中國的公有云和私有云。

公有云其實當時叫IaaS（Infrastructure-as-a-Service，基礎設施即服務），到了大模型這，我們叫MaaS（Model as a Service模型即服務）。海外有一個很知名的企業叫Hugging Face（抱抱臉），它就是把很多模型放在網上，你只要調用他的API（Application Program Interface，應用程序接口）就能使用不同的AI模型。

但也有很多企業，由於安全合規、細分場景落地等要求，需要部署自己的大模型，並用自己的知識給它增強做自己的Fine Tune（微調），這可能會像中國的私有云市場一樣。

廣義上來說，大模型其實是不適合大家直接去使用的，包括ChatGPT，它其實也是在大模型的基礎上包裝成一個產品，讓每個老百姓都能體驗。所以基於大模型去做應用，實際上是一個非常廣闊的市場，它能衍生出很多商業模式，比如說數字員工，再比如剛剛主持人提到的這個app store的概念。

其實ChatGPT也被很多人認為是一個流量入口，據我所知有一些大模型手機廠商也可能會下場去做搜索，那這件事情就截然不同了，它的可及市場就會從企業的IT支出變成營銷支出。中國企業可能在IT上的支出平均為收入的1%-3%，但可能會花30%的收入在營銷上。因此當你有了流量後，商業模式可以發生非常大的變化，這是非常有意思的地方。

**張傑：**我覺得OpenAI和騰訊雲是有不同側重的。 OpenAI的側重點可能仍在於基礎大模型，它通過一些生態合作夥伴，幫牠在一些碎片化的場景裡邊補足基礎大模型的準確度或者專業度上的不足。而騰訊雲並沒有過分強調自己的基礎大模型，而是強調要做垂類行業的大模型。

他們不同的側重點顯示出一個共同問題，即基礎大模型在一些專業性很高的具體行業或場景裡是不能直接拿來用的，它還需要一個適配層。我覺得這裡可能會有一個新的商業模式，就是未來越來越多的知識是可以資產化的。原來大家用AI的時候，技術範式是不一樣的。所以大家能夠共用的資產就是一些原始的數據，拿到原始數據以後，用不同的技術手段去加工，在這個過程中數據的中間形態是沒辦法交易的。

但是大模型把很多AI的任務基本上都統一到一起了，整個研究範式和處理流程趨同，這使得很多中間環節的產物可以交易，比如標註後的數據、做指令對齊的數據、提示詞、以及提示詞組所組成的提示鍊等，甚至是具體場景下訓練出來的機器人或者助手等，都可以去做一些交易，被資產化，這可能是未來新的商業模式。

通用大模型VS垂直領域大模型

**澎湃科技：剛剛其實三位都提到領域大模型和通用大模型這兩種不同的商業路徑，能不能具體談一談這兩個不同的商業模式下的機遇和挑戰。 **

**王丹君：**將來圍繞大模型的商業一定會變成一個商業生態，商業生態裡面核心的特徵就是會分層。首先會有一些廠商來提供基礎的服務，因為大模型需要數據的基礎，需要算力。大模型作為底層引擎服務，雖然本身能力很強，但是它並不了解特定領域的知識和服務模式以及客戶需求。

隨之而來的是垂直領域的大模型。這些垂直領域的大模型，有一些是領域廠商自有大模型，有一些是基於基礎大模型訓練出來的。通俗地講，就是讓這些模型變成一個專家。比如說金融領域可能有專門去幫助投資者去做商業決策的一些服務，像人力資源領域，可能有專門幫企業去做人才決策的服務。

這其中可能還有很多細分的領域。這些細分領域可能同樣也需要行業積累，需要訓練，需要了解到底通過什麼樣的方式去解決客戶的問題，甚至涉足到交互界面的用戶體驗層次。這些累積起來其實都是前面我們談到的app store背後的一些能力。

