當前位置:
首頁 > 知識 > 百萬年薪的人才泡沫?關於程序員向AI轉型的事兒,這幾位老司機是這麼說的

百萬年薪的人才泡沫?關於程序員向AI轉型的事兒,這幾位老司機是這麼說的

口述 :蔣濤、孟岩

來源: AI100社區

陸奇說,這個時代終將是技術驅動的。作為程序猿們,也該考慮考慮怎麼轉型AI的事兒了。但是,AI時代真的是一場泡沫嗎?轉型AI,機會和問題又在哪裡?

AI時代的開發者,面對的究竟是百萬年薪,還是虛假繁榮?首先,你得了解這個AI時代到底有什麼特點,機會在哪裡,以及最大的需求是什麼,以及如果轉型,會遇到的問題和技術實操。

7月15日,在AI100社區的沙龍上,極客幫創始合伙人 & CSDN創始人蔣濤,以及CSDN副總裁孟岩,跟現場眾多程序員們聊了聊開發者轉型和AI時代的那些事兒。而這,或許對每個開發者而言,都值得借鑒和思考。黑智現摘錄如下。

01

蔣濤:AI時代,B端比C端更有機會

這幾年我也在做投資,從一個比較宏觀的角度給大家講一下,就是說為什麼人工智慧這麼重要。

上上周,百度開了一個開發者大會,叫Create大會,是由史以來中國最像開發者大會的開發者大會。

為什麼像開發者大會?

因為有很多大會打著開發者大會的名義,其實都是在推銷自己的東西,並沒有真正提供給開發者實際的資源。

第二個也沒有建立所謂的開發者生態,因為我們開發者生態都是建立在國外的公司的基礎上。

百度這場會含義還是非常深的,也是陸奇去作為百度的二號人物,第一次大的亮相,他講了一句話:未來屬於創作者,AI的未來屬於開發者,開發者成功才是百度真正的成功,這句話有一定的邏輯關係,我後面給大家解讀一下,為什麼開發者變得這麼的重要,然後AI為什麼成為百度的一個重要的基石。

PC時代回顧

首先讓我們來回顧一下歷史。

歷史上,最大的開發者大會是微軟1992年開的,為什麼?

因為這是PC時代,PC時代最核心的是入口就是操作系統,或者是Windows的桌面,它是建立在X86因特爾的晶元技術上。圍繞著這個,我們才有了PC時代,也誕生了開發者的時代。

他們為開發者做了什麼東西?

在PC時代,我們看最大的一個公司,出現了幾類:

一個是行業,公司百億級別,如IBM,Oracle,SAP,他們為企業提供信息化的軟體和工具,包括資料庫、ERP,還有做外包,因為各個行業都需要信息化。

另外一個就是C端的業務,服務個人。在個人市場只產生了兩類大的公司:

一類是做遊戲的,暴雪公司,EA,這是PC遊戲行業,也是非常大的一個產業。

還有一類是工具廠商,如圖像工具Adobe。

移動互聯網時代

接著我們迎來了移動互聯網時代,大家都開始找入口,一開始是門戶,後來發現不是門戶。

比如,一開始最厲害的是新浪,三大門戶,還有網易。

後來隨著時間的發展,發現最重要的入口是搜索引擎。谷歌和百度等掌握了絕大部分流量的分發權。

電商也是很大一塊入口。比如淘寶,58同城,大家一般都直接去到淘寶,而不是用百度搜索,因此不會被百度卡了脖子。

這是整個PC互聯網的發展,這時候我們開發者在做什麼呢?

他們在建立各種各樣的網站,但是你的網站呢,很重要一點是要服務這些C端的用戶。

第二個,可能要做好跟搜索引擎之間的關聯。

這是PC互聯網,到了移動互聯網,才是一個開發者大顯身手的時候。

到了移動互聯網時候,入口變成了APPSTORE,就是說你做一個應用,原來是關健詞搜索,現在是你的應用名字比較重要,你的應用名字能不能在用戶之間建立它的認知。

微信作為一個巨大的入口,對開發者沒起什麼作用,倒是對內容起到一個巨大的作用,不少內容生產者立足微信做創業。

因為PC互聯網跟人的連接還是比較遠一點,而手機是隨身攜帶的,因此移動支付發展起來。

跟生活比較貼近的,如做天氣的APP,也發展得很好,因為它跟生活連在一起,就可以接入更多的服務。

現在APP已極大豐富,APPSTORE上有150萬個APP,你現在需要分走用戶的注意力比較難了,基本上能做的都被大家做了一遍。

第二個用戶沒有增長了,獲得新用戶的成本越來越高。

這是整個APP移動互聯網時代。

AI時代

今天什麼百度要提出這麼一個戰略?

