AI公司盈利難？MSN聊天機器人起家的小i是如何做到的
作者 | 非主流
出品 | AI科技大本營
11 月 8-9 日，CSDN 和 AICamp 聯合舉辦的中國開發者大會在京舉行。會上，小i機器人解決方案中心副總裁孫欣圍繞《AI 技術創新及產業化實踐》主題深入分享瞭如何將 AI 用解決方案落地到真正的商業化中，並接受了AI科技大本營的專訪。
作為一家已經盈利的 AI 公司，孫欣表示，在技術商業化過程中最重要的一點就是貨幣化。直至今日在 AI 領域，應用最成熟、最先落地的就是智慧客服領域。小i機器人以 iBot 會話平臺，通過自然語言的處理能力、多模型知識庫、大資料分析能力以及多模態處理層等相結合面向行業提供了智慧化的會話平臺。同時提供會話式人工智慧五大 Bot，分別為：Chatting Bot 智慧閒聊解決日常聊天問題，FAQ Bot 基礎問答解決簡單、明確的問題，Deep Bot 深度互動解決複雜場景問題，Recommendation Bot 智慧推薦解決營銷場景問題，Discovery Bot 知識探索解決未收錄知識問題。
以下是大會演講以及採訪內容，AI科技大本營編輯整理。
孫欣演講
我在小i機器人主要負責解決方案的發展和管理工作，通俗講就是把 AI 用解決方案真正落地到商業化應用裡。
小i機器人做了 18 年，這一路走的很辛苦，18 年以來我們一直在不斷探索，在如何把人工智慧更好的落地到商業化的場景裡，如何跟傳統產業做結合。在這個過程中我們一直在不斷追求 AI 的技術創新，以及產業化的實踐。
市場拐點已經出現
從 2001 年成立至今，我們發現 AI 浪潮才剛剛開始，整個市場變化其實一直是動態的，市場的需求也是遞次發生的。2008 年我們把聊天機器人落地到了 10086，在運營商領域做客服。2010 年我們把這個應用落地到了交通銀行。到今年，我們看到很多傳統企業，包括做衛生間潔具、抽油煙機這樣的傳統企業，都在引入人工智慧。所以整個市場確實在遞次發生。
在這個過程中，我們也在不斷推進解決方案的落地，這個部分也是我本人主要負責的。我在面對很多媒體還有投資人時，經常會被問到，小i機器人如何把人工智慧技術落到商業環境。因為我們是為數不多的、持續規模化盈利的公司。
這張圖可以很清晰地表達我的觀點。實際上技術是我們非常重要的核心，但是在這個過程中，如何商業化，說的直接一點就是客戶願意為你的服務買單，而且不僅是一個客戶，而是多個行業多個領域的企業使用者以及政府單位，這是最重要的一點。
我們有標準化的產品，依託這個產品形成我們完整的解決方案。再透過我們專業化的服務體系、專業團隊還有獨創的方法論，我們才可以真正把高大上的 AI 技術落地在商業場景裡。
在商業化過程中，最重要一點就是貨幣化。我可以很負責的告訴大家，直到今日在 AI 這個領域裡面，運用最成熟，最先落地的就是智慧客服。小i機器人在這個領域做了很多工作，包括引領這個行業往前發展。現在已經有 40 多個行業的近千家企業客戶在使用我們專業化的產品和解決方案。
而支撐這個平臺的就是我們強大的 iBot 會話平臺。通過自然語言處理能力、多模型的知識庫、以及我們自己的專家系統、知識模型、領域知識，結合我們大資料分析能力和開發框架，我們可以提供一個智慧化的會話平臺。
會話式人工智慧五大 Bot
按不同的商業化應用，我們把會話式的人工智慧分成五大 bot，：第一類是 Chatting Bot，也就是聊天機器人，主要解決“今天北京天氣怎樣？”“明天北京有霧霾嗎？”“諾金酒店附近有吃烤鴨的嗎？”等等這樣一些問題。第二類是 FAQ Bot，我們有幸給小米和京東提供了第一代的客服機器人，FAQ Bot 是很初始的客服專員，解答常見的、簡單明確的問題，帶一點點推理和上下文的場景。現在我們著重做的是 Deep Bot、Recommendation Bot、Discovery Bot。
