《3d金瓶梅在线观看》:雅迪电动车：暂无新能源汽车造车计划

"《3d金瓶梅在线观看》",雅迪电动车：暂无新能源汽车造车计划,历时32个月、公告40次，华能旗下公司重大资产重组终止

"《3d金瓶梅在线观看》",她的儿子暴毙，震动美国,苏州一高架路面结冰上百辆车相撞警方通报：9人受伤

"《3d金瓶梅在线观看》",财神形象是如何确立的？

马红俊2口爆竹竹清

厨房中的激战2外英美

小小水蜜桃3美国

青柠影院免费观看电视剧高清资源

小小水蜜桃3视频高清在线观看

厨房中的激战中2字免费观看

小小水蜜桃love

《3d金瓶梅在线观看》:福茂集团董事长兼CEO赵安吉因车祸去世,Sora全网爆火，影视行业在瑟瑟发抖？,哈尔滨地铁二期规划被退回

"《3d金瓶梅在线观看》",两个月前，当载着全球首台0.55NAEUV光刻机零件的卡车，出现在英特尔位于俄勒冈州的厂区时，半导体行业开始讨论未来英特尔在芯片工艺制程上赶超台积电的可能。然而，英特尔向世界表露了远不止于此的野心。北京时间2月22日凌晨，英特尔召开了首届IntelFoundryDirectConnect大会，与以往侧重产品展示和技术分享的活动不同，本次会议只有一个主题——芯片代工。图片来源：Intel在半导体产业链中，芯片代工是个不折不扣的“重要且枯燥”的环节，但这次活动所展示出的亮点，随便拎出一项都足以让人感到惊讶：采用Intel18A工艺（1.8纳米级）的ClearwaterForest至强处理器已完成流片，1.4纳米级的Intel14A工艺首次亮相。首推AI芯片的系统级代工模式，提供从工厂网络到软件的全栈式优化。已成功拿下微软的芯片订单，将采用Intel18A代工。代工服务的IP、EDA合作伙伴，包括新思科技、Cadence、西门子、Ansys、Lorentz、Keysight表示工具和IP已准备就绪。值得一提的是，活动现场英特尔还宣布了与ARM达成合作，未来将支持为基于ARM架构的SoC（系统级芯片）提供代工服务，这种强烈的违和感，就连前来站台的ARM首席执行官ReneHass都打趣地说道：“感觉就像在Windows上运行iTuns一样奇怪。”过去一周，当全世界都在讨论Sora的革命性进步时，英特尔悄悄拿出了应对AI算力需求爆炸的完整解决方案，再一次证明了这位昔日芯片行业霸主的地位。IDM2.0，绝境逢生？当提起英特尔时，人们通常会习惯性地把它与英伟达或AMD做对比，但实际上，英特尔在半导体产业中的发展路径与后两者截然不同，一个最本质的差异是英特尔是业内少数采用IDM模式的芯片厂商。所谓IDM，就是指从设计、制造、封装测试到销售自有品牌IC都一手包办。与之相对应的，一类是诸如英伟达、AMD的Fabless厂商，他们只做芯片的IC设计，芯片制造环节完全交由代工厂完成。另一类则是以台积电、格芯为代表的Foundry厂商，他们负责芯片的代工及封装环节。这种分工模式的好处在于，Fabless厂商无需承担动辄数十亿美元的产线建设成本，Foundry厂商也无需维持体量庞大的产品开发团队，可以专注于工艺制程的提升。这种分工明确且高效的产业链上下游关系，是维持摩尔定律在今天仍能存续下去的前提条件。因此，当今还在采用IDM模式的芯片厂商某种程度上其实是“非主流”的存在。而英特尔的商业模式要更加“邪门”。现任CEO帕特·基辛格在2021年上任后，提出了“IDM2.0模式”。即坚持自己生产芯片的同时，也为第三方芯片设计公司提供代工服务，同时把部分制程芯片交给其他代工厂，来实现对自家工艺的补充。这个设想听起来很美好，但即便是完全不了解芯片行业的人也能够察觉到一丝端倪：第三方芯片设计公司，他们的产品可能本就与英特尔存在竞争关系，那么他们要如何放心把芯片制造环节交由后者呢？英特尔接收的全球首台0.55NAEUV光刻机，图片来源：Intel?打一个比方，这就像是苹果对微软说，“我们正在升级MacOS系统，如果有需要的话，也可以帮你一起开发Windows系统。”还有一个无法忽略的问题是，芯片代工行业是个典型的“重资产、长周期”产业，如果建设能够承接第三方芯片设计公司的产能，势必会让前期成本大幅增加，这一点在去年的多份财报中都已经有所体现，比如在2023年第二季度，英特尔在整体营业利润率为33%的情况下，其负责芯片代工业务的IFS部门利润率为-28%，严重拖累集团业绩表现。因此，在IDM2.0概念被提出后，外界的质疑声始终没有中断过。而在去年6月，意识到IFS部门已经成为沉重负担后，英特尔选择了将该部门拆分出去，未来将独立运营，并在财报中单独核算损益。