首页 > 传媒 > 关键词  > 智能网联汽车最新资讯  > 正文

人瑞人才:面对人才短缺挑战,智能汽车数字人才如何做到开源增量?

2023-06-09 09:55 · 稿源: 站长之家用户

在新一轮科技变革的影响下,全球汽车行业正在经历百年未有之大变局,电动化、智能化、网联化成为汽车行业势不可挡的潮流与趋势,智能网联汽车已成为全球汽车产业的重要转型升级方向。

目前,造车新势力及头部互联网公司纷纷加入造车行列,他们与传统车企之间对数字化人才的竞争越来越激烈。造车新势力及头部互联网公司因其先天具有互联网环境,吸引了大量的数字化人才,而传统车企也因流程完善、资金雄厚、成熟量产经验,抗风险能力更强,加大数字化战略转型力度,吸引更多人才回流传统车企。

在 2023 年 5 月 18 日举行的第七届世界智能大会“智能网联汽车高质量发展论坛”上,人瑞人才研究院院长曾子豪发表了题目为《智能汽车数字人才研究与人才策略》的主题演讲。

数字化转型概况

1978 年~ 2020 年,我国经历了三次红利期的转换,包括人口红利期、城镇化红利期以及互联网红利期。曾子豪表示,过往数据表明,每一次红利期的转换,都会带来产业模式和生产要素的巨大转变。

而在目前,我国正迎来第四次红利期转换,即数字化转型红利期。在曾子豪看来,数字化转型红利期对于企业来说,先发优势明显,先进数字化转型的企业成为行业领军者的可能性更大。以金融、零售、医疗、工业为例,在各自行业中排名TOP 10的企业里,企业数字化收入占据全行业数字化收入的80%左右。其中,金融类为85%,零售类为93%,医疗类为77%,工业类为95%。

不过,虽然目前各行各业都十分重视企业的数字化转型。但是,目前我国数字化转型初见成效的企业仍然只占小部分。曾子豪表示,仅有14%的企业数字化转型取得持续进展,变革成功的组织仅占3%。

值得注意的是,在产业数字化行业中,企业在数字化转型过程中注重管理全面转型、数字人才储备和提升数字化相关技能。根据人瑞人才与德勤对产业数字化企业的调研,70.8%的企业高度重视针对数字化转型的企业管理的配套转型,大部分企业也将加强数字化相关技能人员的储备和提升公司数字化技能以适应数字业务发展视作数字化转型的必经阶段。此外,数字技能赋能业务和企业管理者的重视也具有一定的重要性。

在曾子豪看来,企业数字化转型的挑战大致来自三个维度,首先是战略和制度维度,如数字化战略不明确,或原有管理制度和流程的制约;其次是技业结合维度,如平台没有互操作性,导致上线的数字化平台处于割裂状态,或技术更新迭代速度太快;最后是人力资源维度,如缺少数字人才统领和支持转型,或员工对数字化转型接受度较差。

曾子豪总结表示,经研究发现,数字化转型不是某一个方面或某一个点的转型,实际会涉及到战略、业务、技术以及组织等多维度、多要素的同步,并且在实现这些同步的过程中,最关键的是技术人才。

目前,中国汽车企业普遍面临产业变革和竞争加剧带来的双重挑战,急需寻求新的增长点以及优化产业结构、提升产业效率。

首先,智能化、网联化等新技术和新应用将进一步重构汽车产业价值链及传统运营模式;其次,行业竞争加剧,新造车势力加快技术和商业模式的推陈出新,法规和政策的加速完善为技术的大规模商用奠定了基础,消费者心智和偏好呈现巨大变迁。

在供需两侧的共同驱动下,车企在研发端、生产端和营销端均开启了数字化的变革。

但是,目前中国汽车产业数字化的成果仍然十分有限,如何吸引和培养数字化人才,利用数字化工具挖掘数据价值、洞察客户需求、提升运营效率,是目前所有车企都需要面对的新课题。