因為百度發現,它在移動互聯網的時候抓瞎了,因為它不是入口,入口變成APPSTORE、變成微信,變成小米手機,手機成為一個入口,還有應用寶商店,騰訊開了個應用寶,百度買了個91也不是很成功,所以在移動互聯網上,百度就Miss掉。

Miss掉以後,O2O戰略也不是很成功,這次他們下了很大的決心要做AI的OS,做AI的生態。

那AI的OS是什麼呢?

以後所有的東西都要和互聯網連接。攝像機可以連網,攝像機帶人臉識別。攝像機識別以後,怎麼跟你互動呢?

百度提了一個口號叫喚醒萬物,你說Hello索尼攝像機,它就知道是在叫它。這個大概三年內就會發生,這就是說,語音會作為一個入口。

有了入口以後,後面是什麼?

你把它喚醒了,它得和你進行交互,它得有演算法在背後,而這個演算法是要靠大量的硬體驅動。

百度認為,未來的每個行業,每個硬體都可能變智能,而智能化一定要有一個核心的OS來驅動它,所以這就是一個是入口。

但是現在這個生態剛剛開始,機會在哪裡呢?

第一個你要做C端的應用,還是很有挑戰的,因為現在做人工智慧的應用,要有數據,沒有數據你的演算法就沒有辦法做出精確度。

那麼數據在哪?

數據都在BAT手上,他們有大量的數據,有一大堆C端的公司,他們每天都產生大量的數據,餓了嗎,滴滴,摩拜等。有了信息,他就能判斷你的意圖。

比如,現在亞馬遜在美國就能根據你過去的購買記錄,預測你會喜歡什麼樣的書,於是它會提前把書送到你家。你回家就能看到5本新書,想看就留下,不想看就退。

所以在C端,實際上我們的機會就不是很大了,因為這些公司手上的數據太大了。其實在B端,AI時代產業B端布局會比移動互聯網更大。

AI時代,B端機會更大

為什麼這麼說B端機會更大呢?

我來詳細解釋一下。

移動互聯網大量解決的是C端的問題,而B端有很多問題沒有解決,B端也面臨巨大的變革,他們做了第一步的信息化,但是他們沒有把業務進行重構,但是人工智慧來了以後,會有一個非常大重構的機會。

這其中最大的重構就是無人駕駛汽車,這是一個上萬億美金的市場,圍繞著它配套的產業,光售後就有八千億,如果汽車都變成無人駕駛了,現有的很多服務都會瓦解。

所以我們看到有很多大的公司在這裡面下重注。

這是從投資角度看到的一個非常大的機會。

深度學習可以做什麼

那從整個產業的角度,人工智慧為什麼現在變得這麼熱?

當然第一個原因是阿法狗在去年打敗了李世石。

實際上,真正歷史性的轉折點在2012年。

在2012年Imagenet比賽中,深度學習的使用,將識別錯誤率大大降低,引起了人們的關注。

也就是說,原來人工智慧技術被一道牆堵住了,過不去,進步很小,但是採用深度學習後,這個牆相當於被鑿開了一個窟窿。下圖中紫色代表採用深度學習,藍色代表傳統方式,可以看出其中的跨越式的變化。

如下圖,計算機採用深度學習可以做到精確的識別,把這張圖描述出來。

我們常說代碼時代結束了,其實它指的不是所有代碼,而是原來我們是用各種各樣的規則和技術,現在可以用深度學習,用神經網路來建立模型,用以取代原來人工設立的規則。

這是很大的一個不同,而且這個技術不是說只是用在識別領域,它可以用在非常多,以及看起來很小的領域。

這是Google發布的數據源,展示出自己內部哪些項目用到了深度學習。

從2012年開始,他們就開始用,一開始幾個項目,到2015年Q3已經有1200個項目使用深度學習。到2016年,已經有2700個。目前Google內部的所有項目,80%以上都用到了深度學習來改進。

比較小的地方,大家意想不到的地方,比如做縮略圖的時候作,同比例放縮就看不清楚人了,所以用深度學習技術來改進。

如上圖,圖片里有人頭,當你同比例縮小的時候,就有點看不清了,不方便瀏覽。於是,我就可以用深度學習來識別頭像,以此在縮放的時候,做一個調整,讓人像看起來吐出一些方便查找。

