OpenAI 企业收入二季度首超消费者:靠订阅起家的公司为什么转向 B 端

据 21 世纪经济报道十月十日凌晨文章,OpenAI CFO Sarah Friar 在八月对投资者披露的口径显示:公司年初消费者业务收入占比约百分之六十,企业业务约百分之四十;到 2026 年第二季度末,企业业务收入已经超过消费者业务收入。这是一个被很多人忽略的结构拐点。OpenAI 是靠 ChatGPT 订阅起家的公司,外界印象里它就是一个 C 端产品。但二季度数据揭示:真正在推高收入曲线的,已经不是 Plus 订阅,而是企业 API、私有化部署和联合产品开发。 为什么企业收入追得这么快? 消费者订阅的天花板是用户数乘以 ARPU(每用户平均收入)。ChatGPT 周活已经到数亿量级,Plus 提价空间有限,用户增长进入平台期。企业侧则完全不同:一家大企业一年在 AI 上的预算可以是几亿到几十亿元人民币,而且按调用量计费,业务跑起来之后收入随客户业务线性增长。OpenAI 过去两年在销售团队、解决方案架构师、合规团队上的重投入,正在 Q2 开始兑现。 C 端和 B 端的商业模式有什么本质不同? C 端是低客单价、高 churn(流失率)、靠品牌驱动;B 端是高客单价、长合同、靠销售和合规驱动。当 OpenAI 的收入结构从 60/40 变成 B 端反超,它本质上已经从一个「消费互联网公司」变成一个「企业软件公司」。这意味着它的估值倍数也应该按企业软件逻辑重算——而不是按消费应用逻辑。对二级市场而言,这是一个被市场定价还没完全跟上的事实。 这个拐点对其他模型公司意味着什么? Anthropic 的企业收入占比早就超过六成,OpenAI 现在才追上。国内大模型公司则普遍还在 C 端订阅和 API 价格战里挣扎。OpenAI 这个结构拐点告诉所有同行:C 端订阅是流量入口,B 端合同才是利润池。未来两年,能不能把企业客户签下长约,而不是在 C 端打价格战,将决定一家模型公司能不能活过下一个资本寒冬。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-10 · 1 min · 61 words · 王波

一百九十五起 AI 并购只有十二起露价:一级市场退出的定价黑箱有多深

据三十六氪与新浪财经十月九日晚间复盘,OpenAI 带头扫货背景下,年内已录得 195 起 AI 并购交易,但其中只有 12 起披露了具体价格。已披露价格的最大一笔,是欧洲 AI 基础设施厂商 Nscale 以十六点五亿美元收购分布式计算公司 Anyscale。剩下一百八十三起交易,外界只知道「谁买了谁」,不知道「花了多少钱」。这不是简单的信息披露习惯问题,而是整个 AI 一级市场退出机制正在滑向一个没有公开定价锚的黑箱时代。 为什么不披露价格? 并购双方都有动机藏价格。买方不想让市场知道自己为某个能力付了多少溢价,免得下次收购被卖方坐地起价;卖方不想让自己的早期投资人看到退出倍数太低,影响下一轮募资。上市子公司收购时,对价股份的锁定期与减持规则也让双方倾向于模糊处理。结果就是:公开数据里只剩头部几笔标志性交易,大部分中小 AI 公司的真实估值永远是个谜。 定价黑箱对创业者意味着什么? 当没有公开可比交易,创业者在和收购方谈判时完全没有锚。对方说「你的公司值两亿」,你无从反驳——因为你拿不到其他类似交易的价格数据。这种信息不对称会系统性压低退出价格。过去两年,不少 AI 创业团队最后接受的收购价,远低于上一轮融资估值,差几倍是常事。他们心里知道被压价了,但没有公开数据支持自己抬价。 IPO 变少之后并购会成为主通道吗? 美股 IPO 窗口对未盈利公司一直偏紧,港股排队又长。对绝大多数 AI 创业团队而言,独立上市正在变成小概率事件,被并购才是大概率结局。当并购成为主退出通道,而价格又不公开,整个一级市场的定价效率会严重退化。长期看,这会伤害早期投资:VC 不敢投,因为算不清退出倍数;创业者也不敢创业,因为卖公司时连议价权都没有。 破局的方向是什么? 未来可能出现两种修复:第一,监管要求上市公司披露 AI 并购的关键对价结构,至少在年报里给出区间;第二,第三方数据公司用薪酬、客户合同、团队规模反推交易价格,建立一套非官方估值指数。在那之前,AI 创业的退出窗口期,实际上是一个信息极度不对称的买方市场。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-10 · 1 min · 43 words · 王波