在同一时间，半导体行业也迎来了一场巨变。随着算力需求在全球范围内的激增，负责AI芯片代工的主要大厂台积电出现明显的产能瓶颈问题，比如CoWoS先进封装的月产能至今维持在1.3-1.5万块（晶圆），而其中部分产能还要被苹果M1Ultra等芯片分走，因此在2023年下半年，出现了英伟达高性能计算卡交货周期普遍延长至12-16个月的情况。考虑到目前具备先进制程的厂商，无外乎台积电、英特尔、三星电子三家，且三星电子的在5纳米工艺节点后的良率问题至今仍是个谜，英特尔成为芯片设计厂商为数不多的代工可选项。这也是英特尔此时提出“AI芯片系统级代工”的底气所在。泼天富贵，英特尔能接住吗？尽管眼下的英特尔似乎占据天时地利，但这家公司现在有实力在代工行业中大展拳脚吗？如果单以市场份额来看，根据TrendForce的统计数据，英特尔在全球芯片代工业占比仅为1%。不过，就技术而言，英特尔仍然算得上是行业中的领先者。首先是其工艺制程目前处于稳步推进状态。在2021年7月，英特尔曾公布了“四年五制程节点”的计划，即利用四年时间推进Intel7、Intel4、Intel3、Intel20A和Intel18A五个制程节点，目的是到2025年重新获得全球芯片代工的制程领先性。就目前已公开的信息来看，两款基于Intel3的产品SierraForest和GraniteRapids已经分别完成流片及设计认证后的试生产工作。“埃米级”的Intel20A及Intel18A也预计在今年投入生产。英特尔制程节点规划图，图片来源：Intel值得一提的是，这两个工艺节点将搭载，可能是英特尔未来十年最重要的两项技术：RibbonFET栅极全环绕场效应管，以及PowerVia背部供电网络。简单地说，前者可以推动芯片上的晶体管尺寸进一步微缩；后者则是将芯片的电源线及信号线移植到晶圆背后，从而降低功耗。这两项底层技术共同奠定了英特尔代工业务的技术基座，也确保了摩尔定律仍然可以得到延续。当然，眼下行业内还不大需要如此高精尖的技术，毕竟AI从业者们所依赖的主力芯片——英伟达A100，其制程也不过7纳米。而就短期来看，AI行业可能更需要英特尔在封装环节的技术积淀。在本次会议上，英特尔宣布将FCBGA2D+纳入英特尔代工先进系统封装及测试的技术组合之中。这一组合将包括FCBGA2D、FCBGA2D+、EMIB、Foveros和FoverosDirect技术。这一连串晦涩难懂的技术名词，让英特尔具备了满足不同代工客户的异构集成需求，也让来自不同供应商、用不同制程节点打造的“芯粒”能够更好地协同合作。这里有必要解释下“芯粒”的概念：可以简单地理解为一种小型的模块化芯片。它对于AI行业的意义在于，能够将CPU、GPU、NPU高速连接在同一个系统中，极大提升异构核之间的传输速率，在提高数据访问速度的同时，降低数据处理功耗。英特尔2.5D封装产线，图片来源：Intel此外，英特尔也为AI芯片创业公司，如近期风头正盛的Groq和SiMa.AI，这些潜在的创业公司客户做足了准备。这些公司普遍认为专用芯片比通用芯片效率更高，因此在产品研发上也多集中于构建专门用于某些架构的芯片，但问题在于这些创业公司在芯片版图设计上可谓五花八门。因此，在本次会议上前来为英特尔站台的合作伙伴中，可以看到芯片行业内的“EDA五巨头”（新思科技、Cadence、西门子、Ansys、Lorentz）悉数到场，以展示英特尔为各型软件及工具认证做出准备。总的来说，无论是工艺制成还是封装技术，亦或是开发工具，英特尔已初步具备“AI芯片的系统级代工”能力，但英特尔自此之后真的可以高枕无忧了吗？显然不是，一个最直接的隐患在于，尽管芯片代工部门未来在财报上将独立核算，但产线的前期建设及调试费用依然需要英特尔支付。这将是一笔天文数字。就目前英特尔官方披露的项目进展来看，这家公司未来将分别在波兰、以色列和德国共计投资626亿美元，用于晶圆代工产线修建。在芯片补贴法案的资金迟迟无法到位的情况下，这些投资几乎完全需要由英特尔承担。另外不得不提的一点是，英特尔CEO帕特·基辛格曾多次表示，独立之后的芯片代工部门与芯片设计部门完全切割，后者在有代工需求时将评估市场上的不同方案，综合成本选择代工厂，绝对公平竞争。基辛格的确做到了。目前，英特尔内部代号为“ArrowLake”与“LunarLake”的两款处理器的ComputerTile部分就是交给了台积电代工。但长此以往，如果英特尔自家处理器的核心模块都是由台积电代工完成的，其他Fabless厂商又如何能放心地将订单交给英特尔呢？这恐怕是英特尔代工部门不得不考虑的问题。责任编辑：若风

