文｜周小燕

(資料圖片僅供參考)

在ChatGPT成為“全民應(yīng)用”的半年時(shí)間內(nèi)，隨著入場(chǎng)做大模型的角色增多，關(guān)于大模型創(chuàng)業(yè)風(fēng)口的爭議點(diǎn)已發(fā)生了一輪轉(zhuǎn)變：從討論大模型是否為大廠專屬，轉(zhuǎn)而關(guān)注大模型創(chuàng)業(yè)的核心壁壘，在此背景之下，創(chuàng)業(yè)公司的競爭力在哪里？VC的投資策略需要做哪些調(diào)整？

騰訊科技“AI未來指北”系列，本期專訪國內(nèi)大模型獨(dú)角獸公司MiniMax背后早期投資方云啟合伙人陳昱，對(duì)以上問題進(jìn)行探討，核心觀點(diǎn)：

1大模型時(shí)代下，未來的應(yīng)用也有一個(gè)“二八定律”，大約有80%會(huì)是現(xiàn)在的應(yīng)用接入大模型后的「升級(jí)版」，有20%是基于大模型的新能力開發(fā)出的新應(yīng)用。 2各行各業(yè)的整體格局都不會(huì)因?yàn)榇竽Ｐ投l(fā)生大的改變，即便大模型改變了應(yīng)用入口，也不會(huì)對(duì)商業(yè)格局的本身產(chǎn)生大的改動(dòng)，它只是一個(gè)體驗(yàn)升級(jí)。AI原生應(yīng)用的機(jī)會(huì)可能在：跨境電商、面向開發(fā)者的AI解決方案（AI for Developers）、私有化部署和AI安全。 3很多人認(rèn)為模型層面的創(chuàng)業(yè)機(jī)會(huì)比較小，可能數(shù)據(jù)層面的創(chuàng)業(yè)機(jī)會(huì)比較多，但其實(shí)認(rèn)為市場(chǎng)并不缺數(shù)據(jù)，公開的數(shù)據(jù)很多都還沒有用好，ChatGPT的數(shù)據(jù)也只更新到2021年9月，對(duì)私有數(shù)據(jù)的考慮可以靠后，先把公有數(shù)據(jù)用好。并且數(shù)據(jù)的獨(dú)特性本身比數(shù)據(jù)量更重要，真正擁有自己獨(dú)特私有數(shù)據(jù)并能轉(zhuǎn)化商業(yè)價(jià)值的公司幾乎很少甚至是沒有的。 4一個(gè)模型做到80分可能不算擁有壁壘，但如果能做到95分，肯定是一種壁壘。雖然國內(nèi)各種公司都在做模型，但真正能全面碾壓GPT-4的還沒有出現(xiàn)，因?yàn)樗暮诵谋趬臼枪こ躺系膬?yōu)化，而這是Open AI沒有公開的“秘密”。 5國內(nèi)外大模型投資策略的差異源自于項(xiàng)目退出途徑。在國外，投資人愿意投資單點(diǎn)技術(shù)創(chuàng)新類的項(xiàng)目，此類項(xiàng)目能通過并購?fù)顺觥７从^國內(nèi)，由于并購案例稀少，投資機(jī)構(gòu)更愿意在最終能上市退出的大idea上下注。

云啟合伙人陳昱

以下為訪談全文：

騰訊科技：ChatGPT讓大模型賽道的創(chuàng)業(yè)和投資變得很熱鬧，云啟重點(diǎn)投資了哪些項(xiàng)目？當(dāng)時(shí)做投資決策背后有哪些考量？

陳昱：ChatGPT在半年前進(jìn)入大眾視線，我們大約在18個(gè)月之前投資了一款主打社交聊天軟件的多模態(tài)企業(yè)MiniMax，MiniMax以多模態(tài)大模型研發(fā)為主，有三種模態(tài)基礎(chǔ)架構(gòu)：文本到視覺（text to visual）、文本到語音（text to audio）、文本到文本（text to text），基于大模型的主要產(chǎn)品是智能對(duì)話機(jī)器人Glow，目前有五百萬用戶，并且也開放了API接口，與WPS等眾多企業(yè)合作。