還有做壓縮,利用這個技術,還可以再壓縮30%,因為機器會學習,知道哪裡更重要,壓縮的時候主要內容保持質量,其他次要內容進一步壓縮。

現在我們已經進入到新應用時代。

圖片上這個人是深度學習的網紅,原來在Open AI,剛剛跳槽到特斯拉做無人駕駛的首席科學家。

他曾經拿托爾斯泰的作品來做一個學習,用機器去模擬,程序只有幾百行,但就能讓機器創造出來作品,雖然還達不到托爾斯泰的水平。

很多行業,都面臨著這個巨大的挑戰。

圍棋行業已經被顛覆了,後面還有律師、金融,包括程序員,美國已經有不只一家公司做自動化編程,取代程序員的一部分工作。

上圖是調用了Google的API做識別,這個人是斯坦福機器人研究室的一個博士,花一百美金左右買了這些設備,就做出來原來需要花50萬美金的東西。這說明什麼,說明智能應用時代是真的來臨了。

這是來自YC的分析圖。從上圖可以看出,學術界的突破在2012年,從2014年起進入創業高峰期,2017年進入爆發期。

AI現在被我們捧得非常熱,但是要很好地解決我們實際面臨的困難和問題,達到大家期望,還需要經歷一個過程,我們把它分三個階段。

AI發展的三個階段

目前還是演算法紅利期。現在大家都下重注去挖演算法的優秀人才,年薪開到上千萬美金,這是一個優秀演算法掌舵的時代。

學術界的進步對我們非常重要,因為論文的一個突破就可能帶來技術上應用上的一個大突破,一個快速發展期。

不過這個階段很快會穩定下來,變成局部很小的改進,不再是大的突破。

這之後是工程技術期,會在2到3年後到來,這個時期就可以真正去做出各行各業的應用,而且對這些行業會產生比較大的價值。

再後面才是平台,誰擁有最多的數據,誰就擁有最大的商業資源,誰就更強大。

我記得我很早時,跟微軟談事的時候,他們內部就說過,我們公司沒有10億美金以上收入的項目,都不會列入我們的計劃。

但是無人駕駛他們是可以殺進去的,這是一百億一千億的市場,但是我們可以在很多行業都找到這樣的機會往裡去切入,但是等到這個市場變得非常巨大的時候,你不一定打得過平台,或者你要先把這個平台要做的事做好,才有空間。

現在AI是同樣的情況,我們可以調用誰呢?

Google是在這個領域做得最好,百度是目前最大,我把他們做了個對比,開放的能力大家可以去看一下,包括百度推的語音喚醒,Google現在還沒有。視頻內容比較分析,就是一個視頻封面,我剛才講,你怎麼去選視頻裡面的哪一幀,作為你封面的展示頁,百度也把它公布出來了,這些都是他們很大的積累了。

所以呢,這些技術的豐富,包括框架的成熟,就像安卓1.0時代,2.0時代,也不太成熟,我大概是3.0參加了Google IO大會,那時候才有了點氣象,也不是像現在這樣,安卓一定會勝利,大概是在4.0的時候會確定。

02

孟岩:人工智慧的泡沫與啤酒

著名財經作家吳曉波最近發表了一篇文章,《為什麼新科技的風口總火不過一年》,在文章中引用了Garner技術發展曲線,他認為人工智慧目前處在第一波峰的頂點,那麼很顯然,馬上就會面臨泡沫的崩潰。如果他的判斷是正確的,那麼這將是第三次人工智慧的泡沫破滅。

人工智慧產業有沒有泡沫?

作為財經作家,吳曉波非常的博學,而且也特別的聰明,他能夠很快的從一個現象當中抓住足以引爆輿論的點。但從專業角度分析的話,這個判斷有問點題。從這幅圖上來看,無人機、機器人和物聯網已經開始爬坡了。

那問題來了,如果無人機、機器人和物聯網即將邁上迅速成長的階梯,你怎麼可能想像人工智慧會崩潰呢?因為無人機,機器人本身就是人工智慧的應用平台,而物聯網則是大數據的最大來源,會有力的推動人工智慧的發展。大家要理解,在無人機、機器人、物聯網這樣的技術浪潮當中,人工智慧將扮演很重要的角色。

所以我直接說我的觀點,人工智慧目前沒有泡沫。

具體的分析一下。

第一,本輪人工智慧技術的紅利還沒有吃完。今天人工智慧的熱潮,是技術上主要是深度學習的突破引發的。深度學習理論上的突破是2006年,所以大家會問一個問題,11年過去了,深度學習的紅利是不是已經吃完了?

