甲子光年智库负责人江涛（左）、甲子光年联合创始人兼主编程曼祺（中）、甲子光年首席战略官Jack Poon（右）
2019年11月9日至11月10日，科技智库「甲子光年」在北京举行2019「甲子引力」大会。在11月9日上午开幕式的主题报告环节，甲子光年首席战略官Jack Poon、甲子光年智库负责人江涛与甲子光年联合创始人兼执行主编程曼祺以《花开百业，科技突围》为主题展开分享。
此时此刻，决策者面临非常多的挑战。
什么挑战？
在2018「甲子引力」大会上，我们曾列出一张产业互联网棋盘，其中有无数的技术和产业在发生着合作、融合。这个过程中，当一把手决策时，常会遇到这样一些问题：
投资者和政策制定者也面临挑战：
到底怎么判断一个产业值得投资和扶持？
到底如何评价一个公司值得投资和扶持？
10年之后，中国新一代科技赛道当中是一个大阿里还是十个小阿里？是一个大山头，还是一群小山丘？
其实，此时此刻所有人都会面临着一些复杂性的挑战。
每天来来回回发生的新闻，我们怎么去理解每一条消息背后的含义？
这样一个复杂局势面前，最终很多人都有如下几个非常朴素的问题：
在2019「甲子引力」的主题报告中，我们试图逐一回答上述问题。
* 在主题报告之后，甲子光年创始人兼CEO张一甲发表了《25个预判，谈中国科技产业趋势》的演讲，从市场、企业、新一代企业家三个维度详细阐述了当下市场的趋势预判。
1.中国经济已从出口导向型转向内需导向型，无人服务将兴起，以T2B2C持续推动未来to C经济的增长。2.20年后，中国如果要成为第一经济大国，关键在于怎样引导资源有效分配，尤其是对金融、人、能源和科技四大经济动力要素的推动，以及科技化和市场化和各方（政府、科创、企业、投资）配合的力度。3.科技与产业的融合飞轮由3个环节构成：可数据化的来源、处理数据的效率和以数据驱动的新商业模式。4.我们可用衡量产业融合科技的能力（I can）与产业对科技的实际投入（I do）的“I can I do”模型来具体判断某一具体产业与科技的融合程度。5.仔细分析I can I do模型中，落在“远见者”领域的各个产业，我们发现，科技正在政务、地产、制造、物流、教育与医疗这6大领域的转型升级中发挥各不相同的重要作用。
40年前，中国的经济体量只占世界的2%，现在占比17%，毋庸置疑，中国已成为全球第二大经济体。很多经济学家开始预测，中国在何时会成为世界经济第一大国？紧接着的问题是，中国究竟有没有可能成为世界一流的经济强国？如果可能，最关键的影响元素是什么？今年大国关系风起云涌，实质上影响了全球经济形势的发展，因此很多人都认为我们正处于变革前夜，这将是国际社会面临的巨大挑战，之前以国际化、国际贸易、基建投资、不断提高生活水平的经济发展模式也可能随时改变。如果从投资和国际贸易的角度看，目前全球经济的发展前景并不明朗：全球经济增速从2018年底的3%调到2.6%-2.8%之间，IMF（国际货币基金组织）以谨慎态度观望全球经济发展；全球制造业和商业的信心指数也开始下滑，由乐观逐渐转向了悲观，全球贸易和投资增长率也开始放缓。多说一句，虽然中国经济前景不明朗，但这并不一定是件坏事，这意味着市场进入了整合阶段，资本可以集中至能为未来创造价值的行业，这些行业将有机会获得更多资源。总的来看，不明朗的外部环境，必然会影响到中国的发展方向。数据显示，全球GDP增长和全球贸易增长量挂钩。中国作为全球最大制造业出口国家，进出口肯定会受影响而趋于下滑。制造业信心下滑，又会直接影响中国经济增长——中国上个季度的GDP已降到了6%。其次，中国进口放慢，也影响了整个亚太地区的出口和经济增长，因为中国最大的进出口贸易伙伴都在亚洲地区。2018年中国对美国的出口只占中国GDP的大概4%，这意味着中国未来的贸易发展会呈现地缘化趋势，将会与亚太地区有更紧密的联系，走入新的经济发展阶段。中国前40年经济发展的主要元素，来自出口导向、城市化和工业化。