我們的決策邏輯主要是賭團(tuán)隊(duì)和技術(shù)大方向。早在2021年1月份，我們就開始接觸MiniMax創(chuàng)始團(tuán)隊(duì)，彼時(shí)他們還沒決定正式出來創(chuàng)業(yè)。當(dāng)時(shí)GPT-2和GPT-3也已經(jīng)出世，只是不像ChatGPT做得這么好。到2021年底，團(tuán)隊(duì)認(rèn)為時(shí)機(jī)成熟，MiniMax正式成立，我們便投了天使輪。

MiniMax的出發(fā)點(diǎn)是希望沿著通用人工智能的方向做產(chǎn)品，底層是多模態(tài)大模型，這個(gè)想法和我們不謀而合，我們當(dāng)時(shí)正好也在思考通用大模型這件事情。

具象地說，通用人工智能相當(dāng)于復(fù)刻一個(gè)數(shù)字人腦，人類擁有自由的思維、能夠通過學(xué)習(xí)推理出新的知識(shí)，通用人工智能也應(yīng)該能像人類一樣思考，它能夠完成多任務(wù)操作，即便面對(duì)沒見過的東西，也能給出一個(gè)答案。

我們已經(jīng)投資了MiniMax，并且聊過市面上大部分的模型創(chuàng)業(yè)公司，在這波潮流熱起來之后，至少在基建層目前不需要再投第二家大模型公司了，投資重心會(huì)轉(zhuǎn)移到應(yīng)用層，重點(diǎn)關(guān)注能夠利用大模型特性做應(yīng)用的項(xiàng)目。同時(shí)我們也會(huì)關(guān)注Open AI以外會(huì)有什么新的技術(shù)出現(xiàn)，希望能投資一些更具備創(chuàng)新性的東西。

騰訊科技：有一種說法認(rèn)為，未來所有產(chǎn)業(yè)都值得用大模型重新做一遍，很多行業(yè)可能會(huì)利用大模型做升級(jí)，比如美團(tuán)、淘寶這些生意是不是都能用大模型做一遍？創(chuàng)業(yè)公司有沒有機(jī)會(huì)為這些大公司的改變提供更多幫助？

陳昱：大模型時(shí)代下，未來的應(yīng)用也有一個(gè)“二八定律”，大約有80%會(huì)是現(xiàn)在的應(yīng)用接入大模型后的「升級(jí)版」，有20%是基于大模型的新能力開發(fā)出的新應(yīng)用。

大模型是不是適用于所有行業(yè)，現(xiàn)在還沒有定論，第一個(gè)挑戰(zhàn)就是國內(nèi)還沒有成熟的中文大語言模型可用，光這一步的優(yōu)化就需要很多年時(shí)間。現(xiàn)在也不能確定國內(nèi)哪一個(gè)模型使用體驗(yàn)更強(qiáng)，因?yàn)槭褂玫母杏X非常主觀，并且每個(gè)模型都有自己擅長的地方，到最后還是看綜合用戶體驗(yàn)。

如果中文大語言模型發(fā)展得很成熟了，這波產(chǎn)業(yè)升級(jí)肯定也會(huì)先從互聯(lián)網(wǎng)行業(yè)開始，然后再逐漸過渡到傳統(tǒng)行業(yè)，這個(gè)過程可能也會(huì)持續(xù)5-8年時(shí)間。

未來大模型可能會(huì)變成所有應(yīng)用的入口，舉例來說，現(xiàn)在大家買東西要上美團(tuán)APP或者小程序，未來可能直接對(duì)大模型說幫我買一個(gè)東西，就完成了整個(gè)購買操作動(dòng)作，就沒有類似美團(tuán)這種一級(jí)入口了，它的APP或小程序反而變成二級(jí)入口。未來，隨著人機(jī)交互方式的改變，這些都是很可能會(huì)發(fā)生的。

但這些改變之前也被嘗試過，比如蘋果Siri、各種智能音箱都嘗試做這樣的場(chǎng)景改變，也鬧出過很多笑話，可能就是因?yàn)檎Z言模型還不夠好，影響用戶的使用體驗(yàn)，如果花一樣的時(shí)間但體驗(yàn)不好，用戶就不會(huì)再用它了。