**於鍾海：**在我們來看，其實這兩類市場還真的挺不一樣的。

首先說通用大模型，構建一個好的數據飛輪也很重要。

舉個例子，今天我教你打乒乓球，我說你應該這麼打。然後我發一個球，你沒有接住，你就知道這麼打不對。那再換一個方式，這次你接住了，你就記住了對的方法。那我不斷給你發球，你不斷去接，一點點地調試你的肌肉記憶，找到最好的方法。其實模型的訓練也是這樣一個過程。你每次跟ChatGPT交流的時候，它底下會有一個點贊或者點踩。或者有的時候你什麼也沒說，只是非常失望重新生成了一個。或者比如每次用Midjourney畫畫的時候，它都會出現四個圖像，然後你默認選了第三個，把它放大了，下載了，它就知道這張好像是更好的，以後會往這個方向稍微再偏一點，模型一點點就學會了。沒有數據反饋的話，模型就停留在這裡無法進步。所以這就是我們強調的數據飛輪，強調場景的卡位。作為一個通用大模型，其實最重要的是有人用，這也是中國的一個優勢。中國的老百姓喜歡擁抱科技，對大模型的接受度也更好。我們有很多人去提供反饋。

對於領域大模型，我認為更重要的是know-how（從事某行業或者做某項工作，所需要的技術訣竅和專業知識）。

領域大模型關鍵是要迎合客戶的需求，理解客戶在某一個深度領域裡面的know-how。像中關村科金這樣的企業，他們的優勢就在這裡，他們在具體的領域場景裡面理解客戶的know-how，理解客戶的痛點。

**張傑：**感謝於總的認可。我理解通用大模型和領域大模型是一個上下游的關係，不是一個競爭的關係。通用大模型講究大而全，領域大模型是一個小而美的生意。

通用大模型的特點是“三高”，即投資高，回報高，但是不確定性也很高。因為訓練一個基礎的大模型，在算法、數據、人才方面要求都很高。比如算力，起碼要有萬卡天級別的算力。

為什麼不確定性很高呢？因為入圍的廠商基本都是互聯網的大廠或者是科技大佬，要使訓練出來的大模型具備通用能力和湧現能力，對技術要求非常高，如果想要在市場上立足，最起碼要能夠跑贏開源大模型，才有存活下來的可能。未來市場上，我覺得基礎大模型會多家並存，但是可能也不會太多。

領域大模型可能就是一個小而美的賽道。訓練一個領域大模型對算力要求並不是很高，據我們的實驗，只需要單週就能夠做到領域大模型的迭代。兩張卡就可以實時做一些推理。然後在數據方面還是要建立起一些自己的門檻，也就是剛才於總講的數據飛輪效應，這就要八仙過海，各顯其能了。

最重要的一個競爭點就是人才。領域大模型把整個產業的技術鏈壓扁了，你的人才既要懂算法，還要懂得怎麼把算法很好地工程化，還要懂場景、懂業務，甚至還要懂產品的設計。需要激發人才的複合能力，然後激發人才的主動性、創造性，非常考驗組織能力。

**大模型在哪個領域最有用武之地？ **

**澎湃科技：三位最看好的垂直領域應用方向是什麼？ **

**於鍾海：**我們看了很多方向，現在最看好的方向是AI Answer，這我們自己造的一個詞，它指的是一類產品。比如今天你考我一個事情，你問我說嬰兒車買哪個品牌更好。我相信各位應該也都有類似的情況，找三個朋友問一問，看五篇小紅書，然後再去網上搜十個帖子。最後看完以後，總結出來三個型號，然後再看看價格，做出決定。

其實很多事情你問人工智能也是這樣，大模型是有一定的記憶的，它知道這些東西之間相關，但它會產生幻覺，就像人一樣，也會搞混，記不住到底誰長成什麼樣子。所以企業裡經常做的事情就是基於內部的知識庫做一定的查詢，然後基於這些東西做一個總結。另外還有基於一個文檔，比如基於好幾百頁的一篇保險條款做一個問答、總結或者對比。或者基於搜索給一個答案。這類產品我們都統稱為AI Answer。另外我們也比較關注比如辦公、AI學習機等機會。

**張傑：**我覺得可以先分行業看，再分場景看。領域大模型理想的行業是知識密度高、流程邏輯性強、安全隱私性敏感的行業，比如說像金融、醫療、法律、政務這些行業可能是未來領域大模型落地比較理想的行業。

場景可能最開始的時候是先面向內部員工賦能的。比如做一些知識問答，然後是培訓、陪練。內部員工賦能之後，再看怎麼去to c（對客戶）做一些服務，或者是賦能銷售人員、客服人員，做成營銷客服助手。總之應用的時候可以先考慮從容錯性比較高的場景入手。