1978-2008年，工业是中国经济的重要推手；90年代起，中国的经济发展与出口联系紧密，经过40年的发展，8亿多人从贫穷线上挣脱出来。最近十年，工业和农业在经济结构中的占比缩小，中国经济开始转向服务业推动。我认为，未来20年，中国经济的发展不再会是出口主导，而会变成一个内需主导的经济体系，科技化和市场化会成为两个主要动力。在这个转型过程中，资源会经历明显的重新调配。以美国为例，道琼斯工业指数榜上的30家公司，大体反映了每一个不同行业对美国社会经济的贡献。40年前，30家公司里只有1家科技公司；如今，30家公司里，有5家科技公司，而这5家科技公司的总市值占总体的38%，这意味着美国的经济动力其实来自于科技公司。中国经济转型也不是今天突然开始的，而是过去十年由信息化、移动互联网和智能手机推动的。智能手机在2007年诞生，目前中国的移动互联网人口达8亿多，远超其他国家，加上3G、4G的来临，加速了中国内需的增长——2018年，内需对制造业的贡献已达到1.5万亿元人民币，占制造业总输出的39%，这样的高水平意味着中国已不再是一个外向型经济体系，而是内需型经济体系。内需增长也带动了服务业的增长，在最近12年内，服务业增长了近5倍，复合年增长率为16%以上。AIoT、大数据和人工智能的来临，会开拓2B2C的增长，最终推动to C的延续增长，并给这个行业带来新的推动元素。5G和AIoT来临，将会形成2IoT的增长，促使无人服务的概念，这意味着一个新时代的开启。
而未来经济发展速度能否延续，在于资源能否适当分配。需要被重点考虑的资源是推动经济的四大动力——金融、人、能源和科技，以及科技化和市场化的力度。金融包含投资方向和力度，是资源分配的重要部分。这是一个很广泛的题目。在这我们先说怎样由技术推动的金融服务，也就是金融科技。其目的主要是降低金融服务成本，把金融服务带给每个用户，提供新体验和加速经济发展。五年来，全球金融科技的投资不断增长，已达到1000亿美元。以中国金融科技为例，中国to C移动支付已经改变了每一个人的生活习惯，大大提升了消费模式和体验。而最近很火的金融科技就是中国人民银行计划推出数字货币作为国家货币，意味着可能会取缔旧有货币概念。但现今全球主要货币还是以美元为主，而美元的地位在20多年间都没有改变，1999年欧元诞生后，也没能撼动美元的牢固地位。就我个人对数字货币的研究来看，数字货币的成功与否不在于其技术能力，而在于它的经济模型、法币融合和世界其他国家的认可度。第二个基本的经济动力元素是人（human capital），人是十分重要的资源，中国每年有7到8百万人毕业，经济转型的过程里，也离不开怎样推动在职培训，所以用科技推动教育是一个十分重要的议题。但今天跟人有关的技术就是健康医疗、大健康。大健康，在美国上市公司市值行业分类中排名第3，而中国则排名第8。美国健康医疗上市公司市值占总市值的14%，同等比较下而中国上市公司不到6%。数据显示，中国医疗健康每年支出绝对值为世界第二。但中国14亿人口中，医疗支出对GDP的占比低于欧洲国家水平，人均医疗支出不到500美元。所以在未来十到二十年，中国医疗、大健康会有很大提升空间，现在6100亿的花费将来要增加到大概近4万亿的水平才能达到欧洲国家医疗开支的平均水平，这其实也预示着将来投资的发展方向。这20多年来，中国的能源一直供求不平衡。大部分中国能源都是进口的，供需缺口高达国内生产能力的25%。从经济增长的角度看，未来20年，中国的能源需求估计还要增加14%。整体而言，中国要把现在的国内能源产能增加43%才可达到供求平衡点而无需依赖进口。其实中国已经是电力再生能源的世界领军者，但单靠再生能源、新电池的突破是不够的，要开发新领域，比如，外国已经有公司正在研发用空气中的二氧化碳生产电能，这样的突破才是中国能源研发的方向。