再看創(chuàng)業(yè)公司在這波產(chǎn)業(yè)升級(jí)中的機(jī)會(huì)，我認(rèn)為各行各業(yè)的整體格局都不會(huì)因?yàn)榇竽Ｐ投l(fā)生大的改變，比如外賣行業(yè)原先就只有美團(tuán)和餓了么，本來也沒有創(chuàng)業(yè)公司存在，即便大模型改變了應(yīng)用入口，也不會(huì)對(duì)商業(yè)格局的本身產(chǎn)生大的改動(dòng)，它只是一個(gè)體驗(yàn)升級(jí)。

騰訊科技：如果說80%的存量應(yīng)用可能會(huì)在接入大模型后做升級(jí)，那么你提及的20%基于大模型開發(fā)出的新應(yīng)用就相當(dāng)于增量市場(chǎng)的機(jī)會(huì)，你認(rèn)為這類AI原生應(yīng)用會(huì)優(yōu)先產(chǎn)生在哪些場(chǎng)景？從云啟已經(jīng)投資的項(xiàng)目中看，哪些屬于這20%的增量機(jī)會(huì)？

陳昱：先回答后一個(gè)問題，大家可能存在一個(gè)誤區(qū)，好像今天投資了以后明天就能看到結(jié)果，這是不可能的事情。一個(gè)創(chuàng)業(yè)公司真正能夠做出東西、讓大家看到結(jié)果，至少要等18-24個(gè)月，一周能做出來的東西沒有壁壘和想象力，我們會(huì)關(guān)注更實(shí)際的東西。

從我們投資的案例來看，因?yàn)槲覀円话愣荚诜浅Ｔ缙诘碾A段進(jìn)行投資，整體項(xiàng)目本身發(fā)展都還處于很早期，所以也很難判斷這20%的原生應(yīng)用是否已經(jīng)做到。即便是MiniMax這樣已經(jīng)能看出潛力的企業(yè)，回溯對(duì)它的投資歷程，其實(shí)我們?cè)谕顿Y之前也觀察了近一年的時(shí)間。

再回到關(guān)于AI原生應(yīng)用的機(jī)會(huì)預(yù)測(cè)上，我認(rèn)為AI原生應(yīng)用的探尋挖寶過程，就像以往西部牛仔的淘金歷程一樣，需要敢于探險(xiǎn)，這波的機(jī)會(huì)可能在這幾個(gè)地方：

第一，跨境電商，因?yàn)樯婕岸嗾Z言（multilingual）交流；

第二、面向開發(fā)者的AI解決方案（AI for Developers），幫助程序員寫代碼或者檢查錯(cuò)誤和安全漏洞；

第三、私有化部署，企業(yè)客戶會(huì)有個(gè)性化模型和數(shù)據(jù)安全方面的需求；

第四、AI安全，大模型的廣泛應(yīng)用會(huì)帶來一系列安全問題，譬如模型生成的內(nèi)容造成的虛假信息傳播，還有針對(duì)模型進(jìn)行提示詞注入攻擊（prompt injection）導(dǎo)致企業(yè)內(nèi)部信息泄漏等。

騰訊科技：在大模型帶來的機(jī)會(huì)中，高效利用有限數(shù)據(jù)的能力，比如數(shù)據(jù)標(biāo)注、數(shù)據(jù)提煉等，以及利用私有數(shù)據(jù)做垂直模型，是否是創(chuàng)業(yè)公司潛在的增長點(diǎn)？對(duì)投資人來說機(jī)會(huì)點(diǎn)在哪里？

陳昱：前陣子谷歌內(nèi)部泄露一份文件，谷歌內(nèi)部一名研究員認(rèn)為Open AI沒有護(hù)城河，里面也提到你可以通過一個(gè)開源模型做fine tuning得到一個(gè)80分的模型，但是它和GPT-4這樣95分的模型還是有很大的差距。

雖然創(chuàng)業(yè)者通過開源可以將做模型的成本極度降低，但不意味著他們能做出95分的模型，而95分的模型會(huì)吃掉大部分的市場(chǎng)。這里可以類比歷史上的谷歌，剛開始搜索引擎市場(chǎng)也百花齊放，但最后90%以上的市場(chǎng)占有率都在谷歌身上，所以當(dāng)一個(gè)東西被做到極致之后，沒有多少終端消費(fèi)者會(huì)愿意使用非主流的產(chǎn)品。

