快捷搜索:
www.8029.com > 技术知识 > 助力人工智能应用,AI应用的最后生机勃勃里路

原标题:助力人工智能应用,AI应用的最后生机勃勃里路

浏览次数:57 时间:2019-12-18

原标题:荐读 | AI应用的最后一里路

研华近来积极投入AI深度学习领域,就观察发现,除了要收集海量的学习数据之外,系统开发者最常遭遇的难题莫过于繁琐的系统建置工程,像是要使用什么样硬件平台才能有足够的性能执行复杂的函数运算?什么样规格的硬件可满足噪声干扰多的公共运输系统、高标准的科技厂房无尘作业环境、安全防护等级高的医疗院所等场域之要求?AI系统又要如何连接上层管理软件或云端平台?是否有现成可用的知识模型以缩短深度学习的训练时间?而现有的系统若想要升级为深度学习系统时又该从何下手?

由工研院主办的半导体年度盛事「2019国际超大型积体电路技术研讨会」于23日登场,大会今年聚焦在最热门的AI 、5G、自驾车、半导体异质整合、2D材料等相关技术产业发展现况与未来趋势,邀请Intel、IBM、台积电、安谋、美光、高通、加州大学柏克莱分校、台湾大学等国内外一线厂商及学校专家与会进行分享,看好未来产业走向智慧物联网发展,晶片运算力和运算量的需求将同步提升,处理即时资料比重将大幅提升促动边缘运算兴起,搭配无线高速传输新标准5G等创新应用,将成为半导体产业下一波的成长契机。

踏入了12月,又到了岁末年终的时候,在过去的一年,有几个科技领域都有相当惊人的发展,许多已从当初的研发、实验阶段进入场测,甚至是市场。总结今年各种新兴科技的发展状况, MIC预测了2018年信息通讯(ICT)产业的十大趋势,预期ICT各领域将在“智慧、开放、服务、整合”四个方向发展。其中“智能”就是由人工智能(AI)来带动的智能化应用与技术热潮;“开放”就是指开放的软件与网络运算架构;“服务”则是迎接5G时代的未来新兴技术发展方向;而“整合”则是多元智能应用崛起带来的跨领域应用、系统整合解决方案等跨域化趋势。

图片 1

为此,研华以兼具软硬件的深度学习完整解决方案──包括负责训练深度学习模型的训练平台、运用知识模型于现场执行推论的推论平台、方便开发深度学习系统的软件开发工具、已完成训练且可直接套用的知识模型、以及专业团队提供的系统规划与技术咨询服务──来解决上述种种问题,从而降低了系统建置的复杂度,让开发者更容易布建AI深度学习系统,并将心力投入于其所熟悉的产业知识(domain know-how)以催生出更多创新又务实的应用。

VLSI-TSA协同主席同时也是工研院电子与光电系统研究所所长吴志毅表示,AI时代的来临,世界各国纷纷将AI列为国家重要的发展目标,而AI改变人类生活型态的速度取决于AI晶片发展的速度,这与台湾一向领先的半导体产业技术有密切的关是,也是台湾产业之切入点。未来装置端的AI晶片,走向可重组来因应不同演算法、异质整合不同的感测器,及拥有共同的介面标准来介接不同厂商之晶片,甚至整合多颗AI晶片来扩增运算力。工研院在此方面整合台湾产、学、研能量,聚焦包括具设计弹性的晶片架构、具低成本的异质整合、低功耗的新兴运算架构、可缩短设计时程的软硬整合平台四大方向,与台湾半导体产业携手,建立起具有全球竞争力的AI晶片产业链。

图片 2

style="font-size: 16px;">AI落地是大家一直在探讨的问题,因为不管技术多华丽,最终能否应用在人们的日常生活中,才是关键。那么距离AI渗透生活的那天,还有多远呢?这当中还有什么关键拼图待补?

