中国人工智能产业深度分析 2024

研究背景：

在问到如何平衡ChatGPT和大学录取的时候，斯坦福大学终身教授李飞飞老师给到了这样的回答，“录取最会使用ChatGPT的前2000名学生是个很有意思的答案。“能够制造并使用工具成为人类进化史上一道显著的分水岭，而当下如何更好的使用AI工具已然成为人类在产业应用、生产生活与学习工作中的热门议题。随着大模型、生成式AI技术的到来，其强大的数据处理、学习泛化与内容生成能力，高质效加速了各行各业人工智能技术的赋能进程，为AI可赋能的场景领域、扮演角色提供更多创新性与可能性。人工智能应用正加速扩散，渗透到办公、设计、传媒、法律、游戏、教育、汽车等多领域。

发展进程

2023年，生成式AI为人工智能领域带来重大突破与新的希望，而围绕生成式AI的政策布局也迅速铺开，从数据资源和算力基础夯实，到快速对生成式AI规范化引导，再到产业扶持，形成一套强有力的组合拳；

从资本市场来看，AIGC概念火爆，近40%的投资事件指向2023年新成立的AIGC公司；

从技术发展来看，大模型基座催化AI工业化生产，加持各AI细分技术赛道的革新发展。而大模型以泛化推理能力见长，小模型以高成熟度、性价比优势仍存市场，大小模型是当下产业应用的核心落点。未来，多模态模型与MOE架构将共同拓展大模型产业空间；

从产业发展来看，中国AI企业正积极抓住应用探索机会，获取新技术浪潮变现的先发优势，生成式AI进一步加速内容产业的渗透进程。

国家也从基础设施角度积极开展智算中心建设，推动AI数据标准建立，鼓励开源数据集发展。

2023年中国人工智能产业规模已达到2137亿元，预计到2028年，中国人工智能产业规模将达到8110亿元，五年复合增长率达到30.6%。对比原本大模型未出现涌现能力的人工智能产业规模值，艾瑞测算，大模型带来的产业加成比例在2028年或达到32.9%。

发展征程

1）生成式AI产业洞察：2023年，全球进入AI驱动的生产革命，生成式技术是时代际遇。预训练大模型的技术架构在多模态路径下优化底层模型训推与理解产出，让决策式AI与生成式AI共筑AI产业发展。国内大模型落地声量加大，行业大模型进入爆发期，其中，医疗与金融为典型落地领域。

从模型模态来看，生成式AI应用的文本模态达高应用成熟度，代码、语音、图像具备商业化基础；

从商业应用来看，国家对大模型上线监管采取“备案制”，已有40+家大模型持“证”上岗。艾瑞认为，B端场景出发需逐步渗透打磨，打通业务逻辑实现更多场景的落地应用闭环，呈延续性曲线融合赋能。C端场景需从供给侧满足硬件设备条件及大模型能力适配，在软硬件生态成熟后涌现阶梯式能量爆发。

2）AI产业边缘与端侧洞察：大模型的出现，加速了AI能力由云向边端多智体的演化进程。当前，大模型正在从算力统管和场景优化两个维度在边缘侧进行落地尝试，部分替代和接管原有云端计算中心的算力调度权限与能力，大大减少云端传输所带来的时间损耗，同时大模型能够取代原有边缘侧用于预测、决策、判别、生成等多类任务的小模型，提升场景泛化能力和使用效果，改善ROI，并正在对自动驾驶技术栈进行全方位升级与重构。AI与终端正在进行加速融合，端侧大模型率先落地于手机、智能座舱等场景。从硬件维度来看，AI重塑操作系统是释放大模型潜力的关键。

发展旅程

从社会层面来看，值得关注的主要风险在于人工智能技术对用户心智、用户隐私及安全伦理问题的潜在影响。从企业应用来看，AI技术的内生性缺陷对企业应用的影响更为明显，人工智能框架、数据、算法、模型任一环节都能给系统带来脆弱性。

基于上述对人工智能发展风险的探讨，未来人工智能产业发展需从技术研究、行业标准规范和法律监管三个层面持续完善和引导。在技术研究方面，提高算法的准确性和透明度，防止偏见和不公平现象出现；在行业标准方面，建立统一的规范和伦理准则，确保人工智能应用符合道德和社会价值；而在法律监管方面，则需制定和修改相关法律法规，保护个人隐私，防止滥用和侵犯权利，由此保证中国人工智能产业稳定实现高质量正向发展。