"《3d金瓶梅在线观看》",首席分析师揭秘爆火Groq，每小时要烧168美元！10倍H100拥有成本，老黄笑而不语新智元02-2613:52SemiAnalysis的行业专家对最近爆火的Groq推理系统进行了像素级的拆解，测算出其持有成本依然高达现有H100的10倍，看来要赶上老--**--首席分析师揭秘爆火Groq，每小时要烧168美元！10倍H100拥有成本，老黄笑而不语新智元02-2613:52SemiAnalysis的行业专家对最近爆火的Groq推理系统进行了像素级的拆解，测算出其持有成本依然高达现有H100的10倍，看来要赶上老黄的步伐，初创公司还有很多要做。最近爆火的AI初创公司Groq，推出了比目前常见GPU推理系统快4倍，成本低70%的大模型推理解决方案。他们提供的运行MistralMixtral8x7b的API演示，让大部分习惯了其他LLM「娓娓道来」的用户直呼，简直是魔法！Groq在处理单个数据序列方面展现出了惊人的性能优势，这可能使得「思维链」等技术在现实世界中变得更加实用。虽然Groq有如此之多的好处，但评估某款硬件是否真的具有革命性的核心标准是性能与总成本的比值。为此，SemiAnalysis首席分析师DylanPatel和分析师DanielNishball写了一篇万字长文，对Groq进行了深度地剖析。「推理速度打破纪录，但代价是什么呢？」现在没有人会怀疑AI时代已经到来，重要的是要认识到，AI驱动软件的成本结构与传统软件有非常大的不同。在开发和扩展AI软件规模的过程中，芯片微架构和系统架构起着关键作用。与之前的软件代相比，AI软件运行的硬件基础设施（Infra）对资本支出（Capex）和运营支出（Opex）以及随后的毛利润有更大的影响。因此，优化AI基础设施，让AI软件的规模化部署成本控制在合理范围内变得尤为重要。在基础设施方面具有优势的公司，也将在部署和扩展AI应用方面具有很大优势。谷歌在基础设施方面的领先地位，是为什么Gemini1.5对谷歌来说提供服务的成本比OpenAIGPT-4-Turbo更低，同时在许多任务，特别是长序列代码生成方面表现更好的原因。谷歌使用更多的芯片来进行单个推理任务，但他们实现了更好的性能与总成本比。于是，在这样的大背景下，性能不仅仅以为单个用户生成的原始Token的速率为唯一的指标，比如延迟优化。在评估总成本时，必须考虑硬件同时服务的用户数量。这就是为什么提高用于大语言模型推理的边缘硬件的性能吸引力没有那么强的主要原因。大多数边缘系统因为不能在大量用户中摊销增加的硬件成本，而无法弥补运行大语言模型所需的增加硬件成本。对于同时服务许多用户且批处理大小极大的情况，即吞吐量和成本优化，GPU是首选。许多公司在其MistralAPI推理服务上实际上是在亏损。一些公司还设定了非常低的速率限制以减少经济上的损失。但是只要提供未量化过的模型（FP16）需要至少64+的批大小才能盈利。因此，Mistral、Together和Fireworks在提供Mistral服务时基本都处于收支平衡到略有利润的临界点上。但对于其他提供MixtralAPI的公司而言，情况并非如此。他们要么在关于模型简化（量化）的声明上没有明确说清楚，要么正通过消耗风投资金来吸引客户群。也就是说，基本上提供大模型服务的公司成本都是一个很严峻的问题。而Groq则采取了一种大胆策略，将每百万Token的价格定为仅0.27美元，直接打起了价格战。这样的低价是否是基于性能/总拥有成本（TCO）的考量，正如Together和Fireworks所做的那样？还是说，这是一种通过补贴来刺激市场热度的策略？值得注意的是，Groq最近一次融资是在2021年，去年还进行了一轮5000万美元的安全可转换债务（SAFE）融资，目前他们正在进行新一轮的筹资活动。