在這樣的情況下，很多人認(rèn)為模型層面的創(chuàng)業(yè)機(jī)會(huì)比較小，可能數(shù)據(jù)層面的創(chuàng)業(yè)機(jī)會(huì)比較多，但我認(rèn)為市場(chǎng)并不缺數(shù)據(jù)，公開的數(shù)據(jù)大家都還沒有用好，ChatGPT和GPT-4的數(shù)據(jù)也只更新到2021年9月，對(duì)私有數(shù)據(jù)的考慮可以靠后，先把公有數(shù)據(jù)用好。

至于怎么用好這塊數(shù)據(jù)，就要各顯神通了，這就需要團(tuán)隊(duì)不斷改進(jìn)算法、改進(jìn)工程能力，本質(zhì)上還是看人。在軟件科技創(chuàng)新領(lǐng)域，我們一直強(qiáng)調(diào)要投“聰明”并且“有野心”的“年輕人”，因?yàn)榧夹g(shù)每年都會(huì)更新迭代，年輕人跟進(jìn)的速度最快。

對(duì)于投資擁有自己獨(dú)特私有數(shù)據(jù)的垂直模型，我們持保留態(tài)度。我們?cè)谘芯繖C(jī)器學(xué)習(xí)的時(shí)候也能了解到，數(shù)據(jù)的獨(dú)特性本身比數(shù)據(jù)量更重要，但我認(rèn)為真正擁有自己獨(dú)特私有數(shù)據(jù)的公司幾乎很少甚至是沒有的，而當(dāng)通用大模型的訓(xùn)練數(shù)據(jù)里某領(lǐng)域的數(shù)據(jù)足夠多的時(shí)候，垂直模型的表現(xiàn)不一定會(huì)比通用大模型好。

舉個(gè)例子，比如某教育類上市公司披露自己有很多私有的試卷數(shù)據(jù)，但實(shí)際上用公共網(wǎng)絡(luò)上已有的試卷數(shù)據(jù)就能訓(xùn)練出不錯(cuò)的結(jié)果，并不需要上市公司提供的私有數(shù)據(jù)。很多公司擁有的所謂私有數(shù)據(jù)其實(shí)沒有想象中的那么重要，真正有價(jià)值的私有數(shù)據(jù)是獨(dú)特的數(shù)據(jù)，而且不需要很多的量就能做出不錯(cuò)的效果，而這類獨(dú)特?cái)?shù)據(jù)實(shí)在太少了，專有獨(dú)特的數(shù)據(jù)公司在整個(gè)市場(chǎng)可能都找不出幾家，即便有了這類數(shù)據(jù)，也不代表就能利用好它們或讓其產(chǎn)生商業(yè)價(jià)值，這幾個(gè)條件一卡，就會(huì)發(fā)現(xiàn)沒什么項(xiàng)目可以投資。

此外，即便沒有大模型，類似智能制造這些傳統(tǒng)行業(yè)也會(huì)擁有自己的數(shù)據(jù)，但如果在大模型出現(xiàn)之前并沒有利用好這些數(shù)據(jù)，有了大模型后也不一定能顯著提升數(shù)據(jù)利用效率，如果它們真的有投資價(jià)值，在大模型出現(xiàn)之前應(yīng)該已經(jīng)被大家看到了。

騰訊科技：一方面，按照你的說法，模型的出現(xiàn)并不會(huì)提升擁有私有數(shù)據(jù)的公司的壁壘；另一方面，做大模型好像并不難，在ChatGPT剛火的時(shí)候，行業(yè)默認(rèn)大模型是大廠專屬，但從最近三個(gè)月的情況來看，越來越多的非大廠出品的大模型也出現(xiàn)了。在這樣的背景下，是否可以認(rèn)為大模型創(chuàng)業(yè)的門檻本身就不穩(wěn)固？投資人是否需要重新評(píng)估投資機(jī)會(huì)？

陳昱：關(guān)于模型壁壘的問題，需要分層看待。一個(gè)模型做到80分可能不算擁有壁壘，但如果能做到95分，那肯定是一種壁壘。

雖然國內(nèi)各種公司都在做模型，但真正能全面碾壓GPT-4的還沒有出現(xiàn)，因?yàn)樗?strong>核心壁壘是工程上的優(yōu)化，即團(tuán)隊(duì)對(duì)工程細(xì)節(jié)的反復(fù)打磨，并且不僅僅是一兩個(gè)地方的優(yōu)化，可能涉及50個(gè)甚至100個(gè)子工程的優(yōu)化，而這是Open AI沒有公開的“秘密”，需要技術(shù)團(tuán)隊(duì)自己在創(chuàng)新的過程中反復(fù)試水調(diào)優(yōu)，很難產(chǎn)生能被國內(nèi)公司借鑒的方法論，它是一項(xiàng)工程創(chuàng)新，而非技術(shù)創(chuàng)新。

