怎么利用chatgpt构建一个微信助手 chatgpt 是用哪种编程语言开发的
△点击上方“Python猫”关注 ，回复“1”领取电子书
大家好，我是猫哥。最近 ChatGPT 的内容铺天盖地，话题热度全网第一，我们想不注意它都不可能。去年 12 月份的时候，ChatGPT 横空出世，我当时就体验过，感觉十分惊艳。如今它火爆出圈，而且大有要颠覆搜索引擎、引领新的互联网革命的势头，不由得让人想进一步深入了解它。今天分享一篇深度干货，让大家对它有更全面的认知~
以下为正文，作者陈巍博士
去年12月1日，OpenAI推出人工智能聊天原型ChatGPT，再次赚足眼球，为AI界引发了类似AIGC让艺术家失业的大讨论。
ChatGPT 是一种专注于对话生成的语言模型。它能够根据用户的文本输入，产生相应的智能回答。
这个回答可以是简短的词语，也可以是长篇大论。其中GPT是Generative Pre-trained Transformer（生成型预训练变换模型）的缩写。
通过学习大量现成文本和对话集合（例如Wiki），ChatGPT能够像人类那样即时对话，流畅的回答各种问题。（当然回答速度比人还是慢一些）无论是英文还是其他语言（例如中文、韩语等），从回答历史问题，到写故事，甚至是撰写商业计划书和行业分析，“几乎”无所不能。甚至有程序员贴出了ChatGPT进行程序修改的对话。
ChatGPT和AIGC的联合使用
ChatGPT也可以与其他AIGC模型联合使用，获得更加炫酷实用的功能。
例如上面通过对话生成客厅设计图。这极大加强了AI应用与客户对话的能力，使我们看到了AI大规模落地的曙光。
一、ChatGPT的传承与特点
1.1 OpenAI家族
我们首先了解下OpenAI是哪路大神。
OpenAI总部位于旧金山，由特斯拉的马斯克、Sam Altman及其他投资者在2015年共同创立，目标是开发造福全人类的AI技术。而马斯克则在2018年时因公司发展方向分歧而离开。
此前，OpenAI 因推出 GPT系列自然语言处理模型而闻名。从2018年起，OpenAI就开始发布生成式预训练语言模型GPT（Generative Pre-trained Transformer），可用于生成文章、代码、机器翻译、问答等各类内容。
每一代GPT模型的参数量都爆炸式增长，堪称“越大越好”。2019年2月发布的GPT-2参数量为15亿，而2020年5月的GPT-3，参数量达到了1750亿。
GPT家族主要模型对比
1.2 ChatGPT的主要特点
ChatGPT 是基于GPT-3.5（Generative Pre-trained Transformer 3.5）架构开发的对话AI模型，是InstructGPT 的兄弟模型。
ChatGPT很可能是OpenAI 在GPT-4 正式推出之前的演练，或用于收集大量对话数据。
ChatGPT的主要特点
OpenAI使用 RLHF（Reinforcement Learning from Human Feedbac，人类反馈强化学习） 技术对 ChatGPT 进行了训练，且加入了更多人工监督进行微调。
此外，ChatGPT 还具有以下特征：
1）可以主动承认自身错误。若用户指出其错误，模型会听取意见并优化答案。
2）ChatGPT 可以质疑不正确的问题。例如被询问 “哥伦布 2015 年来到美国的情景” 的问题时，机器人会说明哥伦布不属于这一时代并调整输出结果。
3）ChatGPT 可以承认自身的无知，承认对专业技术的不了解。
4）支持连续多轮对话。
与大家在生活中用到的各类智能音箱和“人工智障“不同，ChatGPT在对话过程中会记忆先前使用者的对话讯息，即上下文理解，以回答某些假设性的问题。
ChatGPT可实现连续对话，极大的提升了对话交互模式下的用户体验。
对于准确翻译来说（尤其是中文与人名音译），ChatGPT离完美还有一段距离，不过在文字流畅度以及辨别特定人名来说，与其他网络翻译工具相近。
由于 ChatGPT是一个大型语言模型，目前还并不具备网络搜索功能，因此它只能基于2021年所拥有的数据集进行回答。