2023年人工智能产业活跃动态

人工智能产业进入高速发展期，创造多个技术、市场、监管里程碑

在人工智能发展历程中，2023年必将被载入史册。相比前代AI具备高可用性、高拟人化的预训练大模型跨越技术奇点，国内外技术公司、高校、研究院的语言、图像、视频、音频大模型在2023年以极快的速度相继推出和迭代，基于预训练大模型的应用在全球范围内产生了爆炸式的影响，从社会群众到AI从业者，对人工智能技术能够带来的生产生活变革，都实现了颠覆性的再认识。艾瑞通过技术本身、应用变体、算力支持、政策监管和国际局势五个维度，对2023年AI世界的发展进行全面梳理和俯瞰。

2023年人工智能产业大事记总览

顶层设计驶入深水区，生成式AI成焦点

规范引导、基础夯实和产业扶持三管齐下，促进AI全方位深化发展

自2019年以来，我国人工智能相关政策始终紧随技术和产业发展步伐，历经广泛试点、建设框架、产业化发展、场景化落地四个阶段，切实推动人工智能从一项新兴技术走向规范应用。2023年，生成式AI为人工智能领域带来重大突破与新的希望，而围绕生成式AI的政策布局也迅速铺开，从数据和算力基础夯实，到快速对生成式AI规范化引导，再到产业扶持，形成一套强有力的组合拳。

近年人工智能技术及产业发展相关政策分析

AI示范先导区及产业集群初具规模

极点发挥示范引导作用，以点带面形成AI产业集群

我国人工智能重点区域与产业集群建设都取得显著成果。从重点区域看，北京、深圳、苏州等地人工智能产业发展迅猛，北京为其中之最，在中国新一代人工智能科技产业区域竞争力评价指数当中综合分位列第一，从企业扶持、技术探索、产业落地等多个方面建设取得显著成果。

2023年，北京市显著加大对人工智能产业扶持力度，将重点通过扩大产业规模、提升链接能力，将人工智能产业打造成为北京市经济增长的新引擎。从产业集群看，我国产业集群发展总体呈现极化与扩散并存的特征，在地域关系上以北京、上海、广东为产业核心，通过区域内部和区域之间的紧密合作，打造出新一代人工智能产业网络空间；在企业簇群上以华为、腾讯、京东、阿里及三大运营商为核心节点，并通过与周边关系节点的交流合作，打造我国人工智能产业的复杂生态。

典型城市：北京市人工智能发展独具特色

发展成果

人工智能科技产业区域竞争力评价指数（2023）

未来规划

产业集群：极化与扩散并存

国已经初步形成以京津冀、长三角、珠三角为代表的人工智能产业集群，其发展呈现出核心区域持续“极化”，从极点向外逐步“扩散”的整体趋势

地域关系

从技术合作关系密度来看，北京市、广东省和上海市构成了我国人工智能产业集群价值网络的三个“极点”，这三个区域无论是对内对外，都是技术合作最密集的地区，且仍处于不断扩张的趋势。虽然整体而言极点内部技术合作多于外部合作，但仅看外部合作，三大极点的对外技术赋能要高于从外部获得的技术输入，这说明从极点向外的技术扩散和带动效应十分显著。

企业簇群

企业簇群是产业集群的关键构成要素，而人工智能企业簇群价值网络同样呈现极核状，少数核心节点是产业发展的主导。关键节点通过与研究型大学、国外基础软硬件供应商、产业智能化企业与地方政府的技术合作与交流，发挥辐射与带动作用，构成产业集群的灵魂所在。

一级市场：AI产业投资风向转变

AI产业开启新一轮融资周期，新概念下原有赛道稳步跟进

从2017-2022年，随着人工智能产业成熟度不断提升，融资逐步向中后期过渡，而在AIGC概念火爆的2023年，种子轮与天使轮融资重返主力位，在这其中，近40%的投资事件指向2023年新成立的AIGC公司，这表明AIGC正在引领AI产业新一轮融资周期。与此同时，原有AI各技术赛道也依然保持活力，机器学习使用最广，存在感最为明显，计算机视觉、NLP依然紧随其后。值得注意的是，AIGC相关融资占2023年AI产业全部融资事件的28%，并且在除机器人外的各个赛道均有渗透，成为年度AI融资的最大关键词。

