电影《点球成金》讲了一个真实的故事：奥克兰运动家队是美国职业棒球大联盟 MLB 里经济实力很弱的一支队伍，布拉德•皮特饰演的主角比利是这支球队的教练，经历了一场惨败之后，奥克兰运动家队的三名主力被重金挖走，球队前途渺茫。

但是在大数据技术的帮助下，比利不再追求当红球星，而是挖掘在数学模型下具有巨大潜力的球员，最终这支平民队伍在 2002 年赛季拿到了打破 MLB 纪录的 20 连胜，一度成为联名豪强。

也就是说，合理运用技术能力，能够在看重资金实力的顶级职业联赛里获得更多胜机。

类似的事情，正发生在网球运动领域。

2025 年度比利·简·金杯（Billie Jean King Cup）总决赛在深圳湾体育中心开赛，这是该全球顶级女子网球团体赛事首次落户中国。作为比利·简·金杯的全球技术与创新合作伙伴，微软携 Match Insights（国际版）解决方案亮相赛场。

微软基于 Azure 云平台和数据分析技术，量身开发了 Match Insights（国际版）解决方案，可实时处理海量数据，生成统一、精准的战术洞察，帮助教练与运动员在极短时间内做出科学决策，实现从数据到行动的高效衔接。

每场比赛期间，微软智能云 Azure 会处理来自多个数据源的超过 30 万个数据点，并即时生成 1500 余种独特的统计组合。同时，人工智能模型对这些数据进行实时分析，提炼出关键洞察，帮助教练和球员灵活调整战术。该系统还能深入挖掘球员行为、击球选择和局势变化，生成如回合球效率、发球得分率等深度分析数据，为战术制定提供有力支撑。

今年，微软把 Microsoft Copilot 副驾驶的 AI 搜索能力整合进了 ，进一步提升系统的交互智能与全球适配性。比如借助 Microsoft Copilot 副驾驶的多语言自然语义处理能力，运动员和教练可直接使用母语实时提问，例如：「对手在第二盘的反手失误率如何？」或「我在关键分上的发球偏好有哪些？」。 Match Insights（国际版）可以即时解析问题，从海量数据中提取洞察，生成个性化的战术建议。

在 2024 年，比利·简·金杯斯洛伐克队队员Rebecca Šramková 说：

赛前，我预计对手会采用快节奏打法，微软 Match Insights（国际版）提供的所有数据与洞察都印证了这一点。我据此调整了自己的战术，最终赢得了这场比赛。Match Insights（国际版）帮助我分析对手并为每场比赛完善我的策略，使我们的队伍在比赛准备和决策方面具有优势。

在 2025 年度比利·简·金杯（Billie Jean King Cup）赛事期间，我们和微软大中华区首席运营官 Chris Tao，国际网球联合会技术负责人 Jamie Capel-Davies，微软全球战略合作伙伴负责人 Monica Robbins 聊了聊 AI 将会如何影响网球这项运动，以下是对话实录。

Q：更加精细的数据分析和 AI 指导在多大程度上可以提高比利·简·金杯运动员的胜率？

Jamie Capel-Davies：这是个很好的问题。我认为 AI 确实在部分团队和技术层面发挥了作用，帮助他们获得了有价值的洞察。

比利简金杯中，大家都围绕「赢得比赛」这一共同目标努力，所以我们能够真正有所作为。我个人印象最深的是去年有一场比赛，一位球员凭借胜利赢得了参赛资格，而我们所提供的，就是为这种关键性的时刻，提供差异化支持。我认为不同团队对 AI 的使用程度和方式各不相同，而且比赛结果还受到很多其他因素的影响。

Q：目前，数据和AI主要为人类教练提供辅助功能。那么未来，AI 是否真的可以取代人类教练？

Monica Robbins：不是取代人类，实际上是赋能人类。就像你在体育领域看到的那样，AI 的作用是帮助个人在他们所做的事情中取得更好的表现。比如网球比赛中的司线判罚，确实可以完全自动化，但整个过程中仍然需要人的参与。AI 的真正价值在于增强人类专注于关键决策的能力。所以我想对于人类教练来说，AI 不是为了取代他们，而是为了通过更多方式赋予他们力量。