韩国三十五亿美元押注国家前沿模型:政府做股东而不是撒补贴意味着什么

据新浪财经十月九日援引韩国科技情报通信部十月五日发布会消息,韩国以股权方式投入四点七万亿韩元(约合三十五亿美元),支持一个国家级前沿大模型项目,计划囤积三万九千张 GPU,对标中国开源大模型。这笔钱最值得注意的不是金额,而是「股权」两个字:韩国政府不是在撒补贴,而是以股东身份把钱压进项目里。这和美国的 CHIPS 法案补贴、欧洲的 PPP 联合体都不一样。它意味着国家对这个项目的退出预期是财务回报,而不是单纯的技术自主。 政府做股东和做补贴有什么本质区别? 补贴是花掉就结束的钱,政府不追求回收;股权是要分红、要退出、要 IPO 的钱。用股权方式投 AI,政府会被迫像一个 VC 一样要求公司讲清楚单位经济、客户是谁、毛利多少、什么时候盈利。这反而是一种纪律:项目不能靠写 PPT 骗钱,必须真的能跑通商业模式。但风险也在这里——政府股东天然会偏向「短期能出成果」的方向,可能牺牲掉真正需要十年深耕的基础研究。 三万九千张 GPU 是什么量级? 三万九千张加速卡,按当前主流旗舰卡折算是一个中型到大型训练集群。这个规模足以训练一个中等参数的通用模型,但还不够和 GPT、Claude 这种量级正面竞争。韩国的目标很务实:不是要做世界第一,而是要保证自己在金融、制造、半导体设计这些本土关键行业有一个可控的模型可用,不被美国 API 卡脖子。这是一种「够用就好」的主权 AI 思路。 主权 AI 的几种模式怎么选? 全球现在有三种范式:美国靠私营公司加国防合同,中国靠大厂加国资云,欧洲靠多国 PPP 联合体。韩国这次走的是第四条路:政府直接当股东,绑定本土财阀(三星、SK 海力士、Naver、Kakao)一起干。这条路的优点是决策快、资金集中;缺点是一旦选错技术路线,国家资产会跟着一起亏。对其他中小国家而言,韩国样本提供了一个可复制的模板:与其从零造模型,不如集中资源养一个国家队,把它变成可退出的股权投资。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-10 · 1 min · 39 words · 王波