事实上,数字化人才并不等用于专业技术人才,数字化人才既需要具备行业专业经验和知识,同时要具备数字化的思维和数字化技术的应用,数字化人才是更加复合综合性的人才。

智能汽车数字化现状

以目前来看,在智能汽车行业中,企业数字化转型面临着诸多困难。其中包括,已经上线的数字化平台互不相同,处于割裂状态;缺少数字化人才统领和支持转型;数字化战略不明确,转型策略缺少明确的方向;原有的管理制度和流程等制约转型;技术更新太快,投入未产生效果就处于落后水平;员工对数字化的接受度普遍较差等。

在曾子豪看来,目前产业链对应企业的数字化程度和未来发展方向有以下几个现状:

首先,数字化转型进程明显提速,但转型质量和转型成效不及预期。从产业链企业数字化转型进程看,上游新型智能软硬件企业和下游服务型企业要领先于上游的智能系统和主机厂。营销、售后和客户运营本属于轻资产企业,距离消费者最近,最能感受到竞争环境的变化。受汽车行业全面向“以用户为中心”的转型驱动,营销和销售型企业的数字化转型进度和成熟度要明显领先于中游的制造型和重资产企业。

其次,数字化转型成熟度低。大多数企业处于数字化发展初期,尚待挖掘数字化潜力。调研显示,智能汽车企业在营销/销售、客户运营方面的数字化成熟度要高于产品开发、生产制造和供应链环节。

例如,有六成的智能汽车企业表示建立了数字化销售渠道,开展同消费者的高频互动并建立自有渠道加强私域流量的运营,通过内容营销、社群运营等新兴模式增强用户的品牌感知。生产制造数字化成熟度较低主要源于车企还未将自动化工厂沉淀的生产数据转化为商业分析和智能决策。有七成的车企表示企业已经实现了协同式生产,通过数字化系统,使人、机、料、法、环等要素紧密有效协同。但在敏捷开发和柔性生产、预测性生产方面的成熟度较低,仅不到三分之一的车企能够利用AI、大数据等技术,对隐患进行事前管理。

再次,数字化转型渗透率较高,但不均衡。研发、营销明显领先于生产和供应链环节数字化转型贯穿研发、生产、供应链、营销/销售、服务、经营管理等企业各个业务层面。总体来看,85%的智能汽车企业表示已经开启了数字化转型之旅,其中研发、营销和生产环节的数字化转型进程较快,供应链、服务等环节的数字化转型较为滞后。智能汽车企业率先在研发和营销阶段开展数字化转型,是当前产业向智能化变革、企业零售模式向新零售转型的必然结果。随着行业竞争加剧、消费者行为偏好的改变,汽车企业迫切需要缩短开发时间、加快产品上市周期,同时围绕消费者打造线上线下一体化的用户体验。

最后,转型成效尚未带来实际的业务回报。决策者对数字化长期投资表现犹豫。45%的智能汽车企业近两年在数字化方面的投入占公司整体费用的10%以上,约10%的企业转型投入超过总体开支的30%。但转型效果并不理想,仅8%的企业表示数字化转型已给企业带来实际回报,近四成企业表示数字化转型的投入产出比低,目前尚未对企业利润带来实质性的提振作用。而投入产出比不及预期效果也在一定程度上影响了企业对数字化的长期投资意愿,调研显示,仅有18%的企业表示未来三年数字化投入将占到营业收入的5%以上。

在行业人才方面,曾子豪认为,目前存在以下现状:

第 一,整体数字人才占比低、产业变革催生新岗位和新需求。传统技术人才为主,数字人才占比低。智能汽车(含智能驾驶、智能座舱和车联网)兴起 10 余年,除了保留动力总成、底盘、车身等传统汽车结构之外,新增了智能驾驶、智能座舱和车联网三大技术模块。技术的变革,不仅推动产品形态发生变化,也加快了产业链边界和供应模式的重塑。

例如,大批互联网、软件、通信、芯片公司等跨界进入汽车行业,使得智能汽车产业链更加纵深复杂,横跨车辆工程、人工智能、信息技术、通信工程等多个领域,呈现交叉、融合等多重特性。但行业目前的人才总量和人才结构仍构建于传统汽车制造业的基础上。截至 2020 年年底,中国汽车整车制造行业从业人员约 550 万人,行业人才的数字化和智能化含量低。根据调研显示,有46%的智能汽车企业表示数字人才占公司整体员工数量不到10%。另据中国汽车工程学会统计,智能汽车相关研发人才仅占据全行业研发人才的7.3%。