我們來看,這張圖是吳恩達在一本書叫 Machine Learning Yearn的書裡面一幅著名的插圖,縱坐標是演算法的表現,橫坐標數據量。從這個圖中你可以看到,對於大規模的神經網路來說,數據量越大,它的性能就會越高,也可以說它的能力越強。

我問過在這方面非常頂尖的專家,目前有沒有看到頂點?他告訴我說,他們有人已經做到上萬層的深度神經網路,還是沒有看到這個頂點在哪裡。深度學習它的紅利是很厚的,目前還遠遠沒有吃完。這是第一點。

第二件事情,最近DeepMind公布了兩分鐘的Video,他們利用深度增強學習,教會虛擬空間的木偶走路、跳躍、跨越,甚至在漂浮的木條上保持平衡和跳躍。

這些木偶並不知道什麼叫走路,僅僅是給它目標,給他激勵,他就自己學會了走路,自己學會了跨越障礙物,甚至可能在一些複雜情況下比人的表現要好得多。這充分展現了深度學習的潛力。

所以我們不需要看每天 arXiv 上那麼多的論文,就從這些新聞事件上來看,都可以得出結論,這一代技術的紅利還遠遠沒有被吃光。

另外,我們不能光看技術,還要看這個產業。

這個是來自麥肯錫的一個報告,2013年到2016年裡面,AI這個領域獲得的外部投資增加了3倍,2016年的總規模達到了260億到390億美金之多。投資的效應是累積的,這些投資將會對 AI 的發展產生很大的拉動。

一個重點的行業是自動駕駛。同樣來自麥肯錫的報告,預測從2015年到2010年,自動駕駛和半自動駕駛車輛的數量將從100萬上升到1000萬台。汽車這是一個幾萬億美元的產業,單單只要考慮這一個產業的轉型,對於 AI 就足以產生巨大的牽引力。

所以我完全不擔心這次 AI 的泡沫會崩潰。

今天的 AI 整體是什麼水平呢?如果你反推,從現實需求出發來對 AI 提要求,你會發現,它有很多事情確實做不到。但是如果你正推,從AI今天已經具備的能力出發,來看看我們能夠解決什麼問題,你會發現,在今天的AI的能力範圍之內,已經可以解決很多問題,可以激發很多行業的變革。

所以如果你們認為AI有泡沫,我告訴你,泡沫只會來的更兇猛,這是第一個問題,AI是不是有泡沫?我的回答很明確,AI沒有泡沫。

人工智慧人才薪資虛高嗎?

第二個問題,人工智慧的人才薪資是不是虛高。PingWest 最近發表了一篇文章,作者花了很大的功夫去做調研,寫出來一篇強文,題目是《百萬年薪的人的泡沫與人工智慧的虛假繁榮》。文章寫得很棒,我讀了好幾遍,也推薦所有人都去看。

這個文章的核心意思,是說現在很多 AI 的人才在市場上拿到高薪,但是卻沒有為企業賺到錢。有些掛著高級學術頭銜的人,跑到企業里先拿個高薪爽幾年,然後可能拍拍屁股就回學術圈了。

我們怎麼看待這個問題。

首先,AI 和數據科學人才的高薪是個全球現象,他們現在就是在享受薪資溢價,這個是事實。我接觸的很多 AI 界的人也是這麼看。

我們看一下美國的情況。

在美國,AI、機器人,機器學習與數據科學人才薪資水平目前快速增長中。你如果是程序員,你的薪資平均水平是九萬一千美金,不過圖中代表眾數(mode)的那根柱子靠左,說明更多的人是略低於這個水平的。

這說明少數的超高薪的程序員把多數低工資的程序員給平均了。而演算法工程師,尤其是數據科學家,他們整體收入水平很高,均值十三萬美元,而且圖中代表眾數的那個柱字偏右,說明超過這個收入的人群在他們整個這個人群當中也是多數。