比较人均GDP是最简单的方法。与发达国家相比，中国现在的人均GDP还要增长大概3~4倍才能达到高收入国家水平，要达到美国水平则需要增长5倍以上。而服务业在中国经济结构中的比重，还是低于发达国家。很多大国生产总值结构的70%都是由服务业引导的，而中国的服务业增长虽然比工业快，却还未达到应有的大国水平。大部分发达国家的农业在国内生产总值中的占比都低于2%，而中国农业却在2%以上，这不代表中国在农业总输出要降低，而是意味着中国在工业、服务业还有很大的上涨空间。
从这两个角度看，中国的经济有很大的增长空间，如果以每年5.5%的增速，20年内一定可以超越美国，且增长动力会来自内需和地缘贸易。中国具备成为世界第一经济大国的条件。所谓强国就是在很多领域，比如金融、人、能源跟技术方面不再依赖其他国家，或者不再过分依赖其他国家。要达到强国，不可以单靠以往的经济发展模式，而需要用科技来推动发展。在这个过程里，不单是需要技术开发，而且需要政府、科技公司、企业家和投资者共同努力。当各方能够同时配合，资源得到适当分配，对外依赖减少，经济大国就有可能变为经济强国。
Jack从宏观角度为我们分析了中国的未来，而作为「甲子光年」非常年轻的智库团队，我接下来更多的提供一些纯朴的想法，是对科技与产业融合方法论中观层面的观察，不一定对，希望给大家带来启发或者说参考。第一个具体的问题是科技与产业融合的方式。我们现在可以观察到，科技在与产业融合时，有两种常见的模式，垂直或水平。先看两个典型的“科技与产业融合”的产业链：三星和苹果。上下游产业链配套能力已成为智能手机品牌提升价值和竞争力的关键，主要有两种方式：一是采用垂直整合的发展模式，打造纵向一体化产业体系，以硬件技术优势强化终端竞争优势。如三星在芯片、存储颗粒、显示屏和电池制造等元器件领域的积累，强化了它在终端市场的竞争优势。二是依托对核心硬件、基础软件和应用生态的完全掌控，构建软硬一体的竞争策略。苹果在硬件领域持续强化对处理器和芯片等的掌控力；在供应链方面，更是推行严格的淘汰性竞争机制，综合构建强大竞争能力。科技的争夺或竞争背后，实质上是产业大规模机器作业向自动化、智能化的转变，这需要完善的产业链基础。幸运的是，我们具备这种完整的工业配套体系。不管未来走横向还是垂直的发展路线，都有非常好的基础。国内停车场景较为粗糙，但国外的路缘管理非常复杂：有些地方只能本地居民停车，有些地方只能用来上下货，有些地方停留10分钟后必须要走，有些地方可能停4个小时都可以。有种解决方案是，为汽车两边装很多传感器，开车时传感器会扫描大街两侧的停车位，一旦发现空档就会上报，这样只要每辆车上都装着传感器，车主就能随时掌握所有空车位的信息，在需要导航和停车时提供各种方案。从这个例子可以看出，科技与产业融合的过程，一方面是科技在为产业赋能，另外一方面，产业也在反馈信息推动科技发展，或者对科技提出更高的赋能要求。简单而言，实现“科技与产业融合”或每一次科技创新的关键在于“实现信息的有效加工”。可以抽象出三个关键的环节：洞察并获取数据、对获取的数据进行处理、通过数据驱动企业运营。这三个环节具体对应到数据加工环节分别是——可数据化的来源、处理数据的效率、产生新的商业模式。“实现可数据化”的有效途径和手段就是业务云化，包括运营、开发、生产、销售、服务等上云，将原本线下的数据线上化。而在5G、IoT趋势下，大量多维度、在线的、连续在线的实时数据将涌现。当数据的量级和复杂度累积到一定程度，传统的数据处理与分析手段已无法承载，需要更多创新技术和手段的介入。此时，以人工智能为主的一系列效率工具开始发挥作用，它们解决的就是“处理数据的效率”。例如传感器导入的自然语言，由NLP技术转化成可结构化处理的数据，还有智能语义、人脸识别等技术能力，大数据技术也在数据处理分析模型上提供了新的解决方案。接着是在传统的商业模式范畴，又“衍生出新的商业模式”——通过数据的高效治理，比如通过对数据处理的颗粒度细化、或更复杂的相关性发掘，产生新的商业模式；而新的商业模式又能反过来迭代以科技为产业赋能的循环，进而扩展更强的可数据化来源、更高效的数据加工能力、衍生更多的商业模式。