**王丹君：**我們也認為現在大家的應用經驗裡，大模型幫我們解決最多問題的還是在知識密集型行業。像北森或者中關村科金所在的To B領域，確實會有一些企業從中更容易受益。比如說在企業的人力資源管理裡面，大家希望能夠讓大模型去解決一些對人來說很枯燥、很無聊的事情，如回答員工的各種共同關注的問題。北森和中關村科金也在探討這方面的合作，希望將來通過大模型這種底層設施建立一些數字員工，回答這些似乎不是特別需要人類的經驗和知識性的問題。

另外我們發現還有一些高價值的領域，比如企業的領導力教練。一家企業有多個層級的管理者，每個管理者每天都會遇到各種各樣的挑戰，但是他沒有那麼多機會去請教別人，我們認為在這個場景下AIGC可以提供非常好的幫助，並且能夠很好滿足個人對於私密性的一些要求。

**澎湃科技：最近微軟宣布與OpenAI合作打通應用生態，中關村科金作為國內的大模型應用廠商代表，目前產品落地應用進展如何？未來是否每家企業都會擁有自己的專屬模型？ **

**張傑：**我覺得併不是每個企業都需要自己的專屬模型，因為大模型技術我覺得可以由淺至深分成三層：

第一層，如果行業或者企業，沒有那麼多的知識或文檔，或者企業本身的特殊性不強，就沒必要用一個專屬的模型，直接用通用大模型就可以。在通用大模型之上，針對具體的場景需求，去調（提示語）就可以了。在這期間企業需要的是一個用戶體驗良好的、低門檻的提示詞管理工具。可能需要一些業務專家在特定場景底下積累一些好用的提示詞；複雜一點的需要把一些提示詞變成一個小的提示集合，然後不同的集合之間再串成鏈條，鏈條之間有先後的邏輯關係，有一個提示鏈的管理工具就夠了。

第二層就複雜一點。有些企業碎片性知識比較多，這時候提示詞或者提示鏈可能不夠，就需要在通用大模型之上，再外掛一個知識庫，用於管理低頻長尾的知識。通用大模型面對具體問題的時候去知識庫裡面找答案。這是通用大模型+知識庫+提示工程的技術路線。

第三層，對於領域常識總量大的企業，需要構建企業專屬的領域大模型，將領域裡的通識輸入到大模型的腦子裡，既保持通用的常識和推理，又具備領域內的專業知識和技能，讓大模型由文科生變成領域專家。這是一種領域大模型+領域知識庫+提示工程的路線。

中關村科金針對上述三種情況都有一些應用落地實踐，我們前段時間一直在嘗試解決三個技術難點，解決後形成了兩套助手類的應用。這三個技術難點是什麼呢？

第一個就是解決大模型經常出現幻覺的問題，即一本正經地胡說八道。這就需要有一個領域的知識庫，讓大模型知道，被問到什麼問題時，要去知識庫裡找相關的知識。構建知識庫的時候，往往需要處理富文本格式的文檔，需要讓大模型先理解文檔佈局，再理解裡邊的內容。

第二個就是訓練領域大模型的時候，要防止訓練過程中的遺忘問題。否則你往它腦子裡輸送新知識的時候，它會忘記老的知識。這裡會用到高效微調的技術手段，讓它既具備原來的通識，又能夠學到領域內的常識。

第三個就是怎麼能讓用戶更方便且低成本地使用它。無論是領域大模型、還是領域知識庫、還是提示詞，都不是一蹴而就的，都需要持續反饋迭代，這就要讓客戶自己具備維護能力，工具層面要做好產品設計和工程化封裝。