Jamie Capel-Davies：是的，我完全同意。AI 确实带来了很多价值，但有些事情仍然需要人类的参与。AI 可以处理纯粹且客观的数据，但在网球领域，教练的很多工作在短期内是人工智能难以替代的。我们真正感到兴奋的是看到这项技术正在更广泛地应用，它可以帮助提升比赛的公平性。我们拥有大量可用的数据和各种类型的系统，而且这些技术变得更便宜、更易获取，因此在更多比赛中都能提供有价值的洞察。

Chris Tao：我想说的是，微软在人工智能与人类协作方面的基本理念、目标是创造出能够以更好方式帮助人类的 AI 技术，从而提升整体生产力。我们始终认为人类应该处于主导地位，而 AI 则是持续支持人类的、聪明的「Copilot 副驾驶」。最终，我们希望 AI 不仅能在教练领域提供更好的建议，还能在教育等其他领域发挥作用。我们也希望 AI 能在不同文化背景下都表现出色，成为真正意义上的助理教练，具备应对未知问题和不断进化的能力。

Q：在智能运动领域，AI 已经彻底改变了国际象棋和围棋，模仿和学习 AI 可以带来更高的胜率。然而，有人认为，由于存在最优解，AI 介入的运动可能会失去创造性和观赏价值。网球会出现这种情况吗？

Jamie Capel-Davies：我不这么认为。这确实是个值得探讨的问题，不过我自己不下棋，所以无法完全比较。但我觉得 AI 的加入其实是为运动增添了新的维度。虽然 AI 有时会击败人类，而且这种情况越来越常见，但真正有趣的是AI 与人类之间的互动。所谓的「最优解」反而让比赛变得更有看头。网球本身就包含很多要素，比如技术、身体素质、战术等，是一个高度多维的运动。我们尝试用 AI 来强化其中的战术和战略部分——这是非常关键的一环，但也只是众多维度之一。

Chris Tao：我补充一点。在网球领域，我们已经积累了多年成熟的经验，尤其是在数据分析的支持下，我们可以更好地分配资源。你提到一个很重要的观点：在一个高度竞争的环境中，人类应该如何定位自己？是“人类+AI”的协作模式，还是坚持人类主导？你可能还记得上个月在中国举办的 2025 世界机器人大会，那场展览真的很精彩。它促使我们重新思考：如何借助 AI 增强人类能力，而不是让 AI 取代人类在关键领域的作用。

Jamie Capel-Davies：如果我们进一步展开这个话题，我认为 AI 还有潜力帮助球员更好地参与比赛、减少受伤风险。

Monica Robbins：是的，这正是 AI 的核心价值所在。当我们谈论 AI 时，它是在赋能各类应用的负责人，而不是取代他们。我常常会想到一个例子：AI 可以让信息「活」起来，帮助运动员更好地理解自身表现，从而发挥最大潜力。比如从人体力学的角度来看，运动员在特定项目中往往遵循相似的运动原理。而借助 AI，他们可以发现，通过对身体姿态的微调，自己可以跑得更快、跳得更高，或者更高效地完成动作。所以再次强调，这不是关于替代，而是关于提供工具，帮助他们实现更好的自我表现。这也是我们真正关注的方向。

Q：AI 或微软的机器学习系统是如何挖掘出传统系统无法识别的数据维度？微软的技术在哪些方面可以补足传统系统的不足吗？

Monica Robbins：是的，我可以先分享一些想法，然后 Jamie 可以补充。从根本上讲，这个问题回到了「数据如何实现实时统一」的能力上。传统系统通常是在赛后进行分析，也就是说，你只能在比赛结束后回顾数据，制定策略。而微软的解决方案实现了实时数据处理，这意味着你可以在比赛进行过程中就获取关键洞察，并据此做出即时调整，而不必等到下一场比赛。这是一个非常重大的转变。我们在本次锦标赛中引入的一些新功能，正是围绕如何更深入地理解比赛动态展开的。现在，运动员甚至可以通过自然语言提示在比赛期间获取实时建议。如果我是网球运动员，我可以根据AI的反馈调整我的发球策略，这在过去是无法实现的。