总体来看，科技对传统产业赋能的评价标准，可以按可到达的“高度”分三种——优化者、创新者、颠覆者。优化者的关键是基于科技对产业的赋能，提高既有生产与运营水平，从而帮助提供更多客户价值。他们寻求的是提高整体效率并降低成本。成为优化者的关键步骤，都集中在与效率和成本改善相关的领域。创新者主要基于各种新技术推动产业的作业进化，实现改善产品，或者创造新产品和新服务，最终实现他们在生态系统中的角色重塑，推动行业朝着有利于自己的方向转变。他们也在利用各种创新技术，扩大客户互动范围，改变其在所处业务生态系统中的角色，或尝试开拓新市场，寻找新的业务收入机会。颠覆者运用科技赋能，帮助提前预测未知的客户和需求，或创造新的客户需求，构建新的行业价值链，使自己具备一定的先发优势，并在一段时间内“主宰”市场，重新定义自己的竞争力和市场地位，甚至创造一个全新的生态链系统。接下来是一个更为具体的问题，到底科技与产业的融合程度如何？「甲子光年」通过捕捉各种行业数据，提出了“I can I do”模型，横轴代表产业融合科技的能力（I can），纵轴衡量产业对科技的实际投入（I do）。我们发现通讯、软件与互联网服务是科技与产业融合的领导者；零售、政府、金融产业，更多的是远见者。最后，提供一个小小思路，如果站在一个更大的格局来看，有一些产业对中国来说需要更大的力量去推动，比如这里列出了有非常高依赖性和不可替代性的行业——芯片、基础软件等，这些行业发展需要国家政策推动。刚才江涛讲了很多模型，我这部分很简单，我会快速看几个行业实际的案例，大家正好可以换一换节奏和脑子。让我们拿起放大镜去看一看每个行业的科技和产业正在发生什么。创新是“可能”和“需要”两个问题的舞蹈，接下来，我就会循着“I can I do”模型对不同产业与科技融合的潜力分析，以需求和可能性的双线索深入阐述科技正发挥巨大作用的6个重点方向：政务、地产、制造、物流、教育和医疗。从近年的提法和实践看，政务领域的大背景是政府职能的转型：政府角色正从管理者转向强调者；治理思维从事先计划转向动态响应；实现手段从行政规定转向数据辅助。这是一个非常庞大、多元的市场，比如仅智慧城市的市场规模就达10万亿量级。政府管理和城市治理要真正变得智慧，最大的痛点是用于决策的信息不全。究其原因，一是由来已久的数据孤岛；二是缺失重要数据。与之对应，科技在政务领域的第一个重要应用方向，可以概括为由死到活、激活存量，换句话说，就是把死的数据盘活，冲破数据孤岛。在整体解决方案方面，我们看到政府正在采购客单价达数百万乃至近亿的大型定制化项目，比如百分点这样的数据智能公司，就为政府提供包括智慧政务服务、互联网+监督、生态环境保护、智慧应急管理在内的多种整体方案。这里的关键是从顶层切入，拉通跨区域、跨部门的数据，同时构建一套统一的数据规范和标准。除了一地政府整体政务的解决方案，政务或者说更宽泛的公共服务领域还有一些趋势——即细分领域也能撑起巨大的业务。一个例子是计算机视觉四小龙之一的云从，今年以来就在大力发展智慧机场整体解决方案，目前已落地了包括北京大兴机场、上海浦东国际机场、广州白云国际机场和重庆江北国际机场等全国80多个机场。这个商机在于，根据民航局要求，旅客登记凭证将逐渐从纸质登机牌过渡到完全无纸化出行，旅客服务因此将面临挑战；而包含人脸识别、跨境追踪等技术在内的软硬一体化解决方案，则能做到无纸化的情况下，“一张脸走遍机场”，让旅客全流程自助服务，同时提升机场的管理和安防效率。在通用的技术平台方面，为了获得对数据敏感的行业实现智能化所需要的大数据，可信计算等实践逐渐火热。包括蚂蚁金服、腾讯、百度等在内的大厂和一些创业公司近年都推出了多方安全计算平台（MCP）解决方案。它要在数据不出门的情况下，实现多方联合机器学习，从而输出对参与各方都有价值的某种智能化能力。