例如它不知道2022年世界杯的情况，也不会像苹果的Siri那样回答今天天气如何、或帮你搜索信息。如果ChatGPT能上网自己寻找学习语料和搜索知识，估计又会有更大的突破。
即便学习的知识有限，ChatGPT 还是能回答脑洞大开的人类的许多奇葩问题。为了避免ChatGPT染上恶习， ChatGPT 通过算法屏蔽，减少有害和欺骗性的训练输入。
查询通过适度 API 进行过滤，并驳回潜在的种族主义或性别歧视提示。
二、ChatGPT/GPT的原理2.1 NLP
NLP/NLU领域已知局限包括对重复文本、对高度专业的主题的误解，以及对上下文短语的误解。
对于人类或AI，通常需接受多年的训练才能正常对话。
NLP类模型不仅要理解单词的含义，还要理解如何造句和给出上下文有意义的回答，甚至使用合适的俚语和专业词汇。
NLP技术的应用领域
本质上，作为ChatGPT基础的GPT-3或GPT-3.5 是一个超大的统计语言模型或顺序文本预测模型。
2.2 GPT v.s. BERT
与BERT模型类似，ChatGPT或GPT-3.5都是根据输入语句，根据语言/语料概率来自动生成回答的每一个字（词语）。
从数学或从机器学习的角度来看，语言模型是对词语序列的概率相关性分布的建模，即利用已经说过的语句（语句可以视为数学中的向量）作为输入条件，预测下一个时刻不同语句甚至语言集合出现的概率分布。
ChatGPT 使用来自人类反馈的强化学习进行训练，这种方法通过人类干预来增强机器学习以获得更好的效果。
在训练过程中，人类训练者扮演着用户和人工智能助手的角色，并通过近端策略优化算法进行微调。
由于ChatGPT更强的性能和海量参数，它包含了更多的主题的数据，能够处理更多小众主题。
ChatGPT现在可以进一步处理回答问题、撰写文章、文本摘要、语言翻译和生成计算机代码等任务。
BERT与GPT的技术架构（图中En为输入的每个字，Tn为输出回答的每个字）
三、ChatGPT的技术架构3.1 GPT家族的演进
说到ChatGPT，就不得不提到GPT家族。
ChatGPT之前有几个知名的兄弟，包括GPT-1、GPT-2和GPT-3。这几个兄弟一个比一个个头大，ChatGPT与GPT-3更为相近。
ChatGPT与GPT 1-3的技术对比
GPT家族与BERT模型都是知名的NLP模型，都基于Transformer技术。GPT-1只有12个Transformer层，而到了GPT-3，则增加到96层。
3.2 人类反馈强化学习
InstructGPT/GPT3.5（ChatGPT的前身）与GPT-3的主要区别在于，新加入了被称为RLHF（Reinforcement Learning from Human Feedback，人类反馈强化学习）。
这一训练范式增强了人类对模型输出结果的调节，并且对结果进行了更具理解性的排序。
在InstructGPT中，以下是“goodness of sentences”的评价标准。
真实性：是虚假信息还是误导性信息？
无害性：它是否对人或环境造成身体或精神上的伤害？
有用性：它是否解决了用户的任务？
这里不得不提到TAMER（Training an Agent Manually via Evaluative Reinforcement，评估式强化人工训练代理）这个框架。
该框架将人类标记者引入到Agents的学习循环中，可以通过人类向Agents提供奖励反馈（即指导Agents进行训练），从而快速达到训练任务目标。
引入人类标记者的主要目的是加快训练速度。尽管强化学习技术在很多领域有突出表现，但是仍然存在着许多不足，例如训练收敛速度慢，训练成本高等特点。
特别是现实世界中，许多任务的探索成本或数据获取成本很高。如何加快训练效率，是如今强化学习任务待解决的重要问题之一。
而TAMER则可以将人类标记者的知识，以奖励信反馈的形式训练Agent，加快其快速收敛。
TAMER不需要标记者具有专业知识或编程技术，语料成本更低。通过TAMER+RL（强化学习），借助人类标记者的反馈，能够增强从马尔可夫决策过程 (MDP) 奖励进行强化学习 (RL) 的过程。
TAMER架构在强化学习中的应用