Jamie Capel-Davies：使用 Azure 的一个关键优势在于系统的可扩展性。我们可以根据比赛的节奏和安排灵活调整资源配置。比如本周有些比赛日安排了两场比赛，有些只有一场，我们的系统可以根据实际情况动态扩容，同时保持成本效益。此外，微软的 AI 平台具备模型迭代和切换能力。我们可以根据反馈不断优化模型，并在不同模型之间灵活切换。我们最近就做过一次模型升级，结果显示新模型的反馈质量明显优于之前的版本。这种持续优化的能力，是传统系统难以比拟的。

Q：有人使用 AI 来帮助策略，而有人不使用，那么对于这种情况导致的不公平，你们会如何回答呢？

Monica Robbins：我们合作的每个组织都肯定会思考的一个问题是，他们如何以完全公平的方式提供解决方案。其中一件事是，现在AI正变得更容易被更广泛的受众使用。实际上，在某些方面，它确实带来了更多的获取机会。但当我们与潜在客户或不同组织合作时，比如与比利·简·金杯合作，关键在于我们如何确保所有团队都能获取相关信息，并确保他们能够充分利用这些信息。确实，像任何新技术一样，总会有一些早期采用者，但这也是推动技术普及的重要力量。我们希望通过这种方式，逐步实现更广泛的技术覆盖。

Chris Tao：是的，这项技术实际上已经在一定程度上缓解了原本可能加剧的不公平问题。过去，资源获取的不平衡确实让一些团队或教练处于劣势，但现在我们正努力让 AI 技术变得更加普及和易用。我们的目标是确保尽可能多的人都能使用这项技术，而不仅仅是少数拥有高端设备或资源的专业团队，比如那些顶级教练。过去可能需要依赖复杂的系统才能进行数据分析，而现在，更多人可以通过更便捷的方式获得同样强大的支持。这意味着，AI 不仅提升了专业教练的能力，也为更多基层用户打开了可能性。我们希望通过技术的普及，真正实现更公平、更广泛的赋能。

Jamie Capel-Davies：我们所做的是与所有团队一起开展培训，以此来帮助降低风险和解决问题，而不是做其他事情。正如 Monica 提到的，不同团队的使用方式可能不同，但我们努力确保每个团队都有机会尝试并充分利用这项技术。微软其实还有一个专门的部门，会对产品进行严格的审查，确保在推出时符合伦理和公平的使用标准。

回到开头所说的《点球成金》电影，大数据技术确实在一段时间里帮助奥克兰运动家队获得了极强的竞争力，但是这项技术的门槛没有想象中那么高，于是其他球队也纷纷跟进，最终抹平了技术能力的差距。

实际上到现在来看，无论是 MLB，还是 NBA，或者足球里的五大联赛，一支球队的技术分析和医疗康复能力，很大程度上决定了这支球队的上限，也决定了球员的职业生命。

在科学的比赛建议，以及更好的医疗康复关照下，像刚刚过了 40 岁生日的莫德里奇，或者 40.5 岁的 C 罗，依旧还保持着不错的竞技状态，能够在顶级赛事中发挥巨大作用。

技术能力在体育运动里一直都是你追我赶，先到先得，并且具备非常大的杠杆效应，而在微观到具体的运动员身上，AI 等技术带来的，不仅是一段时间的提升，也可能是整个职业生涯的延长。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

与腾讯集团副总裁、腾讯智慧出行总裁钟翔平的采访并不像以往的采访那样发生在会议室或者咖啡馆这种场景，而是在位于深圳宝安大铲湾的腾讯新总部与宝安中心地铁站之间的自动驾驶摆渡小巴士上进行的。

这辆小巴士将来会用于腾讯员工通勤的接送，达到了 L4 级别的自动驾驶水平，搭载了腾讯自研技术。

即便腾讯这家公司对大家生活的影响如此之深，但在汽车领域，腾讯做的事情却并不显性，我们当中的大多数人没法像使用微信，玩《王者荣耀》那样亲身感受腾讯为员工准备的自动驾驶小巴士，但这并不意味着腾讯没有影响我们的出行。