围绕着政务智能化的第二个痛点——数据缺失，技术正在扮演从无至有的角色，即收集到以往没有的数据。在这一点上，传感器、计算技术和数据智能的发展，共同助推着城市大脑的实践。从对消防报警的响应，到红绿灯的设置，再到某区域的规划，城市大脑要实现的，是从感知、到分析、到决策、到预测，最后到干预的闭环。近年来，很多被业界广泛讨论的趋势。比如计算领域的边缘计算，业务自动化方面的RPA，还有计算机视觉技术的持续深入应用，都可以在智慧城市的场景里找到用武之地，场景和技术进入了相互促进的良性循环。该行业当下最核心的痛点，是越来越紧的政策调控，在土地限价、房产限价以及资金源紧缩的情况下，各地产商以往顺风顺水的好日子结束了。行业遇冷，对产业与科技的融合是一把双刃剑。一方面，整体预算会缩减；另一方面，头部玩家只要能熬过洗牌期，也将获得一个收割更多市场的机会。想切入地产的科技公司，目前走向市场的策略，应该是坚定不移地打大客户。从大客户的需求来看，有远见、有实力的中国地产商越来越多地认识到了精细运营和控制成本的重要性。今年有一个非常火的企业数字化概念——中台，而中台的一个重要客群，就是业务多元、且以往数字化能力相对薄弱的大型地产商。这背后的原因是，在整体新地块减少，前期开发量萎缩的情况下，一锤子买卖的思路过时了。
因此，那些涵盖了住宅、物业、商业、养老地产、教育地产的大型龙头公司，急需打破分散在各个大区和各个业态中的用户信息和业务信息，从一锤子买卖，转变为持续在客户身上赚钱。在降低成本方面，以往财大气粗的地产商，开始关注各环节的效率。如我们报道过的小库科技，它的切入点是提升拿地方案环节的设计效率；原来两周的设计工作，现在两天就能完成。同时，小库这类工具在“节流”时，也在兼顾地产商更看重的“开源”，因为借助AI，拿地环节的设计能做出更高的货值（可租售的地产资产总价），更好地满足地产商在“寒冬时节”对效益的追求。2018年到2019年，制造业的上云增速名列前茅。中国制造业的核心痛点是产能过剩，表现在数字上，就是产能利用率低。这和生产制造业处于产业链上游，无法即时接受市场反馈有关。行业常犯的决策性错误，就是在不该扩张时扩张，在不该收缩时收缩。说到底，这是一个内外部协同效率的问题。而物流业在中国，最大的特征则是高成本。虽然近年来，中国物流费用占GDP的比例在逐年下降，但依然高于发达国家。核心问题也是协同效率低，我国的平均物流成本是发达国家的2-3倍左右。这两个行业还有一个共同特点，都是劳动密集型产业，他们正面临中国人口老龄化带来的劳动力成本提升和招工难。围绕效率低和适宜劳动力紧缺的痛点，技术能发挥的最主要作用在以下两点：比如在3C生产领域有许多积累的台湾软件厂商鼎捷，他们为制造企业提供的方案，是整合ERP、BPM、PLM和MES系统，打破运营层与车间层壁垒，让上游的生产能根据下游的市场环境变化更及时地调整。如我们报道过的企业点我达，他们从2009年就率先做智能调度系统，到2019年，点我达的最新尝试是“场景融合”，打通外卖、零售、快递等多种业态，统一进行智能派单。这非常像大家经常讲的一个段子：打不到车时，货拉拉。随着科技进一步提升未来，运货、运人都可以打通。物流和出行的界限甚至会逐渐消失。应对劳动力结构变化的困境，还是那个说了千百次的词——自动化。但需要注意的是，自动化之所以能成为一个有潜力的新机会，在于2012年以来的新动向：以智能化实现自动化。随着机器视觉、深度学习和规划技术的发展，机器人和机械设备能处理比以往复杂得多的工艺，让过去不能被自动化的场景，也能沐浴自动化的阳光。比如在物流领域，无人仓实现无序分拣，需要几百台甚至上千台AGV（搬运机器人）的协同调度，都在成为可能。几乎所有的物流巨头，包括阿里、京东、顺丰等，今年都在发力无人仓，海尔旗下的物流公司日日顺甚至整合了物流和上游的制造环节。在技术的助力下，制造、物流等劳动密集型产业正在迎来拐点。