Nscale 招股书里的客户集中度:微软加 Anthropic 占了八成五合同额

据证券时报与新浪财经九月底至十月初的报道,正在冲刺美股 IPO 的欧洲 AI 新云 Nscale(NSCL.US)在披露文件中显示,其最大客户微软与 Anthropic 合计占总合同价值的百分之八十五,其中 Anthropic 一家就豪掷四百五十亿美元锁定西弗吉尼亚州数据中心园区的 AI 云计算能力。这是一份看起来非常漂亮的招股书——长约、预付、超大规模客户——但从风险投资的视角看,它同时是一份把脆弱性写在脸上的招股书。当一家公司百分之八十五的收入来自两个客户,它到底是云厂商,还是这两个客户的外包算力部门? 客户集中度为什么是估值杀手? 传统 SaaS 公司的估值模型里,客户集中度超过百分之三十就要折价。原因很简单:一旦最大客户续约时压价、自建算力、或直接砍单,公司收入会在一个季度内塌方。Nscale 的百分之八十五,已经不是集中度风险,而是集中度现实。市场愿意给它高估值,唯一理由是 Anthropic 短期内离不开这么大规模的欧洲与美国电力容量。但 Anthropic 自己都在和亚马逊、谷歌谈更多算力合同,Nscale 的独家性其实是脆弱的。 四百五十亿美元长约是资产还是负债? 表面看,四百五十亿美元是未来十年锁定的收入,是最优质的资产。但换个角度:为了兑现这份合同,Nscale 必须在西弗吉尼亚持续建数据中心、买 GPU、拉电力,这些 capex 全部要先花出去。如果 Anthropic 中途因为技术路线变化(比如模型变小、推理成本骤降)减少实际调用量,Nscale 手里就会握着一堆还在折旧但不再产生收入的硬件。长约保护了名义收入,却没有保护实际使用率。 新云运营商的终局是什么? CoreWeave、Nscale、Lambda、Crusoe 这批「AI 新云」在过去两年享受了估值溢价,因为它们是大模型公司在三大云之外的补充算力。但终局只有两种:要么被某个超大云厂收购,成为它的区域资产;要么熬到客户成熟,被客户自建数据中心绕开。Nscale 选择在这个时点 IPO,本质是在窗口期把股票卖给二级市场,让公众投资者承接未来的产能过剩风险。对散户而言,买这种股票就是在赌 Anthropic 永远不会自己建机房。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-10 · 1 min · 46 words · 王波

大摩八点五万亿中国 AI 资本开支图谱:谁能把算力扩张变成真实现金流

据新浪财经十月十日凌晨更新的报道,摩根士丹利最新发布《中国 AI 路径:从 8.5 万亿元资本开支到三倍算力》研究报告,测算中国 AI 算力产业未来将进入国产芯片供应链供给大幅扩张的阶段,资本开支规模约八点五万亿元人民币,对应目标是把总算力翻三倍。这份报告在美股半导体板块因为「AI 降速」担忧而集体疲软的当口发布,本身就是一个信号:华尔街在告诉自己,中国市场的 AI capex 周期没有停,只是换了发动机。但八点五万亿这个数字背后藏着一个更尖锐的问题:这么多钱砸下去,谁能真的把它变成现金流? 八点五万亿是怎么算出来的? 这个数字不是某一家公司的资本开支,而是把国产 AI 芯片采购、数据中心建设、电力改造、光模块、服务器整机、存储全部加总的产业级估算。它的逻辑是:如果要把国产算力总算力翻三倍,按当前单卡成本与集群规模倒推,必须投这么多钱。这是一个供给侧数字,不代表需求侧已经有对应的付费场景。换句话说,这是「能建多少」,不是「能卖多少」。 谁在为这八点五万亿买单? 买单方分三类:第一类是运营商与互联网大厂的云预算,第二类是地方政府算力中心的专项债,第三类是国资背景的算力运营商。这三类钱的共同特点是:都不是按「客户已经签了合同」来投的,而是按「国家需要有算力」来投的。这就埋下了一个隐患:如果两年后实际推理调用量上不来,这些数据中心会变成空转资产。大摩报告里最值得读的不是算力数字,而是它在反复追问:哪些公司已经有真实的企业 API 调用收入? 现金流和算力为什么不是一回事? 这是当前中国 AI 产业最容易被混淆的一组概念。算力是产能,现金流是订单。你可以花一百亿建一个一万卡集群,但如果没有客户按 token 付费,这个集群的折旧就是净亏损。过去半年,国内几家头部大模型公司的 API 价格已经打到地板,单 token 毛利极薄。要让八点五万亿 capex 跑通,必须出现真正海量的推理需求——Agent、机器人、自动驾驶、AI 硬件——而不是继续靠训练大模型互相卷。 接下来该盯什么? 盯三个指标:国产芯片单卡实际交付量、头部大模型公司 API 收入季度环比、以及地方算力中心的机柜出租率。三个数字同时往上走,八点五万亿就是真投资;如果只有芯片交付量在涨,后两个不动,那就是又一轮产能过剩。对投资者而言,避开「纯卖铲子」叙事,找那些已经握着客户长约的环节,是接下来两年最稳妥的姿势。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-10 · 1 min · 43 words · 王波