1、Chatting Bot：小i的應用層面主要是在深度學習與語義匹配相結合的模式下，不斷研究記憶機制+知識背景以及對抗模型情況下如何往下走。記憶機制+知識背景是什麼意思？當用戶問 Chatting Bot 問題時，它會記錄使用者的偏好、習慣等，下一次就可以依託這些資訊進行個性化處理。對抗模型是做兩個不同模型的機器人，生成更強大的聊天對話庫。聊天機器人是最早的人機互動的雛形，我們做了十幾年，發現聊天機器人在 To C 端其實沒有太大的商業價值，或者說至少到目前為止沒有明確的商業模式，這也是我們回來轉到 To B 領域的原因。
·
2、FAQ Bot：主要有四個發展階段，目前我們所處的技術階段是深度學習+自動化模型+語義表示式相結合的方式。為什麼這麼講？我們在實踐過程中發現完全依賴深度學習模型解決商業化場景下的客戶問題時，很多時候答案是不可控的。有類似的應用在做此方面的嘗試，結果是很難在商業化環境裡使用，後來發現還是要用自然語言模型、語義匹配+深度學習模型相結合，才能夠很好地解決這個問題。
3、Deep Bot：有自動上下文、多輪對話、深度推理等 8 大應用場景。
其中自動上下文就是在聊天對話過程中需要語義場景時，我們會根據前面的互動過程進行記憶推導，主動獲取引數資訊，補全上下文提問的內容，自動生成場景式的對話。這很像人與人之間的溝通，經常省略各種各樣的關鍵要素，在一個語境裡跟機器人聊天也是一樣的。
流程化問題的引導叫“多輪對話”，在我們處理的使用者場景裡經常能夠碰到，比如銀行信用卡的啟用流程，製造業的售後處理流程，預定機票的流程……都是這種場景，所以我們用多輪對話的能力去很好地捕捉和適應這個方式。
深度推理則是不需要定義每一條知識，但可以通過知識庫找尋相關的答案，進行答案之間的推理，很好的把這個場景回答出來，比如買 iPhone 產品的實際互動過程。
多意圖理解也是非常難的，我們在 2017 年中突破了這個難點。很多企業在使用 FAQ Bot 以後，都有一個很強的訴求，就是很多客戶的問題是多意圖的，一句話經常會問好幾個問題。針對這個商業化的目標我們做了突破，比如“你們有沒有信用卡，我想辦一張，最近有沒有活動？”其實是三個問題，我們需要在三個不同語義理解裡找到不同的答案，通過答案渲染模板，拼湊出一個標準答案給使用者。
動態場景互動主要是補全相關缺失的資訊，比如“我要查帳單”，模擬人的行為反問“你要查幾月份的？”“我要查9月份的”“你要查人民幣還是美元？”“我要查美元的”，這種場景在企業服務裡應用非常廣泛。
動態知識載入也是一個常見的應用，企業裡的很多知識不是相對固定或者有二維結構的。它的實現過程用到很多技術，包括對話聊天庫的模型、自然語言處理的技術、多輪對話記憶模型、會話保持模型等等，是一個綜合的解決方案。
還有一種方式在企業的應用場景裡非常多，這類問題的答案是一種資料，存在於多種多樣的資料庫或者多個業務系統之間。原先人工處理這樣的問題比較複雜，現在我們做了一個 NLQ 的自動化查詢系統，通過關鍵的語義要素，自動化生成語句，然後根據對話模板來渲染答案，把答案展示出來，比如快遞物流行業裡的簡單互動就是這樣的過程。
4、Recommendation Bot：有的企業客服中心已經從成本中心往流量中心、利潤中心轉了，因此小i不僅僅要做服務，還要做營銷。這個推薦機器人就是為營銷場景設計的。它可以結合使用者的畫像，包括人機互動記錄、購買記錄、交易行為、使用者屬性，甚至跟知識維度之間的關聯，做個性化的服務、營銷、推薦，更重要的是達到千人千面的互動，這是我們正在探索的。比如幾個常見場景：一是使用者相關的推薦；二是業務邏輯的推薦，不同的使用者給的推薦策略不一樣；三是知識相關的推薦。