**澎湃科技：想問問於總從投資的角度看，相對於移動互聯網和硬科技時代的投資邏輯，在這一輪大模型熱潮中，對於選擇項目的核心關注點，包括投資的決策點是什麼？ **

**於鍾海：**這個也是資本一直在探尋的問題。過去大半年，大模型的行情也經歷了很多輪的演變。剛開始，很多人把它當作一個主題投資，那時炒的是跟AI相關的公司，很受大家重視的是真正有大模型底層能力的公司。後來出現“百模大戰”，大家覺得大模型好像有點太捲了，發現算力好像是掘金場買鏟的受益者，所以算力相關的企業估值又漲了很多。到今年五六月份的時候，我們提出了“AI應用迎來了爆發的寒武紀”。很多企業都拿出了自己的產品，AI的應用又開始漲。

其實大模型的投資節奏也是漸變的，從一開始只要是AI公司就可以漲，到後面要拿出應用，再到大家開始探索這個應用有沒有客戶為它買單，有沒有真正的訂單。我覺得可能再過一年左右的時間，大家就會去思考這個應用到底有沒有壁壘，商業是不是長期可持續的。我們其實最看好的是應用層面，我們很重視真正能在大模型和企業應用之間實現連接的企業，他們能真正創造價值。

**澎湃科技：下一個問題是問王院長，從人才的角度，現在大模型正在構建一種人機協同的新型生產關係。那麼這對企業的人才管理會產生什麼樣的影響？ **

**王丹君：**這是一個特別好的問題。因為我們看到在社會層面，可能大家非常熱衷於討論“我的工作將來會不會被大模型取代？”對於這個問題，我建議可以從兩方面來看：

一方面大家討論比較多的是大模型能力越來越強，垂直領域的應用也越來越深入，將來可能會替代很多一般性員工的工作。這幾年即使沒有大模型發展的背景下，大家都非常關注降本增效，就涉及企業里人力成本佔比。如果能夠通過一些新技術去降低人力成本，對企業很有價值，這是它可持續發展的一個很重要原因。

另一方面，大模型的出現，以及未來更多的垂直領域的工具出現，對於員工來講，是能力的加持。從積極層面來看，如果員工能夠更好地利用人機協作，可以給公司創造更多的價值。

我們預測未來的組織形態會有一些變化。現在絕大部分的公司是職能型架構，不同的職能去服務同樣的客戶，職能之間有很多協作、溝通的問題，對公司來講是極大的消耗。但是未來當員工個體或者群體，具備了在工具幫助下全方位的能力，這個組織的單元勢必會更小，它能更敏捷、更靈活、更快速響應。

**澎湃科技：我想問三位在百模大戰的時代背景下，企業最需要具備什麼樣的能力？ **

**張傑：**對於基礎大模型廠商而言，他們最需要的就是具備特別強的、獨到的技術能力，要跑贏開源大模型，然後在多模態或者復雜推理上有一些技術的獨特性。對於領域大模型廠商，最需要的就是複合型人才，而且組織能力非常重要。因為要發揮人才的主動性、創造性，把一些前沿的商機對接給他，讓他知道客戶需要什麼。此外，還要有一些工程性的能力和算法性的能力。

**於鍾海：**我認為數據蠻重要的，特別是對想用大模型的企業來講，數據真的很重要。其實數據很快就會成為我們的一個壁壘，就像中關村科金這樣的提供大模型應用的企業，他們很大的優勢就在於數據。

**王丹君：**其實對於絕大部分的企業來講，將來比較大的可能性都是大模型的消費者，而不是大模型的創造者，積極擁抱大模型可能會極大加速其數字化管理的進程。組織和個體可能都需要去擁抱變化，各個層級的領導者需要增強擁抱這種新機會的意識，員工需要保持持續、自驅的學習能力。

**澎湃科技：在這個過程中，垂直領域企業擁有了行業know-how的優勢。他們是不是更容易突破大模型數據的卡點？ **

**張傑：**我覺得行業know-how要具體來看，可能有幾種形態要特別關注。

行業know-how最顯而易見的一種形態就是存在文檔裡邊的一些數據，這些都是符號性的表達。怎麼從文檔裡邊挖掘出來（提示詞）或者提示鏈，這是當前階段就需要去處理的一類問題。很多企業裡面有大量的文檔，而且這些文檔裡面很多是PPT或PDF的格式。既需要讀懂它的格式，又要讀懂裡面的內容。