第二,传统岗位趋于饱和,软件、智能硬件开发岗位需求激增。机械开发类、制造工艺以及内燃机系统相关岗位开始出现饱和,行业对数字人才的需求呈现爆发式增长,尤其对智能化和数字化的新兴人才需求急剧增长,包括汽车嵌入式软件、自动驾驶、智能网联、汽车电子/硬件、新能源电池和电控等领域人才需求旺盛。调研发现嵌入式软件工程师、汽车硬件工程师、测试工程师、汽车电子电器工程师、自动驾驶算法工程师均在智能汽车企业热招TOP15 岗位之内,分别占该时间周期企业新发岗位数量的12%、9%、8%、3%和2%。

第三,计算机和电子信息取代车辆工程成为数字人才主要专业来源。智能汽车行业是典型的交叉学科,智能化相关功能的实现和数字化转型的推进,使得企业迫切需要跨学科、跨行业的复合型技术人才。

例如,未来的汽车工程师不仅要掌握传统车辆控制机械、自动化理论,也要和人工智能、集成电路、通信工程等前沿技术复合交叉,才能解决自动驾驶、人机交互等工程问题。对交叉学科人才的培养,一是给车辆专业工程师培训数字能力,二是挖掘当前计算机专业人才再辅以车辆工程相关知识。从当前智能汽车技术研发的从业人员专业背景看,计算机已经取代车辆工程成为研发人才第 一大专业来源,车辆工程为第二大专业来源,电子信息类和自动化类专业紧随其后。

第四,七成智能汽车企业数字人才严重不足。近七成的智能汽车企业表示,未来数字人才缺口将占到公司员工总量的10%以上,对数字人才前景表示担忧;约43%的企业判断未来数字人才缺口将超过20%。这些足以显示数字人才已经成为影响智能汽车产业长足发展的核心挑战。

第五,行业紧缺人才供需缺口大、人才获取难度大。 2025 年智能网联研发人员需求规模在9. 2 万~11. 6 万(基于产业不同发展情景)。但目前智能汽车行业相关专业每年的毕业生规模约为 89 万人(为热门专业的毕业生规模),流入智能汽车行业的比率却仅为1%,算上存量研发人才,智能汽车研发人才总供给量为7. 2 万,产生1. 3 万~3. 7 万的人才缺口。

从具体紧缺岗位看,嵌入式软件开发工程师、智能网联工程师的紧缺程度最 高,人才紧缺指数TSI在 2021 年分别达到8. 35 和3.46;汽车电子电器工程师、测试工程师和智能驾驶系统工程师,TSI指数分别超过2,表明人才获取难度大。

产业链上中下游人才偏好侧重不同、差异显著。

除了现状之外,曾子豪表示,在行业人才方面,目前还面临多项挑战:

第 一,跨行业人才竞争升级、人才供给偏离行业需求。从企业调研和企业招聘需求看,智能汽车人力资源的矛盾主要体现在跨行业竞争加剧和供需错配,使得企业普遍对数字人才的供给前景感到悲观,预计行业将面临数字人才长期供应短缺的风险。数字人才总量少、流动性高、智能汽车企业对高质量数字人才吸引力不足缺少有行业经验的技术人才是目前智能汽车企业人才招聘的首要难题,企业希望候选人熟悉行业知识和业务流程,招进来就能用,无须对人才开展额外的技能培训。此外,人岗技能不匹配、数字人才总体基数小也是数字化转型中智能汽车企业人力资源管理面临的挑战。

此外,数字人才不仅总量少,还呈现向ICT行业集聚的趋势。互联网和科技公司对年轻优 秀的数字人才呈现极强的虹吸效应,使得车企不得不和ICT企业竞争技术成熟的数字劳动力。但传统车企由于组织机制缺乏弹性,薪酬竞争力不足,在跨行业人才争夺中处于劣势。