深度学习开启人工智能的更多应用

工研院资通所所长阙志克表示,近年的新兴技术如自驾车、无人机等,皆需要AI技术来协助执行包括自动驾驶、避障、航线规划等功能,背后重要的推手就是「AI晶片」的即时运算能力。AI晶片因为需要配合实际系统应用进行客制化设计,因此没有标准规格,对于台湾厂商而言,分析与制订晶片架构规格的能力就显得特别重要,这也成了政府推动AI产业化的一大挑战。工研院所研发的「AI晶片架构设计与软体编译解决方案」,便是为了克服此一难题,帮助台湾IC设计厂商打通任督二脉,快速抢进AI晶片的市场新商机。

就此四大个发展方向,MIC归纳出10个ICT产业在2018年的重要发展趋势,包括“辨识精准化”、“零售智能化”、“安全AI化”、“软件开放化”、“运算边缘化”、“技术服务化”、“网络服务微型化”、“电信营运数据化”、“应用跨域化”与“产业集中化”等。以下是10大重要发展趋势的深入说明。

随着Google旗下DeepMind所研发的人工智能(AI)系统AlphaGo所带起的一波人工智能热潮,台湾没有错过。

运用神经网络算法的深度学习技术让讨论了超过半世纪的人工智能得以走出实验室。现今的人工智能已不再只是打败世界棋王的超级计算机、正在路测的无人驾驶车、或者是试图拟人化的机器人等研究领域的专属技术,而是更具实用性、也更大众化的应用系统,譬如以AI的深度学习技术提升科技工厂生产良率、为农民筛选质量不良的坏果、于零售门市进行人流分析、协助医师判读医学成像、停车场的车位在席侦测、以及主动纠举交通违规等等。

积体电路是奠定微电子技术的基础,也为人类生活带来了深远的影响。一直致力贡献于IC设计及半导体产业发展的潘文渊文教基金会史钦泰董事长表示,过去台湾产业向来以硬体见长,在整体资源有限下,政府必须聚焦在重点产业专注发展,而今在网路时代许多应用都与软体相关,从物联网、大数据到人工智慧的新兴应用等,这对制造业来说,除了基本功如持续研发、关注客户、了解竞争对手并放眼世界等不能松懈外,还必须关注人才延揽与培育以及创新,朝未来智能系统的趋势跨业整合。

1. 辨识精准化

台湾科技部长陈良基将2017年订为台湾的「人工智慧元年」(小编注:台湾称人工智能作人工智能,),从建立「人工智能高速运算服务」、在台大、清大、交大、成大设立「AI创新研究中心」、打造中科与南科的「智能机器人自造者基地」,到AI计画的最后一块拼图「半导体射月计画」,都是希望强化台湾半导体产业于人工边缘智能(AI Edge Intelligence)的核心技术竞争力和在前瞻半导体制程与人工智能晶片系统研发。

目前研华的深度学习完整解决方案以成功导入制造业、农业、零售业、交通运输业等诸多行业。光是智能交通领域就有城市道路车流统计分析、捷运车厢人潮侦测、停车场车种计数与车牌辨识、户外停车场车位侦测、公交车停靠区违规停车、大型车辆行车管控、铁道落轨或入侵铁道侦测等等的应用。

《2019 ERSO Award得主揭晓》表彰台湾半导体、电子、资通讯、光电及显示等产业有杰出贡献的ERSO Award于会中宣布今年度得奖人名单,包括中美硅晶董事长卢明光、华邦电子董事长焦佑钧、M31星科技董事长林孝平、纬颖科技总经理洪丽甯共四位。

资策会MIC产业顾问兼主任洪春晖指出,在“深度学习”技术发展下,无论是语音或图像辨识能力之精准度皆已大幅提升,此外,人工智能算法的持续强化,使语音识别、影像辨识等技术不断突破,再配合AI芯片运算能力的提升,将进一步增加智能终端的附加价值,开拓更多元的智能化应用。

曾经走红的万物联网让科技产业认为,这就是未来的智能样貌,直到AlphaGo击败世界棋王,科技圈才发现人工智能所带来的「智能服务」,才是真正赋予了万物联网的背后价值。

其中,城市道路车流统计分析的解决方案是于交通控制中心安装服务器等级的训练平台SKY-6100、路侧设备处则安装高性能的推论平台MIC-7500,两款硬件平台即可将该路段每个车道上行经的车辆依车种别(如脚踏车、摩托车、汽车、货车、公交车等)进行辨识,辨识结果再经由网络上传至云端平台。而研华的SDK内提供的API则能让数据与系统整合厂商的应用系统无缝对接,从而生成车流报表、或供仪表板实时显示、亦可作为智能控制之数据源。而与过往在道路上铺设感应线圈来统计每一时段有多少车辆经过只能有粗略的总量报表相比,导入深度学习应用的新管理模式不仅免除了封路铺设线圈的麻烦,亦能获得更详尽也更精确的统计资料。