2021-2023年中国人工智能产业投资轮次分布情况

2023年人工智能产业各技术赛道投资分布情况

一级市场：新的投资逻辑创造资本神话

资本抢注“有背景”的AIGC团队，构建新格局时代，企业资源决定成败

2023年中以前，许多投资人对AIGC持观望态度，但仍有不少资本势力躬身入局。从全年战绩来看，2023年资本缔造了5家中国AIGC独角兽和一家准独角兽，其中4家为2023年新开项目，“AIGC速度”充分证明这一轮AI技术爆发对传统AI赛道投资逻辑的改变。一方面，资本对AI所能提供的商业价值普遍产生新的认识，另一方面，从具体公司来看，资本明显看好名人创业+大模型团队的配置。筑造优秀大模型技术企业需要算力资源、数据资源及生态资源的多方加持，方能从技术研究走向商业生态的长久闭环。未来AIGC应用创业公司将成为未来赛道健康成长的关键支柱。

AIGC带来AI投资逻辑新变化

价值视角——纵观AI赛道，进行价值再认识

2023年AI产业及AIGC赛道美元融资事件占比（%）

投资策略——落回具体标的，重视公司的资源整合能力

在看好AI赛道的前提下，对投资标的选取也呈现出与以往不同的显著特点

二级市场：AI公司IPO机遇与挑战

港股将为AI公司开放更大窗口，长期盈利能力证明是过审关键

2023年，共有18家AI公司进入IPO阶段，而其中12家选择港股上市，除了全球化募资的野心外，更大原因在于港股对高新技术企业上市的财务指标要求表现出明显的宽松倾向，预计未来会有更多AI公司选择冲刺港股。与此同时，AI公司上市过程仍旧相对反复曲折，许多公司多次重复交表，而进入问询阶段后，企业面临对长期盈利目标与战略更加严格细致的拷问。

2023年AI公司IPO进程分析

二级市场：AI上市公司表现接近大盘

AIGC概念并非万金油，投资者预期收缩

AI上市公司股价变动分析

2023年AI上市公司未显现逆势上行，投资者买单AIGC概念

2023年，A股大盘指数在跌宕中呈下降态势，国内AI上市公司共计36家（含美股与港股），其中2023年末收盘价相比年初下跌的有24家，总体与A股大盘全年态势基本符吻合。

同时，也有部分AI公司及AI概念股出现明显上涨趋势，AI领域如计算机视觉、NLP、智能语音与AI数据领域，基本符合AIGC概念从算力+数据+相关算法全链条对相关公司的利好逻辑，但由于国内大部分AI芯片厂商未上市，二级市场反馈并不明显。AI概念股中，与AIGC相关的云基础设施公司如浪潮云，属于AIGC最直接应用场景的网文、影视公司如掌阅、天娱数科等，也受到投资者青睐。

2023年中国AI上市公司股价变动情况

市场对AI“故事”正在脱敏，AI公司需要尽快交出盈利答卷

2023年新上市AI公司共5家，分别为第四范式、小i机器人、云天励飞、知行汽车与优必选，涵盖了AI领域大部分赛道，上市后股价均不容乐观，而其中无论是作为为传统机器学习头部厂商如第四范式，还是典型以NLP、智能语音技术提供智能坐席等服务的厂商小i机器人，都有明确拥抱AIGC的动作和规划，但从实际结果而言，资本市场并未买单。

AIGC概念股在2023年也普遍经历了一轮猛烈上涨后回落。从交易机构审查到真正进入投资者视野，AI公司讲好故事仅仅是第一步，找到切实可行的盈利方向迫在眉睫。

主打AIGC概念的AI上市公司2023年股价走势

AI上市公司一览

大模型加持AI技术赛道革新发展

大模型基座催化AI工业化生产，Decoder only路径引领生成式AI产业变革

基于模型底座的AI技术迭代图

在自然语言处理能力上不断突破创新

突破语言理解能力、文本处理长度、知识增强等技术，缓解LLM幻觉问题

大模型文本能力提升路径

01 大模型的上下文本长度不断增加，提升文本处理能力

02 检索生成增强RAG成为大模型外挂知识库的有力帮手

在计算机视觉赛道优化补全生成能力

AI初具对世界的三维理解与创造能力，Sora模型为全球带来更多想象

2024年2月，OpenAI发布Sora模型，在全球范围内引起剧烈反响。Sora是一个以视频生成为核心的空间模型。它的出现，标志了DiT（Diffusion Transformer）架构的融合成功，且在视觉领域同样可以出现涌现能力，未来持续迭代有望进一步提升视觉模型的生成效果，可喻为视觉生成领域的“GPT 3”时代。