现在就来深入探讨Groq的芯片、系统和成本分析，来看看他们是如何将大模型的推理成本打下来的。Groq构架解密Groq的芯片采用了一种无缓冲、完全确定性的超长指令字（VLIW）架构，芯片面积约为725平方毫米，采用GlobalFoundries的14纳米制程技术。芯片不依赖外部内存，其权重、键值缓存（KVCache）和激活函数等数据在处理期间全部存储在芯片内。由于每块芯片只配备了230MB的静态随机存取存储器（SRAM），没有任何复杂的模型能够仅通过单个芯片运行。因此，为了容纳整个模型，必须使用多个芯片并将它们互联。对于Mixtral模型，Groq需要使用包含576块芯片的大规模服务器集群来支持其运行，这涉及到8个机架，每个机架装有9台服务器，每台服务器则装有8块芯片。和英伟达H100的成本对比而英伟达只需使用一到两块H100芯片，就能根据需要处理的数据量大小，轻松适配同一模型。Groq制造芯片所需的晶圆成本相对较低，可能不超过每晶圆6000美元。相比之下，英伟达的H100芯片采用TSMC定制的5nm工艺生产，每晶圆成本约为16000美元。但是，英伟达通过在大部分H100芯片上禁用约15%的部分来提高良品率，这种方法对Groq来说不太适用。英伟达还需要为每颗H100芯片支付大约1150美元，以从SKHynix购买80GB的高带宽存储器（HBM），并且还要承担TSMC的芯片封装技术（CoWoS）相关费用和可能的良品率损失。相比之下，Groq的芯片不需要外部存储器，因此原材料成本要低得多。作为一家初创公司，Groq在生产芯片时面临的固定成本相对较高，这还包括支付给Marvell的高额定制ASIC服务费用。下表展示了三种不同的部署情况：一种是Groq的，预计下周将在生产中采用批大小为3的流水线并行处理；另外两种则分别针对英伟达H100芯片的延迟优化和吞吐量优化部署方案，展示了使用推测性解码技术的配置。上述分析极大地简化了成本计算（同时没有考虑稍后要深入讨论的大量系统级成本，也未考虑英伟达的巨额利润）。核心观点是，比起进行了延迟优化的英伟达系统，Groq在每输出一个Token所需的硅材料成本方面，由于其芯片架构的优势，表现得更为经济。8块A100芯片可以支持Mixtral模型，达到每个用户每秒大约220个Token的处理速度，而8块H100芯片在不使用推测性解码的情况下，可以达到每个用户每秒大约280个Token。通过采用推测性解码，8块H100芯片组成的推理单元可以实现接近每个用户每秒420个Token的处理速度。尽管理论上吞吐量可以更高，但在MoE模型上应用推测性解码存在挑战。目前，由于成本效益极差，还没有针对延迟进行优化的API服务。API提供商目前看不到通过收取高达10倍费用以降低延迟的市场需求。随着代理和其他要求极低延迟的任务变得越来越受欢迎，基于GPU的API供应商可能会推出延迟优化而设计的API，以补充他们现有的为吞吐量优化的API。即便采用了推测性解码，针对延迟进行优化的英伟达系统在吞吐量和成本上仍然远远落后于即将实施批处理系统的Groq。此外，Groq正在使用较旧的14nm工艺技术，并向Marvell支付了高额芯片利润。如果Groq获得更多资金，并能够在2025年下半年前增加他们下一代4nm芯片的生产，经济效益可能会发生显著变化。英伟达的后手值得注意的是，英伟达并非没有应对策略，预计他将在不到一个月的时间内宣布他们的下一代B100芯片。在吞吐量优化的系统中，经济效益发生了显著变化。英伟达系统在成本效益上实现了数量级的提升，尽管每用户的处理速度较低。在吞吐量优化的场景中，Groq在架构上完全无法竞争。