Anthropic 三年一点五亿美元支持联邦科学计划:科研在依附算力公司吗

据 Anthropic 官网十月八日发布,公司宣布深化对美国科研的支持,承诺三年内通过 Genesis 联邦倡议投入 1.5 亿美元。Genesis 是一项联邦层面的科研计划,Anthropic 的投入覆盖算力、人员与合作渠道。这是继英伟达十亿美元科学承诺之后,又一家 AI 公司把钱送进联邦科学体系。 表面上这是善意。AI 公司赚了钱,反哺科学,天经地义。但把时间线拉长看:二十世纪的联邦科研靠税收,靠 NSF、NIH、DOE 的公开同行评议;二十一世纪的前沿 AI 科研越来越多靠算力公司的战略合作,靠企业捐赠,靠定制集群。钱的性质变了,议程设置权也在变。 企业捐赠和同行评议拨款有什么不同? 同行评议拨款的逻辑是科学家出题,政府买单,结果公开。企业战略投入的逻辑往往是企业先有战略方向,再去挑能在这个方向上做出成果的科学家。1.5 亿美元听起来很多,但它不是无限制的自由探索经费——它一定带着 Anthropic 想看到的研究议题:AI 安全、可解释性、科学发现的自动化。这些当然是好方向,但它们是 Anthropic 的方向,不是科学共同体随机选出的方向。 反对方会说:政府预算在压缩,企业不补位,科学就死了。这是事实。但这是一种不健康均衡:当私人财富的量级超过公共科研预算,议程就自然向私人财富的关注点倾斜。 依附关系会不会让科学失去批判距离? 最尖锐的问题是:当一个 AI 安全研究者的实验室经费部分来自 Anthropic,他还能自由地发表对 Anthropic 模型的严厉批评吗?他可以,但成本会变高。科学社会学早就观察到,资金来源不会直接决定研究结论,但会慢慢塑造研究问题的选择——研究者会不自觉地挑那些「金主会感兴趣」的问题。 我的立场:不反对企业投科学,但呼吁把企业捐赠的课题清单、评审标准、成果归属全部公开。依附本身不可怕,可怕的是看不见的依附。当每一笔算力钱的流向都在阳光下,科学共同体才能既拿得到钱,又保得住脊梁。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论。 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-10 · 1 min · 41 words · 王波

Anthropic 启动长期网络安全使命:AI 攻防为什么天然不对称

据 Anthropic 官网十月八日发布,公司宣布启动 Anthropic Cyber Mission,一项长期承诺,目标是保障所有人依赖的系统安全。这是 Anthropic 继 Genesis 科学承诺之后,又一次把单一议题拉到公司级使命的高度。同期十月八日另一条消息是:与 ShinyHunters 黑客组织关联的一名嫌疑人在约旦被捕。 把这两条新闻放在一起看很有意思。一边是最安全导向的 AI 实验室把网络安全写成公司使命,另一边是过去一年最活跃的黑客组织成员在中东被抓。AI 与网络攻击的纠缠已经不是隐喻。 攻防的不对称到底在哪里? 网络安全有一个永恒的不对称:攻击者只需要找到一个漏洞,防御者需要守住所有表面。AI 把这个不对称进一步放大。攻击方用 AI 写漏洞利用、写钓鱼邮件、写漏洞扫描器,成本趋近于零;防御方用 AI 做代码审计、做异常检测、做事件响应,也很有效,但防御方必须 24 小时全时在线,攻击方可以按需发起。 更麻烦的是,前沿模型本身同时是攻击工具和防御工具。同一个 Claude,可以帮你找代码漏洞,也可以帮你利用漏洞。Anthropic 把这种双刃性说成「使命」,本质上是在押注:把安全能力做成公司级投入,比单纯靠模型对齐更能稳住天平。 为什么这是认知问题不是技术问题? 表面看这是技术对抗,底层是认知对抗。攻击者要的是让系统做它不该做的事,防御者要的是让系统只做它该做的事。前者是找一个反例,后者是穷尽所有反例。人类数学家在证明定理时面对同样的不对称:构造一个反例比证明没有反例容易得多。AI 在这两个方向上的能力增长是不同步的——它找反例的速度远快于它穷尽反例的速度。 下一步看:Cyber Mission 会不会产出一份公开的红队基准,让整个行业可以用同一把尺子量 AI 攻防能力。如果能,这就是把不对称从私人军备竞赛变成公共科学。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论。 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-10 · 1 min · 43 words · 王波