在GPT-3.5及之前，Open AI還是比較開放的，他們會(huì)在論文里仔細(xì)地描述自己做了什么，發(fā)展到GPT-4階段就開始“語焉不詳”了，外界只能靠猜測(cè)或者找Open AI里面的人去聊的方式，來了解一二，但團(tuán)隊(duì)里的人也不能泄露公司的秘密，對(duì)于外界來說這就像一個(gè)令人琢磨不透的黑匣子。

我曾經(jīng)在谷歌擔(dān)任工程師，谷歌的搜索引擎質(zhì)量非常好，它的壁壘也在于工程優(yōu)化。15年前谷歌就有超過200個(gè)工程師全職做搜索質(zhì)量的改進(jìn)工作。每個(gè)工程師都會(huì)以不同的方式去優(yōu)化搜索引擎，通過A/B測(cè)試的方式，決定某項(xiàng)改進(jìn)工作是否能最終發(fā)布，這樣做的結(jié)果是量變引起質(zhì)變，每年數(shù)百項(xiàng)的改進(jìn)極大的提高了搜索質(zhì)量，但在這中間沒有任何一個(gè)人知道全景是怎么樣的。

在這樣的背景下，如果總結(jié)對(duì)這類項(xiàng)目的投資判斷標(biāo)準(zhǔn)，我認(rèn)為有這幾點(diǎn)：

第一，團(tuán)隊(duì)成員至少長期耕耘在這個(gè)領(lǐng)域；

第二，要有很強(qiáng)的工程創(chuàng)新和實(shí)踐能力；

第三，做這類創(chuàng)業(yè)非常燒顯卡、燒算力，這就要求團(tuán)隊(duì)有很強(qiáng)的融資能力，否則很難上牌桌。

騰訊科技：國內(nèi)大模型如雨后春筍涌現(xiàn)，對(duì)比國內(nèi)外大模型，可以看出國外代表性的ChatGPT目前走的是to C訂閱模式，國內(nèi)模型很多接入到產(chǎn)業(yè)層面。從投資角度看，大模型國內(nèi)外投資方法和風(fēng)格有哪些不同？國外AI發(fā)展的經(jīng)驗(yàn)比我們快，有沒有可以copy to China的東西？

陳昱：從國內(nèi)外模型的差異來看，目前核心還是技術(shù)的差異，第一梯隊(duì)的OpenAI GPT-4、第二梯隊(duì)的谷歌PaLM 2，還有從Open AI離職出來創(chuàng)業(yè)的Anthropic，他們都做得非常好，如果做測(cè)評(píng)的話，會(huì)發(fā)現(xiàn)中外模型之間的差異主要在技術(shù)層面。

另外，雖然國外目前主流大模型ChatGPT是to C的訂閱付費(fèi)模式，但不代表國外沒有做to B，他們的模型應(yīng)用也是百花齊放的，但國外做to C的一個(gè)優(yōu)勢(shì)是他們用戶付費(fèi)意愿強(qiáng)，比如Midjourney團(tuán)隊(duì)只有11個(gè)人，但是卻有1億美金的收入，這在國內(nèi)是難以想象的。

從投資角度來看：

第一，在國外我們更愿意投資單點(diǎn)技術(shù)創(chuàng)新類的項(xiàng)目，在國內(nèi)的話很多投資機(jī)構(gòu)會(huì)設(shè)想項(xiàng)目idea能不能做到IPO；

第二，從投資人的經(jīng)驗(yàn)來看，國內(nèi)外各有擅長的東西，國外軟件做得普遍比國內(nèi)好，國內(nèi)偏硬件的東西做得比國外好。所以國內(nèi)的投資機(jī)會(huì)更偏向機(jī)器人、電動(dòng)車這類硬件的出海，因?yàn)樗鼈兝昧藝鴥?nèi)供應(yīng)鏈優(yōu)勢(shì)將生產(chǎn)成本降到很低。如果在AI層面做到80分，再和硬件結(jié)合起來，產(chǎn)品的競爭力就很強(qiáng)了。我們看好通用人形機(jī)器人，它會(huì)是大模型和機(jī)器人的結(jié)合。