5、Discovery Bot：主要是做下一代研究探索，要解決的是非結構化資料的問題。因為很多企業的知識是非結構化的，如何在傳統文件裡找到相應的知識和答案回覆給消費者，這是我們需要探索的問題。使用者提一個問題，我先用 FAQ Bot 和 Deep Bot 進行過濾，置信度比較高時直接返回，如果沒有答案時就會交給 Discovery Bot，在多種資料來源中查詢，置信度比較高的時候返回，比較低的給人工稽核，下一次就可以自動回覆了。
新一代智慧 Bot 開放平臺
藉此機會預釋出一個新的智慧 Bot 開放平臺，它整合了小i機器人 Chatting Bot、FAQ Bot、Discovery Bot三大核心 能力，為企業和開發者提供智慧機器人服務+人工線上服務+智慧人機協作學習的完整使用閉環，除智慧客服場景應用外，智慧營銷、智慧外呼、智慧硬體等多種不同型別的應用場景也將陸續開放。平臺開放的目的就是降低企業使用和擁有AI技術的成本與門檻，讓企業和開發者快速開發出滿足自身業務需求的、具有智慧互動能力的對話機器人和智慧服務系統，最終實現以對話賦能萬物，讓對話機器人在更多領域為人類服務，推動AI步入千行萬業和產業生態蓬勃發展。未來，小i會繼續推動技術的產業化落地，這是我們最大的願景。歡迎上下游產業鏈相關企業、朋友一起合作。
孫欣專訪
從聊天機器人到智慧客服
AI科技大本營：為什麼小i會在 2004 年做 MSN 聊天機器人？
孫欣：可能跟創始人的夢想有一點關係。小i機器人的創始人是從微軟出來，在 2001 年創立了這家公司，當時很多人都用 MSN 交流，但晚上朋友們都下線後就會很孤獨，於是突發其想，如果 MSN 上有一個機器人陪我聊天就更好了，而且當年比爾·蓋茨說網際網路的下一代是人工智慧，於是就突發其想，做了這件事情。
當時這個聊天機器人主要提供生活娛樂方面的服務，比如查詢音樂、地圖、天氣，做心理測試等。最開始主要在朋友之間的小範圍內分享使用，我們創始人並沒有想做公開化傳播，後來因為口口相傳，使用者數量增多，我們才開始在後端投入伺服器來支援併發能力。這是當時的歷史情景。
AI科技大本營：目前小i在智慧客服市場裡佔多大份額，你們有計算過嗎？
孫欣：保守來講，80% 以上是沒有問題的。再精確一點，估計能夠佔到 90% 以上的市場。
AI科技大本營：小i做了這麼多年的智慧客服，目前國內智慧客服使用情況是什麼樣的？
孫欣：一個企業無外乎有幾個核心要素，可能有些企業不需要生產，但很難不需要服務和管理。在智慧服務方面，我們有一整套可以落地的解決方案。未來智慧化管理也有很多落地的可能，如今已經有點狀應用的出現，包括財務審計、智慧化辦公等等，都屬於管理側。未來在企業角度還有很多可以擴充套件的空間。
AI科技大本營：小i機器人目前有多少人？技術人員佔比？
孫欣：小i目前將近 600 人，技術人員 250 人。技術部分主要分技術研發和產品研發兩大部門，對公司技術委員會負責。
我們的技術人員分不同層次。有做底層演算法的，他們主要隸屬於小i研究院的部門。再上面是做底層平臺的，像 iBot 開放平臺，主要在產品研發中心做一些工程化的工作。再上層還有解決方案中心，我本人負責的就是解決方案中心，解決方案也有一定的工程化的工作，但它的工程化是跟企業的業務相結合，在底層平臺技術上做行業工程化的能力。再往上還有二次開發人員，也就是在專案中做開發的人員，隸屬專案實施服務中心。
我們有四個大的部門梯隊來協同作戰，每個梯隊都有相關的技術人員，相當於海陸空聯合作戰，幫助客戶搭建業務，實現專案落地。
AI科技大本營：人工智慧的前提是大資料，小i機器人如何獲取資料？
孫欣：小i有多個數據來源：
第一，小i從 MSN 時代開始就一直在積累大量的對話庫和基礎語料，我們有專門的標註團隊做知識處理和沉澱工作。