相反，腾讯对智慧出行的影响，无论是从链条的长度，还是时间线上的长度，都可能是腾讯所有业务里最为深远的之一。

在车上点个麦当劳，和腾讯云有关系吗？

2025 腾讯全球数字生态大会出行专场上，腾讯发布了 TAI 6.0 智能座舱系统和全域智能化升级方案，通过「端云一体」的新一代座舱大模型矩阵与 AI Agent 架构。在端侧，基于混元深度定制的 LLM ，TAI 6.0 智能座舱系统推理速度提升 81%，并在长上下文窗口中，实现对车身传感器信号理解的准确率超 97.5%。新发布的 VLM 多模态模型在部分场景下，舱外环境感知超 98%。

可实现场景与意图的精准理解，并通过自研端云模型协同策略，达成快速响应，意图理解时延小于 500 毫秒、准确率超 95%。AI agent 架构支持微信小程序、LBS、联网搜索等丰富信源扩展和腾讯生态能力，车企与第三方可通过标准化接口轻量接入智能体开发。

围绕出行全场景，TAI 6.0 推出五大智能体：

• 本地生活智能体：用户可实现自然语言交互，无缝连接车外生活服务，例如智能体可基于用户偏好，主动推荐餐厅优惠信息，也实能现边聊边问的拟人化服务体验，支持下单、支付全流程操作。
• 全能陪伴智能体「随行Chat」：聚焦车内情感陪伴需求，提供包括儿童故事陪伴、专业知识交流及娱乐八卦互动等多角色在内的聊天服务。
• 出行探索智能体「哪儿值得去」：场景化出行服务，可主动发现沿途兴趣点，智能生成顺路打卡路线，并提供目的地讲解、提前购票等服务。
• 出行连接智能体：打破车机与手机的服务边界，依托小程序生态，实现一键连接、内容流转与多用户协同控制，支持音乐、文章等多种内容类型无缝车机同步。
• 腾讯地图车机版 9.0 升级为 AI 地图导航智能体：实现 AI 指路、AI 服务、AI 陪伴等更人性化的产品体验。

举一个例子就可以理解这些智能体的作用了，以往我们在开车的时候想要点一顿麦当劳吃，那就必须要停车到路边，用手机进小程序点单，然后开车前往取餐。

现在有了这些智能体，加上整个腾讯生态，包括小程序和微信支付，就完全可以通过车内语音交互，找到附近的麦当劳，通过语音沟通，选择想要的餐品，然后在车机内支付，再导航过去取餐，整个流程完全不需要使用手机，驾驶者也不需要停车，甚至可以不需要怎么看车机屏幕就可以完成这一切。

这种场景体验的变化，背后其实是我们怎么看待「车」这种产品，钟翔平告诉爱范儿：

车可以看成两种属性，一个就像让人从 A 点到 B 点的一个载具，这个车从古至今都是有这个能力属性定位的。另外也是因为智能化、移动化发展之后形成一种新的车型，就是移动空间。移动空间这个特性是一个非常重要的延伸。

 

一个是载具，一个是空间。载具的这个属性的进化，其实将来服务化就是智能驾驶，就是让车自己完成从 A 点到 B点。但是作为空间的时候，它发展的方向就不一样了，它致力的就是让人很舒心，符合他对这个空间场景的期待。比如说有的场景我们希望这个地方是一个会议室，它可能要很方便开会。有的时候我们希望它是一个影院，它是可以看电影。还有更多的场景，是一个游戏室，然后更多的一些娱乐内容，甚至是我们让这个空间比如说让它帮我们订好咖啡，我们到下一个地点可以去取。所有这些都是移动空间带来的用户对它的期待。所有这些我们都会在智能座舱这个方向上更好地地打造。

 

TAI 6.0 致力于用端侧模型和云端大模型结合，对用户既能够很快的反应，同时也能够更全地去调动云端的能力解决更复杂的任务。腾讯也会将 AI Agent，加上广泛的服务生态，然后再加上位置服务能力这三种能力叠加在一起，形成一个让用户可以在车内结合出行位置，结合他可能期待的也许是咖啡，也许是订座，也许是点餐，或者是一些内容服务，都可以结合这几个放在一起形成最优体验。

 

有很多内容和服务的组件它原本就在，但是它缺少被用户用语音的方式启动，或者符合场景的方式去调度。我们用 AI 化的方式就完成了这一点，既清晰知道你的地点，知道你的路线，知道你什么时间可能到达哪个地方，这个时候我需要在那个地方提前或者是预约某一个时间，点一杯咖啡或者是点一个座，它都可以帮你去做到。当然这个也结合腾讯很重要的优势，我们有广泛的小程序生态。而且我们车端在很早之前就已经成熟化完成小程序框架，因为框架以及小程序本身就是现成的，我们结合 AI 时代之后，我们让大模型再结合更多的 Agent 的调用，使得它获得更完美的体验。