ERSO Award肯定卢明光董事长成功带领中美硅晶建构完整的晶圆生产线,产品系列已跨越资讯、通讯、光电、民生能源等领域,供应国内专业晶圆材料。焦佑钧董事长率领华邦电子致力于记忆体产品的生产与设计,以IC发展上之专业技术来拓展人类生活各项领域之应用。林孝平董事长于2011自行创业,提供半导体产业高速传输介面及基本元件IP,协助相关产业减少产品开发阶段失败机会,客户涵盖各大晶圆代工厂与IC设计公司。洪丽甯总经理领导纬颖科技,锁定云端伺服器业务发展、专攻云端客户,提供巨型资料中心、云端基础架构产品及系统解决方案服务。 潘文渊文教基金会自2007年起设置「ERSO Award」,期望延续开创台湾科技产业及培育人才的精神,带动新科技产业发展,从创新及产业开创性等角度遴选出台湾产业的杰出领导人。

现在很多行业皆已利用辨识技术进行营运模式创新,除了传统3C产业外,零售及服务业更是首当其冲,像是交通、警政机关、公共建设、金融、汽车、医疗等。至于AI应用终端方面,服务型机器人、车载设备、智能家居设备、智能手持、ATM、广告广告牌、贩卖机、以及POS机等等专用设备等,都是2018年观察的重点。

边缘智能,AI应用的最后一里路

而公交车停靠区违规停车案例则是于现场装设内建知识模型之外观精巧的小型推论平台MIC-7200来接收侦测摄影机拍摄的影像,经过推论平台的辨识,一旦发现停靠该区的车辆并非公交车,不但现场设置的电子广告牌与广播器会发送警示以告知车主禁止停车的讯息,同时系统亦会于停靠逾三分钟后将数据上传至云端平台之车牌辨识系统以及警察局,以供执法人员径行举发违规临停。透过这样的科技执法工具,人力吃紧的派出所可以远程监控且不再需要亲临现场即能取缔违规;而心存侥幸、贪图一时方便的车主亦在持续影像监控下无所遁形,从而降低任意违停的乱象。

2019VLSI 国际超大型积体电路研讨会邀请到国内、外一线厂商及学校,分享国际最新半导体元件与制程、晶片设计趋势以及系统整合的设计与应用,并针对AI、5G应用程式、自动驾驶、半导体异质整合、2D材料之发展现况与未来趋势进行分析与探讨。活动吸引来自现场来自世界各地包括欧、美、日本、韩国、台湾等地重量级大厂近900人齐聚,开幕当天现场冠盖云集,包括科技部部长陈良基、经济部技术处科技专家蔡猷陞等均共同参与此科技盛会。

2. 零售智能化

事实上,许多具有传感器的装置早就存在我们的生活里,如摄影机、相机、喇叭与麦克风等也在过去10年左右,数位化连上网路。但连结网路摄影机与网路连接储存装置(NAS)所组成的数位监视系统相较于过去闭路式、类比讯号的监视装置,除了储存资料数位化之外,在本质上并没有太大的不同,一样需要人监看、回放,并判断实际现场状况。但当人工智能应用普及,影像辨识、语音辨识转成文字不再遥不可及,网路摄影机或现场麦克风所传回的资料都可即时透过自动辨识,判断画面中的物体,加上搜集人脸资讯及现场收音,AI都足以自动综合解读更多现场状况,让安防业者不再需要配置人力长时间全神贯注监看,仅须排除异常状态。

AI是为了解决人类现存问题而存在,而具有自我训练能力因而大幅提高图片、影像、文字或语言等数据辨识度的深度学习则让AI成为在各行各业真正实用的好帮手。但各领域中擅长数据整理与分析的系统开发者并不那么了解深度学习需要怎样的运算环境。而于垂直产业有广泛的软硬件整合经验又有多样化产品线的研华可针对不同场域提供适合的深度学习完整解决方案,还能从丰富的第三方合作伙伴中引进系统所需的资源,从而减轻了繁杂的系统建置工作并降低技术门坎,让系统开发者能尽速完成项目。而研华也相信透过这样资源整合的全方位服务,由AI深度学习技术延伸出的创新智能应用,遍地开花的繁荣景象定是指日可待。