第二，小i做了不同行業的解決方案，因此也拿到了相關行業的語料。我們也給很多企業提供運營服務，企業的脫敏資料、跟企業本身商業資訊沒太大關係的資料恰恰是我們感興趣的，因為每一個行業裡的企業都具有相通性，我們通過積累，可以更好的服務該領域。
第三，小i從2016年開始做開放平臺，這個平臺上也有數十萬的開發者在做應用，因此沉澱了很多資料。
最後，我們也會從網路上爬取相關資料。
這些都是我們的資料來源。此外，我們還有一個知識研究院，主要負責知識沉澱和處理工作。
AI科技大本營：您覺得 AI 技術和市場哪個走在前面？
孫欣：剛開始 AI 技術是走在前面，再往後技術在商業成功裡佔的比重就降低了。商業模式將會越來越重要，需要跟業務系統、業務流程、業務屬性結合，服務企業或者政府單位的專署訴求，這才是真正的落地。
不斷拓展的市場邊界
AI科技大本營：小i目前的主營業務是那幾塊？在營收中佔比如何？
孫欣：小i已經為超過千家的大中型企業、政府機關提供服務，業務主要集中在通訊、金融、政務、電商、醫療、製造等行業，最大客戶群來自於銀行。營收 95% 以上來自於軟體及相關服務，硬體在 5% 左右。
AI科技大本營：小i是從什麼時候開始拓展新興業務的？
孫欣：我們並沒有有意往哪個角度去拓展，很多時候需求的誕生既是偶然也是必然的，隨著時間發展階段會逐步出現。最早我們做了運營商業務，後來做銀行業務，因為它的規模、使用者量都是僅次於運營商的。第三階段則是電商平臺，之後就是政府、傳統制造業直至各行各業，這些都是遞次發生的市場需求。我們也是逐步擬合市場往前走。
AI科技大本營：除了現有業務，小i還會向哪些領域拓展？
孫欣：目前小i的業務範圍以智慧客服為基礎，已延伸至智慧城市、智慧金融、智慧醫療、智慧辦公、智慧機器人、智慧硬體、智慧製造八大領域。
小i的整體業務可以這樣看，我們從“服務+營銷”這個大的產業角度出發，做了完整的智慧客服的落地應用，當然這個過程還有不斷深化的路徑。當我們發現往其他的行業或者產業裡有很多新機會出現時，我們也會去擴充套件、去覆蓋。
我們第二個進入的是“智慧金融”領域。因為我們已經做了幾十家的銀行、保險、證券企業客戶，中國前 50 大銀行中 40 多家都是我們的客戶。通過積累，我們發現這些工作可以形成些標準化、體系化的經驗，所以開始嘗試覆蓋“智慧金融”裡的更多業務，並引入了服務、營銷、投資、風控、市場、智慧化展示等一整套的智慧方案。
近幾年國家不斷的有各種各樣的政策指引、頂層設計，來推動“政務先行”或者“政府先行、民用商用墊後”。政府本身的確有服務需求，只不過它的服務不是來自於客戶服務，而是來自於公共服務。我們每個人都會去政府單位辦理相關事務，比如人社局局、工商局、稅務局、民政局等。跟企業相比，政府單位在編制、人員、資訊化各方面的基礎和知識沉澱基礎沒有這麼強，壓力更大。早些年我們覺得政府單位事情難辦，一件事情要跑很多趟，這是技術性條件所限。社會化治理、智慧化民生、智慧化商業、智慧化政務、智慧化黨務等都是政府的訴求，而且從打通城市鏈路的角度來講，它可以形成更大的平臺和產業。
AI 跟傳統企業結合，會產生更大的生命力和能量，所以我們也在提前佈局製造、醫療等傳統產業。今年已經有一些非常傳統的企業，比如像做衛生間潔具以及做抽油煙機的企業，也在考慮引入人工智慧。
產業化發展階段不一樣，有的相對成熟，有的半成熟，有的不成熟。從金字塔尖的客戶，像運營商、銀行這樣規模比較大的企業，往中小企業發展，市場需求是遞次出現的。小i一直在進行產業化佈局，今年我們提出“八大產業”的商業化目標，推動整體發展。
未來，我們也會拓展海外市場。小i已經推出了英文版、繁體版的服務，先落地在港、澳、臺，明年會落地到東南亞。產業化的推進和國際化戰略佈局，這是我們目前正在思考的。