在招聘網站上,把 AI 方面人才的廣告掛出去,5天時間招不到人,顯著高於其他職業。意味著什麼?供不應求。這個是美國的情況。

英國是全球人工智慧的另一個中心。從2014年開始,英國的AI人才需求迅速的直線的上升,就是需求量迅速的上揚。

然後看印度,他們對程序員和機器學習專家的收入做了一個對比。結果呢,機器學習專家的收入不僅始終高於開發者,而且差距還越拉越大。

我們再從另外一個側面來看一下,我們知道這個AI開發者使用的主力語言主要是Python。

這是從2005年到2016年,這三個語言薪資水平之間的一個對比,排在上面的是遙遙領先的是Java,它在整個企業應用,電子商務開發的地位,很難被撼動,目前它的薪資是排名第一的。

排名第二名的是世界上最好的語言,PHP,這個語言跟Java一直是並駕齊驅,保持不是很大的一個差距,但是到2014年,15年之後,出現了一個死亡交叉,Python語言在收入上開始超過PHP,我相信Python開發者的薪資水平超過是Java是遲早的事情,在最近兩三年之內就會發生。

中國會怎樣呢?大家看這幅圖,也來自麥肯錫,在世界地圖上藍色越深的地方,當前勞動力當中可以被機器和人工智慧取代的比例越高。

墨西哥、玻利維亞、秘魯這些國家,它整個自動化程度很低,所以有大量的手工工作都是可以被機器所取代的,他們是深藍色。然後呢,像美國、加拿大、澳洲這樣的國家,他們的自動化程度很高,所以他能夠被機器所取代的工作的比例並不是特別高,所以是淺色的。

你看我們中國呢,是比較深的,是49%到51%,就是在我們中國的話,AI和自動化取代人力是非常有潛力的。所以呢,我認為在未來的相當長的時間裡面,中國的做AI的這幫人,都將參與到一場勞動力替代當中,而且是佔據優勢地位的一方,享受高薪是必然的。

但是剛才那篇文章里所說的薪資泡沫也很確鑿,因為我們看到呢,很多的企業,現在花了很多的錢去雇了一些一流的博士碩士,但是 AI 這個產業的規模還沒有起來,這些高薪基本上是靠投資人撐著,這合理不合理?

我認為事情的本質是人才結構的問題。這張圖是我和蔣總討論了很久以後我們列出來,其實一個成熟的,在未來5年以後真正賺到很多錢的人工智慧企業,它的人才結構應該是這個樣子的,應該是AI專家學者,機器學習的博士們,資深專家比較多;然後呢,應該有一大堆AI的機器學習工程師,AI的產品經理、架構師在這裡。

更重要的底下有大批的開發者,數據工程師,運維人員,行業人員,這是一個合理的結構。

但是實際情況,目前市場上獨立的人工智慧初創企業,普遍嚴重缺乏優秀的產品、工程和運維人才。有些公司非常得意的宣傳說,你看我的團隊里,一流名校博士佔百分之多少,比 Google、Facebook、微軟高多了。

但其實這樣的構成恰恰有問題,這種團隊的工程化、產品化能力會成為瓶頸,從而制約他們賺錢的能力。很簡單,用戶只會為產品和服務買單,不會為論文、演算法和你們的學位買單。正是這樣的反差,讓一部分人覺得這裡頭有泡沫。

那麼怎麼辦呢?我主張不要著急,把這個事情交給市場。投資者不傻,他們很清楚,現在我們處在演算法紅利期,演算法領域還不斷的有突破,所以我們先把懂演算法的人找來,花錢養著他,先把論文看懂,先突破,往前突破。

但是演算法紅利期還有個兩三年可能就要結束了。這不是說演算法不會有進步了,還是會有很大的進步,但是呢,從演算法的突破,到工具化,這個轉化路徑現在變得很順暢,兩三年之後會更順暢。

如果你有一個演算法突破,發表論文出來,很短的時間內,幾個月,甚至幾周內,Github 上會有實現出來,甚至你可能會看到百度、谷歌把新的演算法放在自己的開放API裡面,這就意味著,企業競爭主要拼的就是工程能力和產品能力了。到那個時候,整個 AI 產業里的薪資水平會有更合理的分布。

我說一下我的結論。所謂的人才泡沫問題,只是一個暫時性的現象,是發展的一個必然過程,不需要擔心。

數據科學向左,人工智慧向右

我再說第三個問題,選擇方向的問題。

我們現在叫廣義 AI,其實裡面大致包含兩個工作性質差別挺大的方向。一個是商業分析與優化,一個是智能產品與解決方案。

兩者主要的不同是誰來做決策,人做決策還是演算法做決策,這個決定了自動化程度的高低。

商業分析與優化技術的應用的周期當中,人仍然在裡面扮演很重要的角色,數據分析是用來輔助人類決策的,自動化水平受到人的決策的制約,不會太高。

另外一個方向叫做智能產品和解決方案,自動駕駛、掃地機器人、自動廣告投放系統,都是這類。整個產品的執行過程基本上是完整的,很少需要有人干預,決策主要由機器來完成,自動化程度接近 100%。