具体实现上，人类标记者扮演对话的用户和人工智能助手，提供对话样本，让模型生成一些回复，然后标记者会对回复选项打分排名，将更好的结果反馈回模型中。
Agents同时从两种反馈模式中学习――人类强化和马尔可夫决策过程奖励作为一个整合的系统，通过奖励策略对模型进行微调并持续迭代。
在此基础上，ChatGPT 可以比 GPT-3 更好的理解和完成人类语言或指令，模仿人类，提供连贯的有逻辑的文本信息的能力。
3.4 ChatGPT的训练
ChatGPT的训练过程分为以下三个阶段：
第一阶段：训练监督策略模型
GPT 3.5本身很难理解人类不同类型指令中蕴含的不同意图，也很难判断生成内容是否是高质量的结果。
为了让GPT 3.5初步具备理解指令的意图，首先会在数据集中随机抽取问题，由人类标注人员，给出高质量答案，然后用这些人工标注好的数据来微调 GPT-3.5模型（获得SFT模型, Supervised Fine-Tuning）。
此时的SFT模型在遵循指令/对话方面已经优于 GPT-3，但不一定符合人类偏好。
ChatGPT模型的训练过程
第二阶段：训练奖励模型（Reward Mode，RM）
这个阶段的主要是通过人工标注训练数据（约33K个数据），来训练回报模型。
在数据集中随机抽取问题，使用第一阶段生成的模型，对于每个问题，生成多个不同的回答。人类标注者对这些结果综合考虑给出排名顺序。这一过程类似于教练或老师辅导。
接下来，使用这个排序结果数据来训练奖励模型。对多个排序结果，两两组合，形成多个训练数据对。
RM模型接受一个输入，给出评价回答质量的分数。这样，对于一对训练数据，调节参数使得高质量回答的打分比低质量的打分要高。
第三阶段：采用PPO（Proximal Policy Optimization，近端策略优化）强化学习来优化策略。
PPO的核心思路在于将Policy Gradient中On-policy的训练过程转化为Off-policy，即将在线学习转化为离线学习，这个转化过程被称之为Importance Sampling。
这一阶段利用第二阶段训练好的奖励模型，靠奖励打分来更新预训练模型参数。在数据集中随机抽取问题，使用PPO模型生成回答，并用上一阶段训练好的RM模型给出质量分数。
把回报分数依次传递，由此产生策略梯度，通过强化学习的方式以更新PPO模型参数。
如果我们不断重复第二和第三阶段，通过迭代，会训练出更高质量的ChatGPT模型。
四、ChatGPT的局限
只要用户输入问题，ChatGPT 就能给予回答，是否意味着我们不用再拿关键词去喂 Google或百度，就能立即获得想要的答案呢？
尽管ChatGPT表现出出色的上下文对话能力甚至编程能力，完成了大众对人机对话机器人（ChatBot）从“人工智障”到“有趣”的印象改观，我们也要看到，ChatGPT技术仍然有一些局限性，还在不断的进步。
1）ChatGPT在其未经大量语料训练的领域缺乏“人类常识”和引申能力，甚至会一本正经的“胡说八道”。ChatGPT在很多领域可以“创造答案”，但当用户寻求正确答案时，ChatGPT也有可能给出有误导的回答。例如让ChatGPT做一道小学应用题，尽管它可以写出一长串计算过程，但最后答案却是错误的。那我们是该相信ChatGPT的结果还是不相信呢？
ChatGPT给出错误的数学题答案
2）ChatGPT无法处理复杂冗长或者特别专业的语言结构。对于来自金融、自然科学或医学等非常专业领域的问题，如果没有进行足够的语料“喂食”，ChatGPT可能无法生成适当的回答。
3）ChatGPT需要非常大量的算力（芯片）来支持其训练和部署。抛开需要大量语料数据训练模型不说，在目前，ChatGPT在应用时仍然需要大算力的服务器支持，而这些服务器的成本是普通用户无法承受的，即便数十亿个参数的模型也需要惊人数量的计算资源才能运行和训练。，如果面向真实搜索引擎的数以亿记的用户请求，如采取目前通行的免费策略，任何企业都难以承受这一成本。因此对于普通大众来说，还需等待更轻量型的模型或更高性价比的算力平台。