AI科技大本營：2016 年，貴陽市政府與小i機器人簽署國家人工智慧大資料雲服務平臺戰略合作協議，這個專案的效果如何？
孫欣：這個平臺的目的在於發揮貴陽大資料綜合試驗區資料基礎優勢和小i在人工智慧關鍵技術（自然語言處理、深度語義理解、知識表示和推理、語音識別、機器學習和分析決策等）、行業應用積累和人才方面的優勢，通過將平臺的核心能力與貴陽政府治理、民生服務、產業大資料應用和傳統產業智慧升級等深度融合，促進貴陽經濟產業轉型升級。目前，平臺建設已經完成，十幾家政用、民用和商用試點應用已投入使用。
比如群工委的 12345 自流程系統。該系統針對市民、網格員、電話坐席員等人員的報案資訊（支援語音）進行整合與智慧校對，基於報案描述，通過智慧分析，進行語義匹配，在完善的城市工單（11 大類、700 多個小類和近 1000 個子類）分派模型中，將問題自動流轉到負責處理部門進行處理。據介紹，系統上線後，指揮中心的接單能力從原來人工接單近 2000件/天 達到 3000件/天，派單準確率則由 60% 上升到 90%。
還有為工商局打造的人工智慧自助調解平臺。在“智慧調解機器人”的監督下，參與調解的雙方可 7*24 小時 365 天隨時隨地預約登陸平臺，通過文字、語音、圖片、視訊等方式進行調解溝通。
AI科技大本營：除去智慧客服的主業務之外，智慧金融、智慧城市等新興業務的增速如何？
孫欣：從增長速度角度來說，這些新興業務在未來 3 會有高速增長。
我們一直有一個觀點，除了金字塔尖的那些群體和行業之外，AI 能產生更大生命力的恰恰是在非常傳統的產業，甚至像農林牧副漁的產業，比如前端是連線養殖戶，後面連線獸醫，跟前面是使用者後面是客服人員是一樣的道理。
我們今年在青海做無人律師事務所，類似一個單人的裝置空間，人進去之後，像以前的銀行取款機一樣，只不過你面對的是一個律師的平臺，可以跟機器人互動，諮詢法律難題，甚至可以轉接到真實的律師進行視訊互動。它跟客服的形態類似，只不過運用到了不同領域，以及不同的展現形式。
AI科技大本營：目前影象、語音、語義等技術都是小i自己做，有沒有考慮過把核心的留給自己做，其他的通過和其他公司合作來完成？
孫欣：當然，市場太大了，不可能所有環節都由一家公司完成。我們釋出的新一代 Bot 開放平臺也是基於這點去考慮的。但為什麼小i還要自己做研究？因為我們要了解這件事情，如果完全由我們做A，合作伙伴去做B，中間的結合就會有很多問題，這些就必須我們自己先了解。但碰到時間、地空間維度上沒辦法在單位時間內覆蓋的情況時，我們就要藉助生態的力量，通過行業合作伙伴去落地。
目前在國內，包括大陸和港澳臺，小i已經有合作伙伴。在發展海外市場的過程中，我們也會依託海外合作伙伴來落地，目前小i也已經簽署了一些海外合作伙伴。
AI科技大本營：小i機器人想做一個平臺，通過開發者和合作夥伴來壯大這個生態，是這樣嗎？
孫欣：對。關於小i未來的走向：首先，我們要擁有自己的核心能力，然後有相應的標杆應用以及成熟的商業化模式，這些必須我們自己先創造出來；然後，我們要依託上下游產業鏈，以後還會藉助資本的力量，做產業化基金，甚至投資孵化初創團隊，進行商業賦能，發展生態體系；今年，我們還跟一些高校合作成立了小i智慧學堂，未來將面向公眾開放 AI 培訓課程，讓更多人瞭解和掌握相關技能，這也是生態化戰略佈局一部分。
AI科技大本營：小i馬上要釋出新一代的智慧 Bot 平臺，能介紹一下這個平臺的特點和未來發展方向嗎？
孫欣：這個 Bot 平臺主要是為了配合生態發展開放出來的一個開放平臺，這個平臺主要有兩大特點：
第一，它是免費的，主要是面向中小企業、開發者，提供免費的平臺，不但把積累多年的核心技術和資源，以及產品化和工程化的能力開放出來，而且是免費提供，讓小白使用者都可以輕鬆使用，為行業賦能，大家可以在上面合作和探索。