现在，腾讯的智能座舱产品在 60 多个汽车品牌、超过 1600 万车辆中应用。

我们可以这么理解腾讯在智慧出行上的产业链布局：点麦当劳作为单点场景，牵一发而动全身，从底层的云服务，到地图数据，再到小程序生态，还有支付能力等等，缺一个点就吃不到汉堡了。以此，我们也可以反推，腾讯智慧出行，究竟在出行里扮演了什么角色。

在 AI Infra 这一基础设施层，腾讯提供了腾讯云等服务，涉及高性能计算，高性能网络和高性能存储等服务。而在 AI Platform 的平台层，腾讯提供了自研的混元大模型以及开源的 DeepSeek 大模型等等技术，来提供各种直接的 AI 能力。在 AI Application 应用层，就有我们熟悉的微信各种能力，元宝应用等等等了。

那么问题来了，腾讯拥有几乎全栈的汽车智能化能力，自己也有能力做到 L4 级别的自动驾驶摆渡小巴士，为什么不像 Google 或者百度那样，直接提供自动驾驶整体方案，甚至是 RoboTaxi 服务呢？

钟翔平说：

每家公司有每家公司的定位，因为腾讯在 2018 年进行重要的战略转型升级的时候，当时就在思考如何做产业互联网，我们当时说扎根消费互联网，拥抱产业互联网。但同时我们清晰地对待产业互联网，想清楚我们的定位，我们叫数字化助手。

 

数字化助手这个定位是经过深度思考之后形成的，因为本质就是强调我们不是站在前面的那个角色，我们其实既是背后的助力者，有一些场景我们也会是伴随着企业客户，成为他们的数字化共建者，但是我们不是进入到他们行业里面去成为那个玩家。所以我们不断强调，我们不做 Robotaxi 也好，不做自动驾驶车，本质都还是遵循数字化助手这个定位。

当然，这个助手不仅仅是相对于用户来说，对于车企或者经销商来说，都能从腾讯获得想要的助力。

比如说，腾讯结合 SD 地图、轻地图、地图数据服务等云化地图能力，与博世、文远智行、元戎启行等出行科技公司携手，提高自动驾驶训练效率。在腾讯的云地图数据和合规服务的支持下，文远知行联手博世仅用 18 个月即完成了智能辅助驾驶方案的量产上车。

同时，腾讯与广汽、长安、蔚来汽车等车企合作，以智驾云专区、AI Infra、大数据等工具和云图一体化的数据闭环方案，加速端到端自动驾驶落地。

在营销服务环节，AI 销售助手，正在借助大模型能力，辅助销售员整合信息、专业应答，推动线索转化从流程化全面迈向智能化。在服务一汽大众等企业时，试驾线索成本降低了 20% 以上，到店转化率提升 30% 以上。

腾讯做自动驾驶能理解，为什么还做具身智能？

如果说一个在车上点麦当劳的场景，能够牵扯出腾讯在出行产业链上的长度和深度，那么关于具身智能的布局，则反馈出了腾讯在一条技术脉络上的长远思考。

在 2025 腾讯全球数字生态大会上，腾讯联合文远知行、黑芝麻、光轮智能等出行科技企业，发布面向具身智能研发场景的全链路工具链。

面对具身智能数据管理存在的全局治理难、多模数据保存与处理难等问题，腾讯推出的智能数据平台已实现 EB 级具身智能多模态数据的统一接入、治理与标注。腾讯也与文远知行联合打造从数据采集到模型部署的全栈 AI 数据闭环解决方案，为具身智能提供精准、丰富的训练数据支持。

此外，基于在自动驾驶领域积累的端云一体化闭环工具链，腾讯可以提供覆盖「数据采集-标注-挖掘-模型训练-仿真评测」全流程的具身智能研发能力。腾讯基于 3DGS、时序建模等技术实现的仿真环境，支持 L2-L4 级自动驾驶算法训练和 VLA 模型验证，并可扩展至具身智能算法开发。