騰訊科技：為什么國內(nèi)外大模型投資策略會(huì)產(chǎn)生這樣的差異？

陳昱：國內(nèi)外大模型投資策略的差異源自于項(xiàng)目退出途徑。在國外，投資單點(diǎn)技術(shù)創(chuàng)新類的項(xiàng)目能通過并購?fù)顺觥７从^國內(nèi)，由于并購案例稀少，投資機(jī)構(gòu)更愿意在最終能上市退出的大idea上下注。

不同的投資人可能有不同的風(fēng)格，對(duì)于偏早期的投資人而言，投資就是投“變量”，如果一個(gè)項(xiàng)目缺乏未來想象空間，我們就不會(huì)投；如果它只是停留在想象力層面，團(tuán)隊(duì)沒有落地能力和堅(jiān)定信仰，我們也不會(huì)投。大模型才剛剛開始，能到上市階段至少是好幾年之后的事情，如果要投資“確定性”，可能就要等到項(xiàng)目上市前一兩年再投進(jìn)去，這可能不是早期基金的風(fēng)格。

另一方面，大家確實(shí)會(huì)考慮宏觀環(huán)境，比如當(dāng)下大家投資硬科技項(xiàng)目會(huì)相對(duì)多一些，模式和軟件類的偏少一些，但大家的思路和想法是沒有變的，還是跟隨變量、投資想象空間大的東西，并不斷關(guān)注技術(shù)帶來的產(chǎn)業(yè)變革。

可能這幾年受大環(huán)境的影響，很多人非常思慮退出問題，我認(rèn)為不用過于憂慮，比如美元基金可以通過中外合資或QFLP投資項(xiàng)目，并且退出途徑也是比較多元的，港股也是其中一個(gè)選擇。

我們是比較早期的基金，很多項(xiàng)目都會(huì)經(jīng)過多輪融資，在這中間也能實(shí)現(xiàn)適度退出，所以我們目前的投資都保持著自己的節(jié)奏。

騰訊科技：Open AI做出來的ChatGPT，算是近幾年國外單點(diǎn)技術(shù)創(chuàng)新的代表性案例，能否預(yù)測(cè)Open AI的下一個(gè)關(guān)鍵變化節(jié)點(diǎn)？

陳昱：Open AI可能確實(shí)有“后招”：

第一，大語言模型未來會(huì)往多模態(tài)方向發(fā)展。“多模態(tài)”不僅體現(xiàn)在“輸入”，“輸出”也可以是文本、圖像或視頻；

第二，未來生成式AI的輸出結(jié)果可能從二維圖像變成三維模型。OpenAI 近日對(duì)外發(fā)布條件生成模型 Shap-E，它可以用來生成3D資產(chǎn)。Shap-E 可以生成隱含函數(shù)的參數(shù)，這些函數(shù)可以被渲染成紋理網(wǎng)格或神經(jīng)輻射場(chǎng)（NeRF），從而可以生成多功能的、現(xiàn)實(shí)的3D資產(chǎn)。

騰訊科技：最后，回到國內(nèi)看AI治理，最近網(wǎng)信辦也頒布了關(guān)于大模型相關(guān)的數(shù)據(jù)管理辦法，中國的生成式AI應(yīng)該如何正確地應(yīng)對(duì)監(jiān)管法規(guī)？

陳昱：以前純靠人工去做監(jiān)管，現(xiàn)在可能需要用模型去監(jiān)管模型，因?yàn)槟Ｐ蜕傻膬?nèi)容數(shù)量巨大，且容易以假亂真，監(jiān)管部門需要思考如何更好的利用技術(shù)來規(guī)范行業(yè)。此外，模型本身是有價(jià)值觀的，企業(yè)在訓(xùn)練模型的時(shí)候，就得對(duì)訓(xùn)練數(shù)據(jù)做仔細(xì)的篩選和清洗，并使之與正確的價(jià)值觀對(duì)齊。OpenAI在這方面下了很大的功夫，值得國內(nèi)企業(yè)學(xué)習(xí)。