以教育来看，人工智能自适应学习本来是随着一批在线K12教育公司兴起而流行的概念。但如今，这种模式在击破优质服务分布不均的表现上比较有限，整体呈下降趋势的在线教育“续费率”可以间接地反应这种有限性。背后最大的原因是技术发展至今，仍然不能让线上的体验匹敌线下。最适合实践线上、线下融合的，是本来拥有深厚线下教育服务经验的行业龙头，他们正在尝试：自适应逻辑的线下化。即把“搜集大数据——构建学习模型——输出学习建议”的整套线上流程融合到线下场景。开放教育平台、智慧课堂方案，都是这种尝试的例子。而传感器、终端、边缘计算、视频直播等一系列AIoT技术，会在其中发挥重要作用。改善优质服务分布不均的第二种努力方向是，提升远程线上体验。在教育领域，我们看到MR技术为沉浸式教育体验带来了新可能。在医疗领域，手术机器人和5G等技术的结合，已把远程手术带进了现实。当然，这也会带来一系列的新挑战，包括权责划分和伦理问题等。但每一项新技术的落地，都将经历与现存世界规则的磨合。在梳理了产业科技棋盘的新变化后，今年，我们还不得不直面一个新逻辑：外部环境的改变。在全球化退潮和摩擦加剧的情况下，判断产业前景和机遇时，刚才江涛提到的依赖替代模型（Dependence & Substitution Model）正变得越来越重要。如图，处于象限左上方的行业，即高依赖且可替代的产业。典型的例子是：面板、工业机器人、部分核心器件。一句话：产业加油，需要市场主体充分发挥作用。以工业机器人为例，严峻中有希望，我去年演讲时提过，中国已成为全球工业机器人销量增速最快的市场，但以今年数据来看，2018下半年，中国工业机器人市场结束了。这意味着2012年以来，连续5年的增长势头开始调转向下。但是拆分这个数据，我们会发现，悲观中有乐观。虽然整体销量在下降，但国产机器人的销量却在上升，工业机器人国产化的势头依然向上。再比如在核心元器件和一些高端设备上，我们也看到了中国在激光雷达、VCSEL等传感器上达到了世界头部的水平。比如我们报道过的禾赛科技，已打造出一系列创新型传感器解决方案。迄今为止，禾赛科技研发的激光雷达Pandar系列已获得了来自18个国家和地区的42个城市的客户的认可；美国加州现有的64家获得无人车公开道路测试牌照的高科技公司中，超过半数已是禾赛科技的客户。
当前，激光雷达正朝着更小、更便宜、更集成化的方向演进，在此趋势下，禾赛致力于将产品打造的更加智能。禾赛科技联合创始人、CEO李一帆曾说过，“机器人技术不应被行业所限制，应该在不同的领域被广泛应用。”
未来三五十年内，机器人技术以及各种新的核心器件、传感器会让我们的社会出现巨大变化，让很多事情变得更加方便，更加安全，更加高效，更加舒适。
出现在象限右上方的行业，属于高依赖又难替代，也就是当下卡脖子的行业。这包括包含操作系统在内的基础软件、一些细分领域的工业软件，比如IC设计行业的EDA，也包括备受关注的高端半导体。如今天到场的地平线、寒武纪等公司，就在开发新一代的AI芯片，就在今年8月末，地平线刚刚发布了中国第一款车规级AI 芯片征程二代，10月，他们又发布了新一代 AIoT 智能应用加速引擎——旭日二代边缘 AI 芯片，这些进展都非常值得欣喜和关注。这些底层支撑型的技术行业，其实是整个科技产业纵横棋盘的基座，它们会是未来人才、资本的流向地。道理很简单，创新创业最重要的因素之一是愿力，一个国家的发展也是如此，当政府意识到这些基础技术行业的战略重要性，势必也会有更多的投入和支持。最后回到棋盘，横与纵，科技与产业。从当下的可能性来看，科技目前能做的事是小小的贡献，但从哪里有需要的角度看，产业对他们的需求是巨大的。盯着每个科技公司看，自身的盘子也是小小的，但决定走这条非常难的路，能撬动的价值又是巨大的。说实话，这两年自从认识了一票理工背景的科技创业者，我觉得我朋友圈的爱国指数飙升，他们常常会发一种状态，就是感谢时代。