第二,数字人才供需错配凸显,呈现认知错配和能力错配的现象。报告认为目前智能汽车数字人才的供需错配一方面是目标人才对行业及从事岗位的认知错配,另一方面是人才培养方向和企业发展需求的错配。前者是短期矛盾,后者是中长期挑战。调研显示,智能车企对数字人才招聘的最热门专业是信息工程,再是电子信息工程和软件工程,占比分别达到了84%、79%和79%。但本报告对上述专业的高校毕业生的就业倾向进行调查发现,电子信息工程毕业生最青睐的企业是人工智能企业,再是芯片和互联网公司,智能汽车和生物医药、数字金融和物联网企业并列第四位。除了上述提到的智能汽车企业薪酬缺乏竞争力等因素之外,另一大原因在于高校学生对企业的认知偏差。

第三,智能车企数字人才管理难、留存难。企业组织架构和管理流程未能适配数字人才特性,即便企业高薪招到对口人才,也面临人才流失频繁、离职率高等问题。据统计, 2021 年前三季度汽车人才流失率超过了 2020 年全年水平,在智能驾驶、移动互联等热门岗位上,主机厂人才呈现净流出的趋势。究其原因是车企组织架构转型滞后,汽车企业普遍缺乏数字人才成长所需的文化和环境。人瑞调研显示,56%的车企表示对数字人才岗位、职责和流程进行调整是其在数字人才管理过程中遇到的最 大阻碍。此外,不同背景人才团队缺乏有效的合作机制、技术和业务部门缺乏协同都是影响数字员工工作体验和获得感的原因,造成车企数字人才流失率高等问题的关键因素。

曾子豪总结表示,数字技术人才能力建设必须符合企业数字化的组织能力需求,技术专业能力只是重要的一部分,但更多体现在创新能力、问题解决能力、团队协作等能力结构的变化上。

汽车数字人才开源方式

针对上述挑战,曾子豪认为,智能车企应该从以下几个方面解决困难。

第 一,采用多元化用工策略,协同整合优势资源。调研结果显示,很大一部分企业充分利用各种渠道扩充数字人才,以确保企业可以更有效地满足业务对人才的需求。此外,企业还考虑通过其他更多的方式释放内部团队基础业务的压力,如自由职业者、众包,预计到 2025 年只有40%~70%的工作会由企业内部人才承担,剩下的众包、自由职业者、合作伙伴外包等。在曾子豪看来,在市场竞争中,时、空优势比现金成本本身更有价值。

第二,采用“选、育、用、留”多管齐下的方式。数字化人才在汽车行业领域中占比较少,仅依靠从外部企业引进方式,很难解决企业整体问题。另外,“拿来就用”的方式还面临“水土不服”的问题,如果企业没有自己的人才培养体系,就没有办法把应届毕业生或者从外部引进的有行业经验的专家和人才转化成符合企业自身所需要的人才,最终让他发挥更大的价值。因此,需要同时兼顾内部搭建人才培养以及内部人才管理体系的方式,多管齐下。

第三,构建人才生态链。经过深入的调查研究,结合多年人力资源服务的专业经验,人瑞人才提出打造“数字人才实训基地”的人才准确、批量、快速的培育模式。该模式充分考量企业、院校、政府、人力资源培训机构和个人在“数字人才实训基地”有效构建中不可或缺的优势能力组合所能创造的“聚合效应”,能更加有效,且更具针对性、实用性地解决人才培育难、培训慢等问题,并充分释放企业端的成本与精力,是单一任何一方都难以独立撬动的“共建、共融、共享”新模式。

而为了降低人企错配的资源损耗,曾子豪认为可以采用准确匹配的方式。帮助用人单位进行准确有效的、多层次的、全面的人岗匹配,达到人与岗的统一。最后,曾子豪认为,企业要想摆脱转型误区并在数字化时代脱颖而出,关键在于组织变革。组织变革不仅能在“数字化”层面确保达成企业战略,更重要的是能在“转型”层面推动企业员工从高绩效员工成长为数字化员工。

文章来源:《智能网联汽车》杂志( 2023 年 5 月第 3 期,总第 28 期),作者:赵子旺

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • MuKoe:开源的MuZero实现,分布式AI框架

    MuKoe是一个完全开源的MuZero实现,使用Ray作为分布式编排器在GKE上运行。它提供了Atari游戏的示例,并通过Google Next 2024的演讲提供了代码库的概览。MuKoe支持在CPU和TPU上运行,具有特定的硬件要求,适合需要大规模分布式计算资源的AI研究和开发。