洪春晖指出,多家大厂诸如Amazon、阿里巴巴等都在语音、影像辨识的基础上提出智能零售的概念,从而衍生出订制化服务、虚实整合与销售通路多元化等新经营模式,带动AR电子广告牌、云端摄影机、智能POS设备、自动结账设备等新兴终端需求;此外,具有影音、感测的终端设备需求也因此增加。

监视系统配上人工智能应用,仿佛在机器中加上了灵魂,如果可透过人工智能学习不同辨识内容组合的场景意义,并对应相应的处理机制,就赋予数位监视系统协助安防控制,真正达成智能化。

3. 安全AI化

然而,要能够让摄影机进行影像辨识,除了可以将影像透过即时传输回主机上再进行计算判读外,也可以想办法透过摄影机上的处理器,直接计算进行辨识。前者需要占用大量网路传输资源,也有延迟时间的限制,但如果可以在摄影机里加上适当设计、可节省电力的处理器与作业系统,直接现场计算辨识,不但可以省却传输成本,也能减少辨识结果的延迟时间,加快即时反应。「边缘智能」就是指「在最终端装置上的处理器与全套作业系统」,也可说是人工智能落实到真实生活未来应用的最后一哩路。

在智能物联网发展趋势下,安全成为了关键的议题。2017年安全事件频传,攻击型态也趋于更复杂多变且更加难以防范。然而,随着万物联网时代来临,未来即使是较传统产业的相关领域,也需要安全机制进驻。未来安全结合AI技术,借以强化防御机制的发展趋势将会更值得关注,包括提高情资分析的精准度、透过行为分析侦测异常值、以身份认证提升效率、沙盒测试、系统漏洞侦测与修补等等。

从训练到推论,晶片是最后一块拼图

情资分析提高精准度:透过AI结合数十万件恶意软件、垃圾邮件、勒索软件等信息,应用于网页安全、以及社会工程上辨识恶意攻击。 ►行为分析侦测异常值:侦测端点的异常行为,通常应用在入侵检测、未知威胁与APT攻击防御。

然而对企业来说,深度神经网络1(Deep Neural Networks,DNNs)所带起的人工智能浪潮,就如同遥远的国度发生了大海啸,要把如今相对成熟的图像辨识、语音辨识或文本翻译,放进真实环境做商业应用仍还有一段距离。

  • 身份认证提升效率:提升验证码的效率,如利用人脸图像辨识、语音声波辨识、以及文字选择等方式。
  • 系统漏洞侦测:2016年8月美国国防部漏洞侦查竞赛引入人工智能,透过AI寻找系统漏洞,未来能拓展至军队的应用。
  • 系统漏洞修补:2017年10月美国麻省理工学院 (MIT) 研发创世纪系统,能够生成补丁,其修复速度为真人的两倍,且更为精准。
  • 物联网设备漏洞检测:2017年7月,百度安全结合AI,推出针对各种类型设备进行检测的工具,包含漏洞扫描、渗透测试等。
  • 沙盒测试:透过AI强化辨识隐藏的、或是未完全执行的恶意软件

由于深度学习2的演算法与相关应用仍在快速演进中,无论是智能城市、智能零售、智能音箱或无人车等实际的应用场景,仍在大量搜集数据,让深度学习演算法学习辨别这些资料特征与模式的阶段,这个系统过程称为训练(Training),让电脑尝试从我们所搜集的资料来学习。

4. 软件开放化

图片 3

洪春晖指出,从软件角度而言,开源软件(Open Source Software, OSS)从过去的反独占诉求,至今已成为技术突破创新的主要动能。包括云端、大数据、物联网、人工智能、区块链等,都是以开源软件为核心,借助开源社群的参与,加速技术与应用开发,以获得业者、用户的认同与接受。指标性厂商如Microsoft、Apple等近来也开始拥抱开源,就说明了软件开放化已经是不可抵挡的趋势,后续在软件开发也将扮演更吃重的角色。

训练的过程需要极大的运算量,以图像辨识为例,要训练电脑模型认识一种特定物体,例如花朵或猫咪,可能需要至少千张、多则超过百万张各种不同角度、不同场景、不同光线下所拍摄的照片,因此这样的运算往往在云端或资料中心进行。