第二，我們在這個平臺上提供各種各樣的能力，平臺具備完整的從人機無縫協作到智慧機器人自學習的使用閉環。在這個閉環中，系統會優先安排智慧機器人執行服務工作，當機器人無法解決時，則會即時轉入人工服務，人工服務完成後，機器人會將成功處理的流程和知識自主學習，獲得成長。只要系統執行，這個閉環就會不斷螺旋上升，機器人的服務效率和準確率就會不斷提高，能力更加全面。
第三，初始階段，我們會開放智慧服務應用，未來還會把智慧營銷、智慧管理、智慧硬體相關的其他企業板塊應用也陸續開放出來，所以是一個長期的發展戰略。
實現盈利的核心競爭力
AI科技大本營：AI 是一個投入非常高的行業，很多公司都沒有實現盈利。AI 商業化這麼難，小i是什麼時候開始盈利的？哪個環節特別關鍵？
孫欣：我們是被逼的。從 MSN 那個年代小i就引入了很多風險投資，包括英特爾、IDG 等。但經歷了網際網路泡沫之後，很多資金離開了，我們意識到聊天機器人必須要有商業模型，有貨幣化和商業化的可能。機緣巧合的情況下，我們進入了企業和政府市場。2008 年，小i把聊天機器人落地到 10086 ，2010 年落地到交通銀行，大家看到原來用機器人做客服能夠產生商業價值，所以進入到了 toB 端的應用。
作為 AI 企業，技術投入、人才投入、研發投入的成本是最高的，當年聊天機器人對很多人來說是比較陌生的一個應用，很多人都不是很理解，他會問這個機器人長什麼樣子？能動嗎？能跑嗎？當年客戶都是這樣的想象。後來我們一直在這個領域堅守，經過 18 年，一直走到現在，把它應用在將近千家客戶裡，以及多達 40 多個行業的商業化場景裡。如果只是某個點的應用或者某個單位的應用，其實很難盈利的，盈利的重要前提是必須在行業內有可複製性。
另外，我們很多應用訴求都是客戶帶動的，他們有各種各樣的需求，根據這些需求，我們會透過底層技術形成一系列專業的解決方案。通過多個領域的專案實施和商業化落地，小i形成了一套很強大的方法論以及實時服務團隊，透過完整的工程化、標準化產品又帶動了解決方案，很容易在企業裡落地，所以我們可以很快實現從客戶諮詢到解決方案上線，在有限的時間內就可以實現盈利。
AI科技大本營：做智慧客服、聊天機器人的國內公司特別多，它們也在強調技術，強調落地，為什麼小i能夠保持高速增長，而且可以實現盈利呢？相比競爭對手，小i的核心競爭力是什麼？
孫欣：我覺得是多種因素組成的：
第一，我們做得比較早，經歷了很多彎路、經驗和教訓，時間上佔據了先機。很多企業還沒有走過這樣的彎路，沒有趟過這樣的坑，這個時間鴻溝是很難跨越的。
第二，我們已經跟很多企業的業務深度繫結，相比那些還在進行技術研究的初創企業，小i現在所處的階段比較靠前一點。
第三，小i不僅做人機互動，還有自己的智慧語音、智慧視覺、資料智慧，提供的是一整套全棧式的人工智慧平臺，我們跟企業、使用者、政府單位做合作，不是某一個點的應用，而是整體化的應用。單純做人機互動或者做聊天機器人的廠商，在那一個點上的應用還沒有做得很好，而我們已經是平臺化的推進了。
人工智慧僅僅處於起步階段，前景廣闊，目前這個階段還談不上有什麼直接的競爭對手。在技術上，小i獨有多輪對話、多意圖、動態載入等深度推理能力，在應用上，小i服務的大中型客戶近千家，有著豐富的實戰經驗和強大的工程化能力。所以綜合多種因素，小i目前很難被複制或者被追趕。
本文為 AI科技大本營原創文章，轉載請聯絡微信 1092722531。
公開課預告
◆
明晚8點
◆
在文字分類領域中的模型和演算法有很多，那如何為你的文字分類問題選擇合適的模型呢？本節公開課通過對比來闡述不同的演算法、模型在實際的應用過程中的區別，以及在文字分類實踐中所遇到的各種坑。
推薦閱讀
點選“閱讀原文”，開啟APP 閱讀更順暢