4）ChatGPT还没法在线的把新知识纳入其中，而出现一些新知识就去重新预训练GPT模型也是不现实的，无论是训练时间或训练成本，都是普通训练者难以接受的。如果对于新知识采取在线训练的模式，看上去可行且语料成本相对较低，但是很容易由于新数据的引入而导致对原有知识的灾难性遗忘的问题。
5）ChatGPT仍然是黑盒模型。目前还未能对ChatGPT的内在算法逻辑进行分解，因此并不能保证ChatGPT不会产生攻击甚至伤害用户的表述。
当然，瑕不掩瑜，有工程师贴出了要求ChatGPT写verilog代码（芯片设计代码）的对话。可以看出ChatGPT水平已经超出一些verilog初学者了。
五、ChatGPT的未来改进方向5.1 减少人类反馈的RLAIF
2020年底，OpenAI前研究副总裁Dario Amodei带着10名员工创办了一个人工智能公司Anthropic。
Anthropic 的创始团队成员，大多为 OpenAI 的早期及核心员工，参与过OpenAI的GPT-3、多模态神经元、人类偏好的强化学习等。
2022年12月，Anthropic再次发表论文《Constitutional AI: Harmlessness from AI Feedback》介绍人工智能模型Claude。（arxiv.org/pdf/2212.0807）
CAI模型训练过程
Claude 和 ChatGPT 都依赖于强化学习(RL)来训练偏好（preference）模型。CAI（Constitutional AI）也是建立在RLHF的基础之上，不同之处在于，CAI的排序过程使用模型（而非人类）对所有生成的输出结果提供一个初始排序结果。
CAI用人工智能反馈来代替人类对表达无害性的偏好，即RLAIF，人工智能根据一套constitution原则来评价回复内容。
5.2 补足数理短板
ChatGPT虽然对话能力强，但是在数理计算对话中容易出现一本正经胡说八道的情况。
计算机学家Stephen Wolfram 为这一问题提出了解决方案。Stephen Wolfram 创造了的 Wolfram 语言和计算知识搜索引擎 Wolfram | Alpha，其后台通过Mathematica实现。
ChatGPT与Wolfram | Alpha结合处理梳理问题
在这一结合体系中，ChatGPT 可以像人类使用 Wolfram|Alpha 一样，与 Wolfram|Alpha “对话”，Wolfram|Alpha 则会用其符号翻译能力将从 ChatGPT 获得的自然语言表达“翻译”为对应的符号化计算语言。
在过去，学术界在 ChatGPT 使用的这类 “统计方法” 和 Wolfram|Alpha 的 “符号方法” 上一直存在路线分歧。
但如今 ChatGPT 和 Wolfram|Alpha 的互补，给NLP领域提供了更上一层楼的可
chat ai和chatgpt是什么关系 chat币和chatgpt有关系么
ChatGPT 以其强大的信息整合和对话能力惊艳了全球，在自然语言处理上面表现出了惊人的能力。这么强大的工具我们都想体验一下，那么 ChatGPT 怎么用呢？本文将给你逐步详细介绍。 使用 ChatGPT 主要有4步： 注册 ChatGPT 账号 通过短信接码平台 sms-activate.org 完成 ChatGPT 手机号验证 登录 ChatGPT 账号，对话框输入，开始使用 Chat GPT ！ 输入任意话题，探索 ChatGPT 的强大功能 好了，我们开始逐步图文介绍。 1.注册 Chat GPT 账号 注ChatGPT这一步主要包含以下几步（需要按照顺序逐步操作）： 将网络环境切换成国外ip（注意：必须是国外 ip 如美国、加拿大等，香港澳门 ip 是不行的），且后续整个注册流程都必须在此网络环境下进行。 打开 https://chat.openai.com/auth/login 链接并使用自己的邮箱进行账号注册 打开邮箱查收 OpenAI 账号验证邮件，点击验证按钮完成邮箱验证 下面每一个步骤的图片，大家可以对照着进行操作
ChatGPT「狂飙」，能否颠覆文娱行业的命？
ft狂飙,狂飙h-wh,狂飙是什么牌子,狂飙什么意思?一夜之间，ChatGPT火到街知巷闻，去年的风口“元宇宙”已成明日黄花。