然而,在开源软件蔚为风潮的今天,对于相关的智财权问题也必须谨慎以对。由于开源软件是无偿开放使用的,假设今天碰上侵权纠纷,软件提供者可能完全置身事外,要使用者独自面对诉讼之危机。

如果要求同样一个模型要能够辨识各种不同品种的猫,除了需要更大数量的照片,更需要人工对这些照片中的猫咪品种先进行分类标注,再交给深度学习相关的演算法进行训练,才能得到最终可应用的模型。

5. 运算边缘化

训练是整个人工智能应用里,最耗计算资源的工作步骤,所以通常都会透过绘图处理器(GPU)所特别擅长的平行运算来进行加速。尤其是现在最热门、常超过百层、复杂度极高的深度神经网络,都会希望使用特殊可针对大型矩阵运算做平行处理的特殊计算晶片,来加速训练过程。然而,人工智能的真实应用往往发生在终端,无论是图像、影像、语音辨识或文本翻译,透过深度学习所训练出来的模型如果放在云端,意味着每次应用发生时,终端首先要传输图片、影像、语音或文本,等云端判读后再将结果回传。就算网路频宽再大、速度再快,这段传输与回传过程都须占用资源、并造成反应时间延迟。

资策会MIC认为,传统云端运算的集中式网络运算模式在近期出现更优化的运算架构概念。由于各种智能应用产生大量数据信息,如果全部仰赖云端处理,将导致数据壅塞、无法立即回应等问题。为了因应此问题,逐渐衍生出在云端之外,透过终端与中间层所建构的边雾运算体系,赋予终端更多运算、储存、分派的功能。相较既有云端架构可能出现过度负载、延迟率、实时响应等问题,边雾运算采用更加“分散化”的运算架构来强化运算实时性(如图1所示)。也唯有能实时运算,才能实时反映问题,实时作出相对应的响应,此一应用于自驾车及智能制造等领域具高度发展潜力。

所以,能够在终端接收实体资料,并快速预测回应的过程称为推论(Inference)。对推论来说,在终端应用上减除那些对预测不必要的模型,或是合并对结果无足轻重的运算,来缩小计算规模非常重要。就算推论相对不消耗运算资源,但多数推论应用仍须特殊计算晶片加速来缩短反应时间,也就是说,若终端要能进行推论,每一台装置上都将以晶片来加强能力。

图片 4

图片 5

图1. 透过终端与中间层所建构的边雾运算体系

陈美如/制作

6. 技术服务化

中西巨头投入AI晶片开发,郭台铭也要做

洪春晖表示,云端架构向来是软件服务化基础,经过多年发展也日益成熟稳定,而相关服务皆呈现持续成长态势,其中以SaaS(Software as a Service)为最大宗,未来如相关容器(Container)、区块链、AI、量子运算等技术发展备受关注。一方面业者积极提供各项应用开发环境、工具套件与XaaS(X as a service),并结合自身应用资源,持续搜罗各领域的巨量数据,未来一年以“技术”为服务的经营模式发展将持续受到瞩目。

今年1月,新创数据平台CrunchBase所推出的2018年AI市场报告指出,亚马逊、Google与微软等网路公司已经主宰了企业AI这个市场,三巨头分别推出的人工智能即服务(AI as a Service ),已经让机器学习的新创难以独立生存。企业AI需要资料中心级的大规模投资,提升每单位电力所能换来的计算量,用更小的空间就能带来更多的计算,这是云端服务商所追求的市场,也给了Google等科技巨头除了GPU与CPU之外,开发专为资料中心进行深度学习加速晶片的好理由。

(1) 容器技术:

在Google以TPU这类特殊应用逻辑晶片(ASIC)提高人工智能应用训练能力的同时,云服务业者也期望将推论应用门槛降低,让推论能力渗透到更多终端应用,如此也可以回过头来进一步拉高训练需求。这也是为什么除了云端服务巨头们如Facebook、苹果,甚至中国的百度、阿里巴巴都纷纷宣布要发展自己的AI晶片,连鸿海董事长郭台铭都喊出:「半导体我们自己一定会做。」

  • Google推出容器引擎,并支持Kubernetes;
  • IBM Cloud Private内建开源容器调度工具Kubernetes,并支持Docker容器及Cloud Foundry;(3)微软释出Azure Container Instances。