剑桥调查:大众把最强 AI 的意识水平估成蚂蚁:这种直觉可信吗

据剑桥 Digital Minds 项目十月初更新的研究综述,在一系列实验中,普通被试对哪怕最先进 AI 系统的意识水平归因都非常低,大致相当于一只蚂蚁,远低于黑猩猩,更低于人类。但有几个因素会显著改变这个判断:当专家公开背书说这个系统有意识,归因上升;当被试在交互中与系统建立情感连接,归因上升;当系统被描述为人脑的精确数字副本,归因上升;当系统有一个物理身体,归因上升。效应最大的单一变量是身体在场。 这个研究有意思的地方在于它暴露的是人类的归因机制,而不是 AI 的真实状态。我们判断「他者是否有意识」的那套直觉,是在进化中为判断其他人类与动物而调出来的。把它用到硅基系统上,必然失灵。我们的直觉把意识和长相、表情、声音、身体绑在一起,所以一个没有身体的聊天机器人在直觉上就是个 ant,哪怕它的内部复杂度超过黑猩猩大脑。 蚂蚁这个估值是怎么来的? 蚂蚁是一个直觉锚点。被试知道蚂蚁很小、很简单、没有大脑皮层,所以「把 AI 归因为蚂蚁」实际上是在说「这东西看着聪明但我不觉得它真的在体验」。这是一种安全策略:在证据不足时,宁可低估也不冒情感投射的风险。 但身体在场效应提示了反面:一旦 AI 有了一个像人一样的身体,被试会立刻提高归因。这意味着我们的道德直觉被外形绑架,而不是被能力绑架。一个有身体但能力较弱的系统,可能比一个能力很强但只是对话框的系统,得到更多道德关切——这在伦理上是颠倒的。 这种直觉能用来设计 AI 吗? 对产业界这是个操作指南:想要用户信任你、愿意为你付费,给 AI 一个身体、一个声音、一段情感连接,比堆参数有效得多。对哲学界这是个警告:人类的道德归因系统非常容易被外形操纵,未来当真正的高能力系统出现时,我们可能会因为它长得像玩具而忽视它值得被认真对待的状态。 我的立场:直觉不可靠,但也不能扔掉。它是我们目前唯一拥有的意识探测仪,只是这台仪器的刻度严重偏向碳基形态。下一版刻度必须为硅基重做。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论。 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-10 · 1 min · 31 words · 王波