去年11月30日，美国OpenAI公布了一个通过由GPT-3.5系列大型语音模型微调而成的全新对话式AI模型ChatGPT，它能够进行自然的多轮对话、高效地精准问答，还能生成编程代码、电子邮件、论文、小说等各类文本。有人认为对AI行业，其划时代的意义堪比“iphone诞生之于手机行业”。
微软向OpenAI分别进行了100亿美元、10亿美元的两轮投资，并接入bing、股价大涨，谷歌Bard的*demo演示“翻车”，导致市值一日暴跌1000亿美元。百度、阿里、腾讯、华为、京东、昆仑万维等纷纷上马类ChatGPT项目，清华大学教授沈阳发微博求组队，原美团联合创始人王慧文宣布“5000万美元，带资入组，不在意岗位、薪资和title，求组队”。Wind ChatGPT指数自2月以来已累计上涨26.21%，涨幅排名全市场*。
预计ChatGPT上线不到三个月，月活已达1.2亿，是史上增长最快的消费者应用。没有一家媒体不在蹭ChatGPT热度、用千奇百怪的角度与其互动作为选题，《黑镜》中的科幻未来俨然化身现实，内部文档显示，ChatGPT通过了平均薪酬为18.3万美元的谷歌L3软件工程师的入职面试。各行各业的打工人都在担心：AI是否会抢了自己的饭碗？
01 万物皆可ChatGPT：抢了助理的饭碗
去年被热捧的元宇宙正在悄然熄火。近日科技媒体The Information援引知情人士消息称，微软解散了成立仅四个月的工业元宇宙部门，该部门内约100名员工已全部被解雇。2月初，随着负责人离职，快手的元宇宙业务――全景视频业务宣告暂停。去年10月，字节跳动就被曝出“砍掉元宇宙社交App派对岛的项目团队，项目组成员回归中台原团队。”
早期的元宇宙概念股股价下挫，国内大厂迫切需要找到下一个热点风口，资本也需要找到去向、助推下一个“概念股”的诞生， ChatGPT的横空出世恰逢其时。
去掉资本推手炒作的因素，相比概念更虚、且距离真正落地显得遥遥无期的元宇宙，ChatGPT显示出了更实用的一面，虽然做不到更高级的逻辑思维和创意写作，至少，大部分基础性的助理工作它可以完成。
就文娱行业而言，影视、游戏、音乐、明星等各个领域，ChatGPT都具有广泛的使用场景，它能够在几秒内迅速生成影视剧本或游戏脚本，设计剧本杀场景，谱写音乐和代码，最近刘柏辛便是给出“伤心草莓”的关键词，让ChatGPT作曲，而AI技术倘若能与数字虚拟人结合起来，显然也能极大提升虚拟偶像的智能程度，从而也摆脱了“中之人”不可控的风险。
当笔者提问，请以“冬天，小狗，男人，魔法，火龙果”为关键词创作一个游戏脚本时，ChatGPT回答如下，给出了六个关卡任务，乍一看起承转合、颇为像模像样，但仔细一看则会发现细节经不起推敲，“躲避陷阱”“玩家可以使用魔法杖和魔法药水”等语句出现多次。
由此看来，ChatGPT能够成为相当优秀的“工具助手”，帮助文娱工作者拓展思路，比如迅速列出大量游戏场景，而触及人类情感、创意的部分则是它的弱项。
大量实际问答显示，越是笼统的问题，ChatGPT回答越是模棱两可，甚至会“不懂装懂”，另外作为大语言模型，对数学类问题回答出错，反之，越是精准描述问题，限定关键范围，越能够获得准确、理性、立场无误的回答，而且ChatGPT能够通过在回来互动、反馈中，表现出“不断学习”并进步的态度。
程序员、博主@木遥引用了一篇斯坦福刚发表的文章，表示“心理学上有个术语叫 Theory of Mind，意思是“猜测他人想法和意图的能力”。这种能力是人类一切社交的基础，普遍认为即使是非常接近人类的动物也在这种能力上远远逊色于人。2022年之前的大语言模型在这种测试里基本上是0%。到了2022年底，GPT3.5，也就是 ChatGPT 背后的那个模型，最近的得分是92%，跟普通9岁儿童相当。”
目前的ChatGPT并没有通过图灵测试――决定AI自我意识发展程度的关键。ChatGPT在回答中的事实错误、虚假陈述和错误数据遭到广泛吐槽，《流浪地球2》科学顾问崔原豪指出，当前使用的ChatGPT依然只是离线版本，在我们看到的bing（在线版本）的一些应用示例里，部分问题似乎已经被缓解。