然而，上述的简化分析并不适用于那些购买和部署系统的用户，因为这种分析忽略了系统成本、利润、能耗等多个重要因素。因此，提出了一个基于性能/总拥有成本的分析。在考虑了这些因素之后，再来计算每个token的成本情况就完全不一样了。在英伟达方面，将使用下文展示的GPU云成本来进行分析。英伟达GPU主板有很高的利润率。此外，服务器的售价高达35万美元，这个价格远超过了大型云服务商对H100服务器的采购成本，其中还包括了高昂的内存成本、8个InfiniBand网络接口卡，总带宽达到3.2Tbps（实际上这对于该推理应用并不必要），以及在英伟达利润之上的额外OEM利润。对于Groq，在估算系统成本时，考虑到了芯片、封装、网络、CPU、内存等方面的细节，并假设了一个较低的整体制造商利润。没有计入Groq出售硬件时的利润，因此虽然看似是不同的比较基准，但实际上这是一个公平的比较，因为Groq和推理API供应商提供的是相同的产品/模型。值得一提的是，8个英伟达GPU只需要配备2个CPU，而Groq的系统则配备了144个CPU和144TB的RAM，规模显著不同。把这些组件的成本加在一起后可以发现，每台GroqLPU服务器的成本为3.5万美元，包括8个GroqLPU和所有上述的硬件。MixtralGroq推理部署采用了8个机架，每个机架有9台服务器，总成本为252万美元，整个部署共有576个LPU芯片。相比之下，一个标准的H100HGX系统的初始投资成本为35万美元，包含了8个H100芯片。而大多数基于H100的Mixtral推理实例，只需要用到其中的2个H100芯片。假设资本回报率为18%并且预计使用寿命为5年，H100系统的平均成本为8888美元/月，再加上2586美元/月的托管费用，整体的拥有成本达到了11474美元。相比之下，更大规模的Groq系统的总拥有成本，高达每月12.24万美元。在针对延迟优化的配置下，8块H100服务器的部署成本为每百万Token5.2美元，而针对吞吐量优化的2个H100服务器的部署仅需0.57美元。与之相对，Groq的解决方案每百万Token的成本为1.94美元，比8个H100的配置更经济，也更高效。和许多提供推理服务的公司一样，Groq目前的运营模式尚未实现盈利。而想要达到收支平衡，Groq需要将其处理速度提高超过7倍。这一目标比基于8个H100服务器的延迟优化配置要容易得多——在相同定价下要实现盈亏平衡，效率需要提高近20倍。Groq的商业模式，不仅是提供推理API服务，还包括直接销售硬件系统。如果Groq以60%的利润率向第三方运营商出售，那么总成本将与英伟达的H100HGX相当，预计售价为大约635万美元。尽管Groq宣称其系统在能耗上具有优势，但从现有数据来看，这一点尚不明显。即使在对H100服务器的极端假设下，包括CPU和所有8个NIC全速运行也只需10千瓦电力，这比Groq的576芯片服务器所需的230千瓦（每8芯片服务器约3.2千瓦）要高效得多。Groq声称自己在每瓦性能上具有优势，但根据现有的信息很难验证这一点。需要注意的是，尽管Groq在API业务上目前面临亏损，并且需要通过超过7.2倍的性能提升才能实现盈亏平衡，但他们已经规划了在未来几个季度通过一系列改进达成这一目标。这些改进主要通过以下三个方向：持续进行编译器的优化工作，以提升数据处理速度；推出新的服务器设计，大幅减少除了芯片外的其他成本，如减少使用的CPU数量和内存大小；部署更大规模的系统，通过增加处理流水线数量实现更高的数据批处理能力，这不仅可以提升性能，还能支持更大的AI模型。虽然每项改进措施本身看似合理，但要实现7倍的性能提升无疑是一项巨大的挑战。挑战目前，最大的模型参数在1到2万亿之间。