大家很快會面臨方向上的選擇,你是走左分支,還是走右分支,這件事情你們要好好的想一想。左邊這一支走下去,你可能會成為數據分析師、數據科學家、CDO。右邊這一支走下去,你應該會成為 AI 工程師、AI 產品經理,CTO。

走左分支,你的關鍵是獲得高質量的業務數據。在中國,這個事情難度很大。

這個是最近的一個全球數據開放度調查,美國排名第8,中國排名第93。如果你們想走左分支,儘可能加入到一些具有數據訪問特權的機構,否則想在中國想低價拿到別人的數據是很難的。

那麼怎樣選擇行業呢?麥肯錫給了六個原則,

第一,數字化高度成熟;

第二,業務規模巨大;

第三能夠把AI用在自己的核心業務裡邊,而不是一些邊緣業務;

第四,它能夠同時的去接納多項科技,不僅僅是AI,可能還有區塊鏈,還有物聯網,還有其他的科技,都能夠去接納;

第五,它更加註重增量,而不是存量;

第六,領導對AI的應用有強有力的支持。

選擇方向的時候,用這六把尺子來量一量,就會有一個大致的判斷。這是麥肯錫的一個行業分析,排在第一名的,叫做高科技和電信,就是它各個領域裡面綠的比較多,如果你們在這個領域做AI比較容易。

今天大部分在互聯網領域裡,你們可能在這個領域裡面做AI比較容易,因為數據也比較全,各方面的支持也比較到位,人的意識到位。

隨後分別是汽車和生產線、金融、電力、娛樂傳媒、零售等行業。我們現在很多人都在談醫療的大數據,醫療的AI化,但是其實呢,這個行業的準備度是不足的,做這個方向,要克服很大的難度。

其他的行業不一一解釋了,謝謝大家。

小編拉你進粉絲微信群

不是在文章評論里回

點擊展開全文

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 程序員之家 的精彩文章:

如果程序員在一天或幾小時內完成了一周的工作量,那他
10款超好用的開源大數據分析工具
JAVA程序員代表大眾車,C 程序員代表捷豹,看看各類程序員們代表著什麼車
如何練習一萬小時?

TAG:程序員之家 |

您可能感興趣

鄭愷下鄉一百多號人跟隨,還被大媽圍起來拍照,工作人員向前解圍
部級官員向他學掏糞,堅持背糞30年:「我唯一的願望,是讓我的孩子接好我的班!」
比被骨肉分離還慘,美方人員向非法移民兒童喂鎮靜劑,一天十幾片
飛行員向UFO瘋狂發射60多枚炮彈,結果超乎他的想像!
她是乾隆的女人,非一國之母,卻享有官員向其請安上奏摺的資格
女程序員向同事表白無果,傷心過度失常!網友:男同事的做法欠妥
巴薩就一球員向曼聯報價1億歐元,這名球員也是皇馬看上之人
官員向皇帝拜見時,為什麼會甩幾下袖子?原因很簡單
繼王思聰之後,又一位演員向中國式選秀開炮,網友:支持你!
官員向皇上告狀王爺打人,皇上:打幾下升幾級官,官員:打了八下
亞運會的飯菜不合口味,球員向姚明反應了情況,姚明卻這樣回應
英俊帥氣男飛行員向自己走來,年輕女性遊客會做出什麼舉動?
假如以下R1SE成員向你求婚,如何抉擇?網友:圖四沒人敢選!
抗日老兵晚年忍受屈辱,當地官員向他道歉,老兵五個字讓人慚愧
女程序員向同事表白遭拒後精神失常:發200多條信息對方1條沒回?
鞏俐封面的背後-工作人員向我吐苦水4個小時……
以軍飛行員向敘利亞怒射導彈,結果卻惹了大禍!被停飛究竟為何?
《聲臨其境》會玩,四位男演員向觀眾撒嬌,雞皮疙瘩都起來了
2NE1前成員向粉絲道歉?YG盡失人心只捧自己想捧的!
TVB演員向於正求合作慘遭無視,網友勸其三思後行!