无论是训练或推论,深度学习所推起的人工智能应用需求,无疑推动了许多公司评估各种晶片解决方案的可能性。「这将是百家争鸣的盛会,是计算机架构与封装技术的复兴,我们将在接下来1年看到比过去10年更多、更有趣的计算机。」计算架构权威、加州大学柏克莱校区的荣誉教授大卫·帕特森(David Patterson)非常乐观看待近来兴起的运算晶片热潮。陈良基也非常期待,台湾若能开发应用在各类智能终端装置上的关键技术与元件晶片,将可以使具有半导体制造、设计,并能够整合终端装置制造供应链的我们,再次居于世界领先地位。

(2) 区块链:

(来源:人工智能)

  • 微软推出符合企业需求的区块链架构Coco,提供基于以太坊的区块链即服务(BaaS);
  • IBM在其IBM Cloud上提供Hyperledger Fabric的BaaS;
  • Oracle推出基于Hyperledger Fabric的BaaS。

—— THE END——

(3) 人工智能:

返回搜狐,查看更多

  • Google推出Cloud TPU运算云服务;
  • AWS推出3个AI云服务,包括Rekongization、 Polly、和Lex;
  • 微软Azure提供辨识服务、机器学习服务及Azure Bot Service。

责任编辑:

(4) 量子计算:

  • Google宣布将量子技术开源;
  • IIBM在2017年释出IBM Quantum Experience的完整SDK;
  • 微软推出量子程序编辑语言。

7. 网络服务微型化

在5G来临的时代,未来服务才是决胜关键。

观察小型基地台(Small Cell)发展机会,资策会MIC指出,因应V2X与物联网应用,3GPP在2018年即将发表的LTE D2D标准将是小型基地台业者投入的重点方向;又因应5G物联网应用多样化,频谱需求包含低、中、高频段,未来业者可依据垂直市场用户需求,搭配不同频段打造因地制宜的连网服务,综合两点,预期微型电信业者(Micro Operation)将如雨后春笋般出现。不同于传统电信营运商以全国覆盖性网络为核心能力的商业模式,微型电信业者将更专注在地区性服务,且主要使用免执照、共享频谱或物联网专用频谱,来提供用户订制化网络服务。

8. 电信营运数据化

资策会MIC表示,大型电信营运商已经出现更为强调数据服务的现象。观察趋势,全球电信营运商在移动数据服务营收将超越语音营收 (估计于2017年全球电信营运商移动数据服务营收将超越语音,如图2),为因应业者积极透过并购或深化投资,以多角化策略抢攻关键服务领域,例如联网影视、物联网与网络广告等。对于数据市场的经营,重点是取得分析技术与流量,透过自家网络基础建设,先取得大量含金量高的数据,再将其转化为更优质的精准营销与应用服务资源,这也是未来电信营运商机的胜负关键。

图片 6

图2. 全球电信营运商移动语音/数据收入

9. 应用跨域化

资策会MIC指出,因应多元智能应用崛起,各种应用需求也从过去单一产品、单一领域的采购,逐渐转移至跨领域应用、系统整合解决方案,形成了应用跨域化的发展趋势。其中,“智慧城市”将是跨域应用整合与系统整合方案的集大成实践场域,未来业者在其中的场域验证与应用建置实绩都会是众人所关注的焦点,未来各国也将智慧城市列为重点发展领域,带动了无限商机,值得观察。

10. 产业集中化

承接跨领域应用整合的需求持续攀升,ICT产业集中化的趋势也将更明显,资策会MIC预计未来一年产业整并将持续发生。以半导体产业为例,因应智能化、非3C应用领域的发展,芯片业者须具备的智财布局更为广泛,已非中小型业者能独力负担,再加上更先进半导体制程的投片成本持续提升,导致芯片产业持续朝集中化方向发展。近期博通(Broadcom)有意并购高通(Qualcomm)即为一例(请参考图3),相关并购案虽暂时遭高通否决,但仍反映出半导体业者透过并购扩张产品布局的策略企图等现象。

图片 7

图3. 2016年全球主要芯片设计厂之 网络通讯与物联网技术布局

【编辑推荐】

本文由www.8029.com发布于技术知识,转载请注明出处:助力人工智能应用,AI应用的最后生机勃勃里路

关键词:

上一篇:没有了

下一篇:没有了