  • Video-subtitle-remover (VSR):AI技术去除视频硬字幕和文本水印

    Video-subtitle-remover (VSR) 是一款基于AI技术,将视频中的硬字幕去除的软件。主要功能包括无损分辨率去除视频中的硬字幕,通过AI算法模型对去除字幕的区域进行填充,支持自定义字幕位置去除,以及批量去除图片水印文本。优势在于无需第三方API,本地实现,操作简便,效果显著。

  • LocalAI:自托管的开源OpenAI替代品,支持文本、音频、图像生成

    LocalAI 是一个自托管的开源 OpenAI 替代品,可在消费级硬件上运行,支持本地或本地部署的文本、音频、图像生成。它提供了 GPT 等模型的文本生成功能,同时支持文本转语音、图像生成等多种功能。由于其开源自托管的特性,用户可以自由定制和部署,不受云端 API 限制,适合对数据隐私和安全性有要求的用户。LocalAI 的定位是为那些寻求自主控制、不依赖于第三方服务的个人用户或组织提供强大的 AI 生成能力。

  • openai-style-api:统一大型模型 API调用方式

    支持将 openai、claude、azure openai, gemini,kimi, 智谱 AI, 通义千问,讯飞星火 API 等模型服务方的调用转为 openai 方式调用。屏蔽不同大模型 API 的差异,统一用 openai api 标准格式使用大模型。提供多种大型模型支持,包括负载均衡、路由、配置管理等功能。

  • 论文家园:帮您生成论文题目、摘要、目录、内容的AI大模型

    论文家园是一个基于人工智能大模型的在线论文生成工具。它可以根据您的需求自动生成高质量的论文题目、摘要、目录以及论文正文内容。该产品具有以下优势: 1. 高效便捷,5分钟即可生成数万字的原创论文内容。 2. 主题丰富,覆盖多个学科领域,满足不同研究方向的需求。 3. 智能优化,融合了大量优质学术资源,内容专业严谨。 4. 操作简单,无需编程基础,只需简单输入即可使用。 该产品主要面向高校学生、教师和科研人员,为他们提供高效的论文撰写辅助,节省大量时间精力。

  • Dynamic Typography:动态排版,让文字动起来

    Dynamic Typography是一个自动化的文本动画方案,它结合了语义传达和动态运动两个挑战性任务。该技术利用矢量图形表示和端到端的优化框架,通过神经位移场将字母转换为基础形状,并应用每帧运动,以增强与预期文本概念的一致性。通过形状保持技术和感知损失正则化,在动画过程中保持可读性和结构完整性。我们的方法在各种文本到视频的模型中展示了通用性,并突出了我们端到端方法的优越性,该方法可能包括单独的任务。通过定量和定性评估,我们证明了我们的框架在生成连贯的文本动画方面的有效性,这些动画忠实地解释了用户提示,同时保持了可读性。

  • Qwen1.5 110B Chat Demo:智能对话助手,高效沟通新体验

    Qwen1.5 110B Chat Demo是一款基于Hugging Face平台的智能对话助手,它通过先进的自然语言处理技术,为用户提供流畅、自然的对话体验。产品具备强大的语言理解和生成能力,能够处理多种语言,并支持个性化定制。主要功能包括:多轮对话、情感分析、知识问答等。产品优势在于其高度的智能性和易用性,能够帮助用户节省时间,提高沟通效率。目前产品提供免费试用,具体定价策略请访问官网了解。

  • OneChart:通过辅助标记净化图表结构提取

    OneChart是一个专注于图表结构提取的人工智能模型,它通过一个辅助标记来净化和提升提取的准确性。该模型能够识别和解析图表中的关键信息,为用户提供结构化的图表数据。OneChart的优势在于其高精度的识别能力和对复杂图表结构的处理能力,适用于需要图表数据转换和分析的多种场景。