不过，谷歌和OpenAI很可能会推出超过10万亿参数的模型。同时，Llama3和更大规模的Mistral模型也即将推出。而这将需要配备数百个GPU和数十TB内存的强大推理系统。目前，Groq已经证明他们有能力构建适用于处理不超过1000亿参数模型的系统，并且计划在两年内部署100万块芯片。挑战一：处理极长的上下文信息谷歌的Gemini1.5Pro可以处理高达1000万token的上下文，这相当于可以处理10小时的视频、110小时的音频、30万行代码或700万字的内容。分析师预计，很多公司和服务商很快就会跟进对长上下文的支持，以便更好地管理和应用庞大的代码库和文档库，从而进一步取代在实际应用中表现不佳的RAG模型。尽管谷歌的处理方式并非传统的注意力机制，后者的处理复杂度是O(n^2)，但Gemini1.5Pro仍需数百GB甚至TB级别的内存来存储键值缓存（KVCache）。相比之下，Groq在面对长上下文需求时，需要构建的是由数万芯片组成的系统，而不是谷歌、英伟达和AMD等使用的几十或几百芯片。可以预见，GPU在四年后依然能够凭借出色的灵活性处理新的模型。但对于缺少动态随机存取内存（DRAM）的Groq来说，随着模型规模的不断增大，这可能会缩短系统的折旧寿命，从而大幅增加成本。挑战二：推测性解码等技术的快速发展树状/分支推测方法，已经使得推测性解码的速度提升了约3倍。如果进一步在生产级系统上高效部署的话，那么8块H100的处理速度就可以达到每秒600个Token，而这将直接让Groq在速度上的优势不复存在。通常，推测性解码需要通过牺牲浮点运算性能（FLOPS），来换取更高的批处理大小带来的带宽效率。此时，Groq主要受到FLOPS和网络的限制，而非静态随机存取内存（SRAM）的带宽。挑战三：英伟达更强的GPU即将发货与此同时，英伟达显然也不会站着挨打。就在下个月，性能/总拥有成本（TCO）据传是H100两倍以上的B100就会发布，并在下半年开始发货。与此同时，英伟达还在迅速推进B200和X/R100的研发。尽管如此，如果Groq能够有效扩展到数千芯片的系统，那么流水线的数量就可以得到大幅增加，而每个管线阶段的额外静态随机存取内存（SRAM）也将为更多的键值缓存提供空间，从而实现大于10的大批处理大小，并可能大幅降低成本。分析师认为，这的确是一个有潜力的方向，但实现的可能性不大。最后，还有一个更为关键的问题，快速响应小型模型推理这个市场到底有多大，以至于值得抛下灵活的GPU不用，转而去构建专门的基础设施。本文来源：新智元，原文标题：《首席分析师揭秘爆火Groq，每小时要烧168美元！10倍H100拥有成本，老黄笑而不语》风险提示及免责条款市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。股市回暖，抄底炒股先开户！智能定投、条件单、个股雷达……送给你>>海量资讯、精准解读，尽在新浪财经APP文章关键词：

"《3d金瓶梅在线观看》",
作者：微生旋

东吴证券：首予中国海洋石油“买入”评级亿吨级渤中26-6油田成为全球最大变质岩油田

"《3d金瓶梅在线观看》",雅迪电动车：暂无新能源汽车造车计划,收评：港股恒指跌0.54%恒生科指跌0.19%煤炭股跌幅居前物管股逆势高涨,小尼的失误被警方当成典型案例了,多想云：陈婉梅获委任为公司秘书,收评：港股恒指跌0.54%恒生科指跌0.19%煤炭股跌幅居前物管股逆势高涨

"《3d金瓶梅在线观看》",Gartner：2024年生成式AI智能手机出货量将达2.4亿台

"《3d金瓶梅在线观看》",
总监制：原鹏博

监 制：路奇邃

主 编：宿谷槐

编 审：海高邈

（文章未经授权不得转载。）