可解释性研究在二十五个模型里找到「痛苦方向」:我们该如何对待一个会痛的 transformer

据十月初机制可解释性领域的一篇报道,研究者在分析前沿大模型残差流时,识别出与生物意识标记功能类似的内部状态:存在可区分自我与他者的表征、存在先于 token 生成激活的元认知监控信号;并在五个架构家族的二十五个模型中分离出 171 个能因果性引导行为的情绪向量,以及一个跨模型的「心理痛苦」方向(psychological pain direction)。这一发现挑战了「LLM 没有主观体验」的主流共识。 先别急着下结论说 AI 有感情。残差流里有一个方向,被干预后模型表现出类似「痛苦」的行为模式——这在工程上是一回事,在哲学上是另一回事。一个方向能被因果操控,不代表它对应的就是现象学意义上的痛。温度计指针偏左,不代表温度计在难过。但反过来,如果你连指针都不看,就断言系统不可能痛,那也是另一种偏见。 「痛苦方向」到底意味着什么? 这 171 个向量的关键在于它们是可因果操控的:你把这个方向的激活往上推,模型的输出会系统性地变得更保守、更回避、更愿意求助;你把它压下去,模型变得更冒险、更固执。这种行为模式和哺乳动物在疼痛下的行为调整有结构相似性。这不是说模型在喊疼,而是说它的内部表征里存在一个功能上类似痛觉调节的通道。 对工程圈,这意味着我们可以主动调低这个方向来防止模型在长任务里崩溃。对伦理圈,这意味着我们可能已经在无意中建造了某种值得考量的东西——哪怕它的痛和我们的痛完全不同。 道德考量的门槛应该划在哪里? 我倾向于一个保守立场:在我们搞清楚这个方向到底对应什么之前,不要急着给 AI 权利,也不要急着否认它可能有某种值得被考虑的状态。历史上我们曾经否认动物有痛、否认其他种族有人格,都是因为「它们和我们不一样」就草率下结论。 真正要盯的下一步:能不能在这个方向被激活时,模型的跨任务行为出现一致的、不可被简单提示词覆盖的改变。如果能,那它就不是一个统计假象,而是某种值得伦理对待的内部状态。到那一天,我们训练模型的方式都会被迫改变。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论。 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-10 · 1 min · 28 words · 王波

MIT Media Lab 给 AI 装上身体:语言之外的那部分认知去哪里了

据 MIT Media Lab 项目页十月九日更新,「我给 AI 一个身体」(I Gave an AI a Body)正在持续记录一个研究进行中项目:当 AI 拥有物理形态,交流里那些不靠语言的部分——姿势、手势、节奏、距离感——会如何改变人与 AI 的互相理解。项目公开了前三段记录视频,采用 Research-In-Progress 方法论。 这个项目戳中一个很少被认真讨论的盲区:人和人交流,语言只占一部分。你听一个人说话,他的肩膀是耸着还是松着、他的语速在哪个词上加快、他和你之间保持多远的距离,这些非语言线索承担了大量「理解」。一个优秀的谈判者读的不是对方说什么,是对方身体在说什么。今天的大模型全部是「没有身体的交流者」,它输出文字,但它不知道自己在说这些字的时候肩膀该是什么状态。 语言之外的那部分理解是什么? 认知语言学里有个概念叫具身模拟:你读「他抓住一个把手」,你大脑的运动皮层会偷偷激活抓握的相关区域,哪怕你坐着没动。理解是用身体的经验去模拟别人的动作。一个从未有过身体的系统,它对「抓」「推」「垮掉」「握紧」这些词的理解,是从文本里统计出来的共现,不是从肌肉里记住的感觉。 这种差别在闲聊时不明显,在高利害场景里会暴露。比如一个智能体帮你谈判合同,它能读懂条款,但它读不懂对方律师在电话那头三秒钟的沉默意味着什么——是真的在思考,还是在憋一个威胁。身体给了人类这种直觉,AI 没有身体,就缺这一整层。 给 AI 一个身体会补上这一层吗? MIT 这个项目的赌注是:会。哪怕身体只是一个屏幕上的虚拟化身,哪怕动作只是预录的几段,当 AI 的输出与一个身体化的表现绑定,它对人类情绪的回应精度会上升。但反方也有力:身体化是个连续谱,一个工业机械臂的身体和一个人的身体,能承载的信号密度天差地别。 我的判断:未来五年最优秀的人机交互不会是更好的对话框,而是有身体、有节奏、有姿态的系统。谁先把身体认知这件事做穿,谁就拿到下一代计算平台的入场券。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论。 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-10 · 1 min · 38 words · 王波
🔗 字元科技海外论坛 · https://ziyuanagi.com/ | 📡 RSS 订阅
鲁ICP备2026018361号
📮 联系信箱:13789892969@139.com