此外，随着模型计算规模逐渐增大，模型在物理世界的关键特征、数字和内容的标注理解下，成功建立相应的物理特征与数字关联，具备模拟现实世界中人类、动物和环境，甚至事件生成的能力。因此未来Sora模型不仅可以在影视、医疗、教育等领域提供生产力角色，还能基于对世界空间的认知理解，服务于空间模拟、视频计算、数字孪生等深层需求，成为一款更具通用能力的世界模型。

引爆全球的“世界模拟器 ” Sora

Sora的技术原理

Sora的技术局限性

Sora的技术优势及战略意义

Sora 功能实现：60s视频长度

Sora 技术优势：

✓ 连贯性、一致性、稳定性：人物和背景的连贯性、前后主题的一致性与稳定性及物体恒存性等

✓ 视频内容生成的灵活性：可生成不同尺寸、像素、画幅的图像视频，并完成图生视频及视频延长、视频连接、视频编辑等功能

✓ 视频内容对物理规律的理解：没有人为约束下视频内容满足物理学规则，但仍存在局限性

Sora 战略意义：视觉的“Scaling LAW”

第一个确认展示出涌现能力的视觉模型，是计算机视觉领域的重要里程碑，验证DiT路径大力出奇迹的可行性。

“大小模型融合赋能” 是当下核心应用落点

大模型以泛化推理能力见长，小模型以高成熟度、性价比优势仍存市场

“ChatGPT爆火后，NLP技术不存在了”，这类说法在2023年讨论的如火如荼。而艾瑞与人工智能产学研厂商深度交流后认为，NLP小模型仍在被广泛应用，为供给侧厂商完成意图识别、检索匹配等任务。NLP技术不存在更多是从前瞻性学术角度来看，而从产业应用角度，大小模型结合仍是人工智能产业的当下核心应用落点。而随着智算规模扩张、大模型能力提升及应用成本降低之后，大模型的确会对小模型的更多应用场景展开替代趋势，尤其是在大模型擅长的归纳推理、内容生成等语言语音应用场景。

中国人工智能产业应用落地大小模型应用逻辑

“集大一统”的多模态模型是未来发展要点

多模态与MOE共同拓展大模型产业空间

从产业发展视角，当前大模型明显的痛点一是适配场景有待发掘，二是落地成本偏高。现实世界当中的数据往往是散乱且混合多模态类型，尤其对于自动驾驶、安防等人工智能产业的主战场，多模态模型相比单一模态，其适用场景将有数倍增长。另一方面，从落地成本出发，大模型剪枝虽然能够有效缩减参数，但也面临应用效果的折扣。MOE架构通过专家模型之间的合作和调用，在降低模型应用成本的同时，还能提升应用效果，将成为未来大模型技术拓展的重要方向。

单模态、款模态向多模态：开启大量潜在应用场景

为什么需要多模态

多模态模型的技术路径

多模态大模型领域的技术栈尚未收敛，但当前主流方式基本以大语言模型为核心，主要手段将其他模态数据统一转化为LLM能够理解的向量表征，从而实现语言与其他模态数据在理解和输出方面的对齐（详见下图）。其余方式还有通过提高大语言模型对其他模态数据感知能力、采用工具辅助或是数据驱动的方法。

单一架构向MOE架构转变：改善大模型落地成本

MOE架构(混合专家模型）：技术原理

MOE架构优势

人工智能产品实现有序应用

AI及自动化技术有序应用在中国企业的IT网络流程与业务职能部门

全球的自动化及人工智能浪潮正以前所未有的速度推进，深刻重塑着各行各业的运作方式。AI技术在数据分析、机器学习、自然语言处理等方面取得了显著进步，不仅极大地提高了生产效率和服务质量，还显著推动了新产业的诞生和旧产业的转型升级。根据IBM发布的《2023年全球AI采用指数》数据，中国已将AI及自动化技术运用在IT、网络流程、业务流程等业务领域，并将AI技术广泛服务于IT开发、人员运营、销售市场、客户服务等部门人员。