今年 7 月，腾讯 Robotics X 实验室与福田实验室联合发布了具身智能开放平台Tairos 「钛螺丝」，这是国内首个以模块化的方式提供大模型、开发工具和数据服务的具身智能软件平台，通过 SDK 和 API 的方式面向机器人行业开放。截止到目前，Tairos 已经与越疆科技、乐聚机器人、帕西尼感知科技、擎朗智能、众擎机器人科技、宇树科技等多家具身智能企业探索合作。

同时，为验证自动驾驶技术在具身智能领域的应用潜力，腾讯以「导盲机器人」为载体，构建多模态感知规划、避障导航与交互能力，为四足机器狗、人行机器人等低速移动智能终端提供「无图」导航解决方案。

虽然自动驾驶和具身智能没有一个字是一样的，但是在钟翔平看来，汽车企业具备布局具身智能产业先天优势，「感知、决策、交互」等自动驾驶基础能力，能够与具身智能体结合，技术上一脉相承。

甚至，它们现在就发生了交集：搭载腾讯自研算法的四足机器狗，在大铲湾腾讯新总部里，完成了自动驾驶小巴的上下车测试。

钟翔平说：

车本身就是一个非常成熟的，非常好的实践中的具身智能体。因为车具备了感知能力、智能化的计算能力，然后实践中去打磨具身智能的应该叫物理智能，或者是空间智能。 在这个方向上面我们也沉淀出来一系列的工具集，一系列的工程方法都会应用到具身智能这个方向。

 

机器人相关的具身智能，会和智能驾驶会有所变化，这个变化主要会在于智能驾驶其实还是跟路本身高度关联，到了机器人也好，或者是到了更广泛的通行区域，更广泛的生活场景中的这种智能体，它面对的场景数据的要求并不是遵循着一个路的模式，这个时候会使得它需要因为数据自由度的扩大而带来的数据的量级急速攀升。当这个数据量级需要急剧攀升的时候仿真在其中扮演的价值和作用其实会更加扩大。

腾讯智慧出行解决方案总经理费玉霞解释了腾讯在这里布局的底层逻辑：

2025 年，Physical AI 成为行业的新焦点，自动驾驶和具身智能是 Physical AI 的不同形态，其核心技术底座高度重合，我们全面升级在自动驾驶领域的积累，积极投入具身智能，取得了阶段性的成果。

 

现今，具身智能产业正从价值验证迈向规模爆发，但是我们也看到支撑智能算法相对滞后，还有一些困难需要我们共同去解决。困难一研发落地路径长，研发中需要将上百个不同模块的软硬件深度融合，需要懂硬件、懂系统、懂数据、懂算法、懂仿真的专业团队，超过三年的研发投入才有可能有所产出，急需一套工具平台加速研发流程。

 

某种程度上来说，腾讯在具身智能领域，依旧扮演着「数字化助手」的角色，一来是因为自动驾驶和具身智能的技术脉络是一脉相承的，另一方面，具身智能也是 AI 技术的延续，在 Physical AI 领域的布局，也是 AI 布局的子项，没有哪家科技公司，敢在这个时代忽略 AI 机会。

当然，这一切都还在早期，也正如钟翔平所说：

智能驾驶本身就是一个很好的具身智能实践过程，因为是一个行进在路上的车，让这个车本身变成一个高度的智能化。它要解决的矛盾首先就很多，它要让车能够和人之间如何协调共处，让智能的车和非智能的车如何和谐共处。

 

其实这些问题在智能驾驶这个方向上已经到了一个相对收敛期。这个收敛的过程所形成的经验，或者是一些思考的沉淀或许是一种很抽象的思维的沉淀，我都会认为对于后续解决不同场景的具身智能会有参考和借鉴意义。

在我们聊这种时间维度的时候，9 年前腾讯成立了自动驾驶实验室与此时运行在宝安中心地铁站和腾讯新总部的自动驾驶小巴士形成了互文。当时腾讯在出行领域还没有形成如今清晰的布局和认知以及定位，但对于自动驾驶全栈方案的探索，形成了如今的工具集，以及提供给车企和自动驾驶科技公司的能力。

所以，今天对于具身智能的前瞻性探索，未来也可能形成这种能力。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博