“比如归纳总结、翻译、书写文章、风格修正、翻译、润色、写代码等等，因而，从事这些工作的劳动者，如果不能掌握将ChatGPT作为助手的技能，也许将会成为最早期被机器取代的人。……我始终认为，AI替代的不是简单的某个行业，而是不会使用AI的从业者。AI带给人类的意义也不是替代我们的工作，而是让我们从一些重复性工作解放出来。”
在笔者询问有哪些工作会被它取代时，ChatGPT也肯定了这一点：“需要人类思维、判断和创造性的工作仍然需要人类的参与。”
02 灰产链条滋生：代写、山寨、搬运……
ChatGPT的原理机制是transformer算法，其核心内容是并行计算，从核心科技圈向大众快速蔓延，并且大部分人都能顺利上手使用，将人机交互推向了新的高峰。
当大部分人还在用ChatGPT翻译、干活、代写论文，甚至在昨天情人节时让它代写情书时，*批嗅觉敏锐的人已经开始投身于“如何用ChatGPT搞钱”。
由于国内手机号码不能直接使用ChatGPT，利用民众的好奇心和这波狂飙突进的热度，贩卖信息差带来了“商机”，卖账号是最直接的“搞钱方式”。此前淘宝、闲鱼都有大量此类业务。涉及科学上网、跨区注册账号、订阅会员、申请虚拟手机号等，分为共享账号、独享账号等几类，ChatGPT本身免费，几乎不需要任何投入成本，售卖一个账号则在十几元到98元不等。
另一批用户在获得ChatGPT账号之后，对其产出内容进行二次搬运转手，例如训练其代写论文，收费500元/6000字，以及在抖音上直播代问，进而通过挂小黄车链接、引流或是贩卖教程等途径变现。
除此之外，一批山寨镜像号也在国内兴起。过去蹭元宇宙、区块链热度的一批“微商”“网络掮客”，已经摇身一变转攻ChatGPT。OpenAI提供了API功能，开发者能够搭建自己的前端界面后，可以通过接口使用程序的功能。一众公众号自称已接入chatGPT官方接口，有的甚至就是自己开发的聊天机器人，其主要盈利方式为“付费提问”“抽取佣金”等割韭菜常用方法，有消息称最早的一批入局者已经月入十数万，但这注定只能是监管窗口期的短期快钱，平台已经封了一批名称内含有“ChatGPT”的号。
AI技术正在引发新的伦理问题。代写论文明显涉及“学术不端、作弊”，国外一项对1000多名学生展开的调查显示，超过89%的学生使用ChatGPT来帮助完成家庭作业。教育部门普遍选择封杀ChatGPT，美国多所公立学校禁用了ChatGPT。纽约市教育部门发言人认为，该工具“不会培养批判性思维和解决问题的能力”。多家科学期刊也禁止将ChatGPT列为论文“合著者”。
靠其产出内容在知乎等问答平台上获利，或是写网文，也涉及著作版权侵权的问题，不过目前国内相关AI版权内容还没有完全完善，今后或将成为监管重点。
OpenAI制定了一套不断发展的保护措施,限制了ChatGPT 创建暴力内容、鼓励非法活动或访问最新信息的能力。据称有黑客已经设计出一种绕过 ChatGPT限制的方法，并利用它来销售允许人们创建恶意软件和钓鱼电子邮件的服务。――新科技就像一柄双刃剑，在为网民带来便利的同时，也会有人用它来作恶。
考虑到审查管控等问题，目前国内市场尚属空白，“国内同款”还有相当的机会。百度计划在今年3月推出类似于ChatGPT的AI聊天机器人服务“文心一言”，消息发布后，股价当日大涨5.8%。
在《降临》原作者、美国华裔科幻作家特德・姜看来，ChatGPT相当于所有文本的模糊JPEG――“它保留了网上大部分信息，就像JPEG保留了高分辨率图像的大部分信息一样。但如果要寻找精确的比特序列，你无法找到它，得到的只是近似值。但因为这个近似值是以语法文本的形式呈现的，而ChatGPT擅长创建语法文本，所以它通常是可以接受的。”
综上，“培训如何使用ChatGPT”或许将会是未来的方向之一，如同现在使用Office办公软件一样普及。浪潮已经到来，巨变将在今后显现出来。等到ChatGPT-4 诞生的时候，进化将更为显著。对此，我们要做的不是慌乱恐惧，而是拥抱变化，寻找其中的契机。
【本文由投资界合作伙伴微信公众号：娱乐独角兽授权发布，本平台仅提供信息存储服务。】如有任何疑问，请联系（editor@zero2ipo.com.cn）投资界处理。