除了這類行業的know-how以外，還有就是隱藏在行業專家或者場景專家腦子裡的知識，需要給他一個工具，總結成詞，模板是密度更高的行業know-how。

還有一類比較隱性的行業know-how就是藏在系統日誌裡的集體智慧。這些日誌經過挖掘，能夠把比較零散的知識變成結構化的鏈條的知識。然後再從千千萬萬的鏈條裡邊，歸納總結變成一個特定場景底下的最佳實踐。比如銷售人員每天會打很多電話，每天能夠積攢下來對話的日誌有幾百萬通，按照成單、流單或者掛電話等不同結果做一些裁剪，就能夠沉澱出來營銷新產品話術的最佳實踐。

這三類問題，其實都是特別好的行業know-how。這裡邊也有一些技術挑戰，比如怎麼從文檔裡、日誌裡挖掘出提示詞，挖掘出提示鏈條。 doc2和log2是值得投入研究的重點。

**於鍾海：**其實張傑總有一句話我印像很深，他說把太陽系八大行星幾千幾百萬年的運轉軌道都記錄下來，都不如抽像出來一條萬有引力定律更能解釋事情的本質。

我覺得這就是know-how。垂直領域的公司在相關的領域裡有很多經驗，我舉一個例子，大家在人工智能火了之後都說有一個新的年薪百萬的職業叫engineer，

就是去寫的工程師。那為什麼他們這麼值錢呢？我自己也使用人工智能繪畫的工具。有一次我想要畫一個穿西裝的人，我試了很多關鍵詞都不好使。後來我輸入“領帶”，這個人馬上就穿上了西裝，你會發現這才是那個magic word。

大模型有一點像概率遊戲，它其實是有很多先驗的概率。在剛剛那個場景裡，領帶就是西裝對應的那個非常重要的詞。而engineer知道哪些關鍵詞能擾動這個模型，他知道我們到底想寫出什麼樣的東西來，這個就是他的價值。那如果我們把這件事情放在做應用的場景裡面，它其實就是垂直領域公司的價值。既懂人工智能，他又懂行業的know-how。

**王丹君：**目前看起來除了基礎大模型公司，垂直領域公司是第二批市場上大家會很關注的企業。我覺得在接下來的一段時間，對他們也是非常有挑戰的。垂直領域公司的經驗不一定能夠直接轉化成新技術加持下的新創造力。需要先要花更多的時間去學習，去理解大模型運作的底層邏輯是什麼，去學習它如何能夠幫助我，甚至是去幫助我挖掘我們的知識，或者幫助我們給客戶提供服務。我認為未來一段時間，他們首先面臨的是這個挑戰。在這些基礎上，基於這些模式找到給客戶創造價值的新的機會點。

**澎湃科技：最近有一些新的動向，例如ChatGPT訪問人數的增速在放緩。它其實沒有成為一個超級入口這樣的存在。有觀點認為ChatGPT不能代表GPT的未來，只是OpenAI和微軟拿出來向市場展示的一個產品。三位怎麼看這個觀點？ **

**於鍾海：**這個觀點確實蠻有趣的。我個人相對樂觀一點，因為我是一個經常使用大模型產品的人。而且我想補充一點，現在的ChatGPT不是它的最終形態。我認為谷歌下一代安卓系統裡的google assistant（谷歌助手）會由自己的大模型來支持，因為這也是一個非常重要的流量入口。

**王丹君：**對很多行業人士來講，大家都很樂觀。它作為一個新的產品，發展到這個階段，自然會有一些分化。對於終端用戶來講，會對這樣的工具感興趣，願意去嘗試，並持續使用。哪怕使用的頻次在降低，關注度在降低，但是用戶的行為是很難改變的。

**張傑：**我覺得ChatGPT增速放緩是早晚要發生的一件事，畢竟流量是有天花板的。早晚有一天流量要見頂或者大眾對閒聊的應用場景會熱情減退，閒聊畢竟不是高頻剛需，但是它給大家帶來一個特別好的啟發。

一方面，圍繞著Chat會有很多種應用，例如通過聊天生成圖片、視頻、報表、PPT等，如ChatDoc、ChatPdf、ChatBI。另外一個場景，就是剛才所說的領域大模型，比如金融GPT、法律GPT、醫療GPT，這些將來可能都會是一些新的商業入口。