中国企业应用AI与自动化技术的业务比例

中国企业应用AI技术的人员比例

生成式AI产品初衷更在价值提升

生成式AI产品率先落地于营销销售与产品开发等场景

生成式AI的产品价值在于其强大的内容生成能力，能够为用户提供高度个性化的内容生产，满足企业内外服务的多样化需求。根据IBM发布的《2023年全球AI采用指数》数据，以工业、通信、金融为代表的行业企业是拥抱生成式AI产品的领域先行者，且相较于原本对标“降本增效”的AI产品，生成式AI产品的首要目标更多在于“提升产品服务价值”，尤其是AI高绩效企业表现更为明显。

各行业企业对于生成式AI产品的应用现状

组织生成式AI产品的首要目标

生成式AI产品的常用受访者占比

营销与销售常见用例

产品服务开发常见用例

服务运营常见用例

中国对AI的关注与应用位于全球前列

中国AI企业正积极抓住应用探索机会，获取新技术浪潮变现的先发优势

根据IBM发布的《2023年全球AI采用指数》的数据显示，2023年，有高达85%的中国企业表示在过去的一段时间里加快了对AI的投入应用，63%的中国企业表示正在积极应用生成式AI，34%的中国企业正在积极探索生成式AI。全球范围内，中国展示出了对AI应用的超前积极姿态，不仅关注投入AI技术的前沿动态，更致力于AI落地探索的实际应用，以获取新技术浪潮下的新一轮竞争性优势。

全球不同国家已探索/应用 AI的IT公司对AI产品的投入变化

全球不同国家对于生成式AI的应用现状

中国AI+行业进程加速渗透

决策式AI与生成式AI的共同赋能，生成式AI加速内容产业的渗透进程

人工智能技术正与人类经济生产活动的主要环节达成紧密结合，提供生产办公效率提升、运营管理优化、服务体验增强等效果实现。

而随着大模型、生成式AI技术的到来，其强大的数据处理、学习泛化与内容生成能力，高质效加速了各行各业人工智能技术的赋能进程，为AI可赋能的场景领域、扮演角色提供更多创新性与可能性。

在对原本计算机视觉产品、对话式AI产品、决策智能产品完成能力优化外，衍生出更多文本生成、代码生成、图像生成等产品功能，由技术底层实现内容生产效率的飞越，并有望进一步变革人机交互方式，以对话形式降低人机交互门槛，高维度优化用户交互体验。

人工智能技术广泛渗透进经济生产活动主要环节

中国人工智能产业图谱

2024年中国人工智能产业图谱

中国人工智能产业规模

2028年中国人工智能产业规模将超8000亿元，五年复合增长率达到30.6%

根据测算，2023年中国人工智能产业规模已达到2137亿元，大模型带来的底层技术革新将为中国人工智能产业的规模增长带来更多存量扩张与增量空间。2028年，中国人工智能产业规模将达到8110亿元。对比原本大模型未出现涌现能力的人工智能产业规模值，艾瑞测算，大模型带来的产业加成比例在2028年或达到32.9%，在语言语音模态规模加成最为显著，未来大语言模型、语音大模型的产品门槛与应用成本将逐步降低，带来更多API能力调用与产品解决方案的AI能力融入发展，尤其在2024年以后，更多AI产品逐步变现、AI能力下放至边缘侧与端侧之后的影响将更为明显；原本以图像识别为主的计算机视觉市场增长变缓，受政策及政府预算影响，泛安防类的业务增长更多被医疗、工业等CV产品取代，且图像生成市场将在未来3-5年迎来更多商业变现机会，进一步填充计算机视觉模态的市场空间驱力。

中国人工智能产业规模盘点

2028年大模型产业规模加成 30%

1）模型产品替代存量逻辑：， 大模型架构对现有人工智能产业带来重构加成，更多小模型方案被大实现产业存量扩张。

2）增量逻辑：大模型架构为人工智能产业应用带来更多落地可能与场景机会，带动更多生成式AI应用的产业增量。艾瑞测算增量规模仅考虑现有产业与技术架构的带动加成，未来AI技术与VR、泛互联网、游戏等产业空间的TAM规模将更具想象空间。

2020-2028年中国人工智能产业规模

2023年中国人工智能产业模态分布

2028年中国人工智能产业模态分布

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】