  • Suno AI Music Generator:Suno AI音乐生成器 - 创造独特的AI音乐

    Suno AI音乐生成器是一款革命性的音乐创作工具,用户可以免费使用该工具生成独一无二的AI音乐,包括男声、女声、免费下载MP3和MP4音视频等。该工具具有简单易用、高效快速的特点,支持自定义模式、随机风格选择等功能。Suno AI音乐生成器为用户提供了丰富多样的音乐创作场景,适用于个人创作、音乐制作、广告配乐等领域。价格方面,提供了免费、付费和免费试用的不同选择。

  • NOA:您的自动化即服务合作伙伴

    NOA Business Automation 是一款自动化即服务的工具,结合强大的人工智能技术,为您提供最高的生产力。我们提供定制化工具和可扩展的数据基础设施,帮助您实现高效的业务流程自动化。

  • ArtsAI:AI生成洞察,提高ROI

    ArtsAI的专利AI技术自动发现隐藏的数据模式,优化您的广告活动并提高投资回报率。凭借AI生成的丰富洞察力,我们帮助您实现无限可能。

  • Mirror AI:自拍生成个性化表情贴纸和头像

    Mirror AI 是一款个性化表情贴纸和头像制作的手机应用。通过拍一张自拍照,使用Mirror AI的人工智能面部识别技术,可以创建一个与你非常相似的个性化卡通角色。该应用提供超过1000种不同情境和表情的表情贴纸,支持多种语言翻译。Mirror AI还提供一系列强大的定制选项,包括服装、发型、帽子、配饰、肤色等,让你创建一个真正代表你的个性化角色。Mirror AI可以与WhatsApp、Telegram、iMessage等流行的消息应用程序一起使用。

  • AI Anime Girl Studio:AI生成二次元美少女

    AI AnimeGirl Creator是一个免费的AI生成二次元美少女的工具。它可以轻松生成令人惊叹的二次元美少女艺术品。

  • 博查AI搜索:无广告干扰的答案引擎

    博查是一个无广告干扰的答案引擎,您可以用自然语言提问,它会理解问题、细分检索并生成准确的答案。博查的功能包括多模型AI搜索、答案快如闪电、字节云雀大模型等。博查定位于提供快速、准确的答案解决方案。目前,博查为所有用户提供免费使用。

  • Jobsolv: AI驱动的自动工作搜索、简历制作和一键申请

    Jobsolv是一个全能平台,为你匹配高薪远程职位、定制简历,并一键申请。通过Jobsolv加速你的求职过程!

  • Version AI:AI版本管理,自动化API和端点版本控制

    apiversion.dev是一个基于人工智能的平台,可以自动化API和端点版本控制,确保准确和标准化的版本号。它提供全面的版本历史记录、语义版本控制、日历版本控制、增量版本控制等功能。同时,它还支持开发者反馈、沟通、更新监控、增强客户信心和提高开发效率。不同的定价计划适用于不同阶段的创业公司和企业。

  • Omnifact:隐私第一的企业生成式AI平台

    Omnifact是专为工作场所打造的隐私第一的生成式AI平台。充分利用生成式AI的潜力,同时保护您的数据主权。Omnifact提供安全的企业级生成式AI平台,旨在提升生产力,简化知识管理,推动创新,并优先考虑数据安全和隐私。

  • ProDream:你的一站式学术写作AI解决方案

    ProDream是你在学术写作中的一站式AI解决方案。ProDream的AI写作助手可以提高你的写作速度,提升写作技巧,协助研究论文,简化引用,避免抄袭。我们的AI助手由经验丰富的专家团队提供支持,拥有几十年的学术经验,并通过Harvard Innovation Lab和Microsoft Founders Hub孵化。

  • sunoh.ai:AI医学记录助手

    Sunoh是一款基于人工智能的医学记录助手,将医生和患者之间的自然对话转化为临床记录。Sunoh为医生和患者提供独特而沉浸式的体验,使临床记录的过程比以往更快捷高效。与您的电子健康记录系统(EHR)一起使用,加速您的记录工作。

  • Nara AI: | 通过拍照解答数学和物理题

    Nara AI是一款通过拍照解答数学和物理题的智能应用。它能快速准确地解答各种难题,提供易于理解的解题步骤和解析。Nara AI已经在印度尼西亚被数百名学生使用,受到广泛好评。价格信息请访问官方网站。

今日大家都在搜的词: