aidigester

GitHub 故障整理 — 2 月已发生 3 次 [2026]

• 2 月 9 日 Pull Requests、Actions、Copilot 等同时发生故障
• 2 月 2 日也因 Azure 基础设施问题导致 Actions 大规模故障
• 一个月内重复发生的故障增加了开发者的疲劳感

2 月 9 日，GitHub 再次发生故障

2026 年 2 月 9 日 16 时 19 分（UTC），GitHub Pull Requests 检测到性能下降^{[GitHub Status]}。之后影响扩散到 Actions、Webhooks、Issues、Pages。通知传递平均延迟 1 小时，Copilot 策略传播也停止^{[GitHub Status]}。

17 时 32 分左右大部分出现恢复迹象，但 Pull Requests 和 Copilot 仍存在部分故障。东部时间上午 11 时左右，大规模连接故障报告涌现^{[StatusGator]}。

一周前 Actions 故障的原因是 Azure

2 月 2 日 Actions 也发生了大规模故障。原因是 Microsoft 管理的存储帐户的公共访问设置变更，导致 VM 扩展包存储库访问被阻止^{[Hacker News]}。从 18 时 35 分持续到 22 时 15 分，Copilot Coding Agent、CodeQL、Dependabot 也一同停止。

开发者反应冷淡

Hacker News 上出现了对 GitHub 市场支配力导致对稳定性投资疏忽的批评^{[Hacker News]}。还有人抱怨“花了几个小时调试 CI 失败，结果原因是 GitHub”。虽然也有审查替代平台的意见，但生态系统转换成本很高，并不容易。

常见问题 (FAQ)

Q: GitHub 故障时我的代码会消失吗？

A: Git 是分布式版本管理系统，本地会保留完整的历史记录。服务器故障不会导致代码丢失。但是 push、pull、PR 等协作功能在故障期间无法使用。单独运营镜像存储库会更安全。

Q: Actions 故障时 CI/CD 会怎么样？

A: Actions 中断时，构建、测试、部署都会停止。队列中的工作流程会在恢复后重新启动，但可能会因超时而处理失败。最好准备手动部署程序作为备份。

Q: 如何实时确认 GitHub 故障？

A: 可以在 githubstatus.com 上确认官方状态。也可以通过电子邮件或 Slack Webhook 接收通知。一起使用 StatusGator 等第三方监控可以更快地掌握情况。

---

如果这篇文章对您有帮助，请订阅 AI Digester。

参考资料

• GitHub Status – GitHub (2026-02-09)
• GitHub Status Check – StatusGator (2026-02-09)
• GitHub Actions Have “Major Outage” – Hacker News (2026-02-02)

谷歌出身的创始人打造的视频AI，3个核心

• 两位谷歌前员工创立的InfiniMind，获得580万美元种子轮融资
• 将企业视频数据转化为可搜索的智能信息
• 追踪数小时视频因果关系的长程上下文推理

InfiniMind，攻克企业视频的暗数据

企业每天产生大量的视频。来自安全摄像头、工厂监控、广播存档等。大部分只是存储，没有得到有效利用。^[TechCrunch]

InfiniMind正在构建AI基础设施，将这些暗数据转化为结构化的、可搜索的数据。CEO Aza Kai曾在Google工作9年，负责ML基础设施，COO Hiraku Yanagita曾在Google Japan领导数据解决方案10年。^[InfiniMind]

理解数小时而非30秒的AI

核心技术是长程上下文推理。与普通视频AI以30秒为单位进行分析不同，它可以追踪数小时视频的因果关系。将视频转换为可进行SQL查询的结构化数据，并支持基于概念的语义搜索。^[InfiniMind]

580万美元种子轮融资和产品路线图

在UTEC的带领下，获得了580万美元的种子轮投资。Headline、CX2、Chiba Dojo也参与了投资。^[TechCrunch]

目前运营TV广播分析产品TVPulse，预计2026年第二季度推出DeepFrame。已经分析了超过10万小时的视频，并且成本是现有解决方案的四分之一。目前正在参与AWS Generative AI Accelerator和NVIDIA Inception。^[InfiniMind]

常见问题 (FAQ)

Q: 与现有视频分析有什么不同？

A: 普通视频AI只分析短片段。InfiniMind可以追踪数小时的因果关系，并将视频转换为SQL结构化数据。通过基于概念的搜索和特定领域的适配器，提供行业定制的分析。

Q: 主要客户群是？

A: 目标客户是媒体/广播公司、零售、安全/国防、物流/制造业。广播公司用于存档搜索，制造商用于缺陷检测，零售商用于门店分析。

Q: 数据安全如何保障？

A: 支持VPC和气隙部署。可以在企业内部基础设施中独立运行，无需担心视频数据泄露。适合重视数据主权的企业。

---

如果这篇文章对您有帮助，请订阅AI Digester。

参考资料

• Ex-Googlers are building infrastructure to help companies understand their video data – TechCrunch (2026-02-09)
• InfiniMind – See Beyond Frames – InfiniMind (2026-02-09)
• Kate Park – TechCrunch Reporter – Muck Rack (2026-02-09)

地球上最远的视野，算法找到了

• 兴都库什山脉~皮克·丹科瓦峰间530公里被确认为地球最长可视距离
• 基于Rust的CacheTVS算法计算了45亿个视野
• 5台AMD Turin服务器在18小时内完成了全球分析

530公里，从吉尔吉斯斯坦到中国可见

开发者Ryan Berger和Tom Buckley-Houston创建的CacheTVS算法计算了地球上所有地点的可视距离。^{[All The Views]} 吉尔吉斯斯坦的皮克·丹科瓦峰到中国兴都库什山脉的530公里被确认为最长视野。

第二名是哥伦比亚安蒂奥基亚~克里斯托瓦尔峰504公里，第三名是俄罗斯厄尔布鲁士山~土耳其蓬托斯山脉483公里。^{[Ryan Berger 博客]}

缓存效率是关键

CacheTVS的核心是缓存优化。传统方式的缓存未命中率高达96%。通过旋转地形数据并将其连续排列在内存中解决了这个问题。^[GitHub]

通过增加AVX-512 SIMD和多线程，将珠穆朗玛峰的计算时间从12小时缩短到2分钟。比传统GPU快160倍。^{[Ryan Berger 博客]}

花费数百美元分析整个地球

使用数百个AMD Turin核心和数百GB RAM分析了整个地球。成本为数百美元。与最初预计的数十万美元相比，大幅降低。

处理了2,500个100米分辨率的地形数据切片，并将结果发布为交互式地图。^{[All The Views]} 在Hacker News上，涌现了无线通信、网状网络等应用创意。^{[Hacker News]}

常见问题 (FAQ)

Q: 530公里真的能看到吗？

A: 理论上是可能的，但需要完美的大气条件。吉尼斯世界纪录实际拍摄的最远距离为483公里，仅在有利于大气折射的特殊条件下才有可能。在一般天气条件下实际上是不可能的。

Q: 考虑地球曲率吗？

A: 是的。地球曲率和大气折射都包含在校正公式中。将折射系数设置为0.13，以反映光线穿过大气层时弯曲的效果。如果没有这种校正，长距离计算会产生很大的误差。

Q: 可以用在哪些方面？

A: 可用于通信塔部署、无线通信路径规划、网状网络优化、风力发电视觉影响评估等。可以在交互式地图上查看特定地点的可视距离，因此也可以作为登山或拍摄计划的参考。

---

如果这篇文章对您有帮助，请订阅AI Digester。

参考资料

• All The Views – All The Views (2026-02-10)
• A Total Viewshed Algorithm to Find the Longest Line of Sight – Ryan Berger 博客 (2026-02-10)
• CacheTVS GitHub 저장소 – GitHub (2026-02-10)
• Hacker News 토론 – Hacker News (2026-02-10)

西门子CEO描绘的AI自动化3大核心战略

• 使用数字孪生组合器在虚拟环境中先行构建工厂
• 与NVIDIA携手构建工业AI操作系统
• 百事可乐通过该技术将产量提高了20%

西门子，宣布将一切自动化

西门子CEO罗兰·布施(Roland Busch)在CES 2026上提出了雄心勃勃的愿景。 构想是将AI植入从设计到运营的全过程。 核心武器是“数字孪生组合器”。^{[Siemens Blog]}

在建造实际工厂之前，在虚拟空间中以照片级逼真的3D模型模拟流程。 通过与实时传感器数据连接，可在生产的所有阶段预先发现高达90%的问题。^{[Siemens Tecnomatix]}

与NVIDIA共同打造的工业AI操作系统

西门子扩大了与NVIDIA的合作关系，并发布了“工业AI操作系统”。 这是结合了NVIDIA的加速计算和西门子的工业软件的集成平台。^{[IIoT World]}

布施表示：“工业AI不再只是一种功能，而是重塑下一个世纪的力量。” 其方向是从自动化到自主化，从数字孪生到“决策孪生”的进化。

百事可乐证明的实际成果

百事可乐引入数字孪生组合器的结果令人印象深刻。 产量增加了20%，设计验证准确率接近100%，资本支出减少了10~15%。^{[Siemens Blog]}

百事可乐方面评价说：“过去需要几个月的工作现在缩短到几天。” 这意味着在虚拟环境中先行构建，然后在现实中更快地构建的方式确实有效。

常见问题 (FAQ)

Q: 什么是数字孪生组合器？

A: 这是西门子在CES 2026上发布的解决方案。 在建造实际工厂之前，在虚拟环境中创建3D模型进行模拟。 通过整合设计、实时数据和AI，可以预先发现问题并进行优化。

Q: 工业AI操作系统与现有的自动化有什么不同？

A: 如果说现有的自动化是用机器代替重复性工作，那么该系统是AI自行判断并进行优化。 不同之处在于，它结合了NVIDIA的计算能力和西门子的领域专业知识，从而实现了全过程的智能化。

Q: 这会对普通企业产生影响吗？

A: 它不仅会影响制造业，还会影响能源、基础设施、汽车等与物理世界相关的产业。 通过虚拟模拟来减少设备投资并提高生产力的方式，无论规模大小，都可以应用。

---

如果这篇文章对您有帮助，请订阅AI Digester。

参考资料

• Igniting the industrial AI future: Roland Busch at CES 2026 – Siemens Blog (2026-01-06)
• Industrial Intelligence at CES 2026: Why Siemens Matters – IIoT World (2026-01-06)
• Siemens CEO Roland Busch’s mission to automate everything – The Verge (2026-02-10)

TechCrunch 创始人峰会 2026，三大要点

• 6月23日在波士顿举行，超过1100人参加的大型创业活动
• 30分钟圆桌会议形式，专注于实际对话，无需幻灯片
• 创始人、VC、创业公司运营者可申请成为演讲者

波士顿举行的 1100 人创业活动

TechCrunch 正在招募 2026 年创始人峰会的演讲者。活动将于 6 月 23 日在波士顿举行，预计将有 1100 多名创始人和投资者参加。^[TechCrunch]

本次活动旨在探讨创业公司规模化的现实，以其务实的讨论而闻名。今年，经验丰富的创始人、风险投资家和创业公司运营者将齐聚一堂，分享各个成长阶段的挑战。^[TechCrunch]

无需幻灯片的 30 分钟圆桌会议

本次峰会的关键形式是圆桌会议。每个环节都由最多 2 位演讲者主持的 30 分钟非正式讨论组成。无需幻灯片或视频，仅通过对话进行。^[TechCrunch]

这种专注于对话而非演示的方式在 AI 创业生态系统中也值得关注。 近期，基于 AI 的创业公司迅速发展，规模化挑战变得更加复杂。因此，分享实际经验的场合更具价值。

对 AI 创业公司有意义的机会

对于 AI 领域的创始人来说，本次峰会是与投资者会面并获得规模化经验的机会。 超过 1100 名参与者的规模在网络方面也相当可观。 如果作为演讲者参与，这将是宣传公司技术和经验的良好平台。

有兴趣的创始人可以在 TechCrunch 官方网站上提交演讲者申请。 具体截止日期尚未公布，因此尽早申请更有利。^[TechCrunch]

常见问题 (FAQ)

Q: TechCrunch 创始人峰会 2026 何时何地举行？

A: 将于 2026 年 6 月 23 日在美国波士顿举行。 这是一个有 1100 多名创始人和投资者参加的大型创业活动，将进行关于规模化的实际讨论。 圆桌会议形式的非正式讨论是核心，各种成长阶段的创业公司都将参与。

Q: 要想成为演讲者，需要什么条件？

A: 实际拥有创业公司规模化经验的创始人、风险投资家和创业公司运营者是目标对象。 可以在 TechCrunch 官方网站的演讲者申请门户网站上申请，具体截止日期尚未公布。 以实践经验为基础分享见解是关键。

Q: 圆桌会议环节是什么形式？

A: 这是由最多 2 位演讲者主持的 30 分钟非正式讨论。 无需幻灯片或视频演示，仅通过对话进行，目标是通过与参与者的有意义的对话来分享实际见解。

---

如果这篇文章对您有帮助，请订阅 AI Digester。

参考资料

• Call for speakers: TechCrunch Founder Summit 2026 – TechCrunch (2026-02-09)
• TechCrunch Events – TechCrunch (2026-02-09)
• TechCrunch – TechCrunch (2026-02-09)

TSMC将在日本生产3纳米AI芯片 — 熊本工厂计划变更

• 台积电(TSMC)决定在日本熊本第二工厂生产3纳米芯片
• 此举变更了原定的6~7纳米计划，背景是AI需求激增
• 日本政府将提供高达1.2万亿日元的补贴

熊本第二工厂升级至3纳米

台积电于2月5日宣布，将在日本熊本县第二工厂生产3纳米芯片。原计划仅生产6~7纳米芯片。由于AI需求爆发式增长，公司改变了计划。^{[Nikkei Asia]}

在去年末暂停施工后，工厂已开始重新设计，以安装先进设备。3纳米是目前可量产的最先进工艺。是向Nvidia、Apple等公司供货的关键技术。^[AP통신]

日本政府的半导体经济安全战略

高市早苗大臣评价此次决定“从经济安全角度来看意义重大”。日本政府承诺向台积电的两家工厂提供高达1.2万亿日元（约79亿美元）的补贴。^{[Washington Post]}

索尼、电装、丰田也参与了台积电日本法人(JASM)。这是为了降低对台湾集中的风险，并缩短与客户和供应链的距离。

AI芯片需求与台积电投资扩大

台积电将2026年的设备投资定为520亿~560亿美元，同比增长约40%。2025年第四季度营收为337.3亿美元，净利润为152亿美元，分别增长20.5%和35%。^[AP통신]

魏哲家会长表示“客户对AI的需求是真实的”，驳斥了泡沫担忧。7纳米以下工艺占晶圆销售额的77%。

常见问题 (FAQ)

Q: 台积电熊本第二工厂何时投产？

A: 具体时间尚未公开。2025年秋季开工后，正在重新设计为3纳米设备。台积电美国亚利桑那工厂预计于2027年开始生产3纳米，因此时间可能相近。日本政府也在加强补贴，以尽早启动运营。

Q: 3纳米芯片与现有芯片有何不同？

A: 纳米越小，可以更密集地放置晶体管。3纳米是目前可量产的最高水平。在相同面积上处理更多运算，并提高电力效率。这是AI模型学习和推理的关键工艺。

Q: 日本吸引台积电的原因是什么？

A: 自1990年代以来，日本的半导体制造能力有所减弱。希望通过国内先进芯片生产来加强经济安全。也是为了应对台湾海峡的风险，并为索尼、丰田等公司建立稳定的芯片供应链。

---

如果这篇文章对您有帮助，请订阅AI Digester。

参考资料

• TSMC to make advanced chips for AI at 2nd Japan plant – Nikkei Asia (2026-02-05)
• TSMC to make advanced AI semiconductors in Japan – AP통신 (2026-02-05)
• TSMC to make advanced AI semiconductors in Japan – Washington Post (2026-02-05)

2026年，无需再将数据上传至云端也能使用强大AI的时代已经到来。随着本地AI模型和端侧推理技术的快速发展，在保护个人隐私的同时利用高性能AI已成为现实。本文将整理2026年本地AI的现状和实战应用。

本地AI是指在自己的PC、Mac、智能手机等本地设备上直接运行AI模型的方式，而非使用云服务器。根据Edge AI and Vision Alliance的数据，进入2026年，由于量化技术和硬件优化，端侧LLM的性能得到了显著提升。特别是经过4比特量化的70亿参数模型，即使在16GB RAM的笔记本电脑上也能流畅运行。Enclave AI的分析表明，在2026年CES上，高通和苹果都公开了大幅强化端侧AI专用NPU性能的芯片组。值得注意的是，iPhone和Mac上的本地推理速度比上一年快了2倍以上。

实际上，开始使用本地AI比想象的要容易。Clarifai整理的指南显示，使用Ollama、LM Studio、llama.cpp等工具，只需点击几次或输入几条命令，就可以在自己的电脑上直接运行开源模型。Llama 3、Mistral、Phi-3等模型是代表性的例子，下载转换为GGUF格式的模型后即可立即使用。本地运行的最大优点是保护个人隐私。对于敏感文档摘要、公司内部代码审查、医疗数据分析等不愿将数据发送到外部服务器的任务尤其有用。由于无需连接互联网即可运行，因此也可以在飞机或安全设施中使用。

当然，也存在局限性。与基于云的GPT-4级模型相比，推理质量仍存在差距，大型模型需要高性能GPU。但随着搭载NPU的笔记本电脑普及，以及模型轻量化技术的不断发展，这种差距正在迅速缩小。预计2026年下半年，本地环境下的多模态推理也将达到实用水平。与个人信息保护法规日益加强的趋势相吻合，本地AI正逐渐成为一种必然选择，而非可选项。

FAQ

Q: 运行本地AI需要什么样的配置？

A: 以7B参数模型为例，仅需16GB RAM和普通CPU即可。如果需要更大的模型，建议使用NVIDIA GPU 8GB以上。

Q: 本地AI和云端AI的最大区别是什么？

A: 数据不会传输到外部服务器。可以保护个人隐私并进行离线使用，但与顶级模型相比，性能可能存在差异。

Q: 初学者开始使用本地AI最简单的方法是什么？

A: 安装LM Studio或Ollama即可。基于GUI界面下载模型并直接进行对话，无需任何编码知识。

2026年智能手机市场的最大战场是AI。三星Galaxy S26系列和苹果iPhone 18 Pro将分别推出独有的设备端AI战略，预示着正面冲突。特别是三星新引入的EdgeFusion架构是否真的能成为游戏规则改变者，备受关注。

据悉，三星将在Galaxy S26 Ultra上搭载自主研发的EdgeFusion AI引擎。 TechTimes报道称，EdgeFusion将大幅降低对云的依赖，并在设备内直接运行大型语言模型。通过这种方式，即使在离线环境下也能处理实时翻译、文档摘要、图像生成等任务。 Sammy Fans报道称，Galaxy S26的AI图像生成功能已经达到仅凭文本提示就能生成高分辨率图像的水平。

另一方面，苹果预计将在iPhone 18 Pro上进一步强化Apple Intelligence。 Tom’s Guide对比了两款设备，分析认为苹果选择了将AI深度整合到系统中的方法，而三星则专注于最大化各个AI功能的性能。苹果的优势在于生态系统联动。与Mac、iPad、Apple Watch无缝衔接的AI体验是三星难以轻易赶超的部分。

价格和规格方面也存在差异。 Sammy Fans的比较分析显示，Galaxy S26 Ultra拥有更大的电池和更高的RAM，展现出有利于AI运算的硬件配置。但硬件规格的差异是否能在实际使用体验中被感知到，还需要在发布后进行验证。

EdgeFusion要成为真正的游戏规则改变者，必须超越简单的功能罗列。离线AI处理速度、电池消耗量以及与第三方应用程序的联动性是关键。2026年下半年，两款产品都上市后，将决定AI智能手机时代的方向。对于消费者来说，无论选择哪一方，仔细衡量AI功能的实际利用率才是明智之举。

FAQ

Q: EdgeFusion AI与现有的Galaxy AI有什么不同？

A: EdgeFusion是一种无需云端，在设备本身运行大型AI模型的架构。过去需要将复杂的任务传输到服务器，但EdgeFusion可以在离线状态下处理翻译、图像生成等高级功能。

Q: 与iPhone 18 Pro的Apple Intelligence相比，哪一方更有优势？

A: 三星在各个AI功能的性能上领先，而苹果在设备间的生态系统联动方面具有优势。单设备AI性能方面三星可能更胜一筹，多设备AI体验方面苹果可能占据优势。

Q: Galaxy S26 Ultra的AI图像生成功能实用吗？

A: 仅凭文本提示即可生成高分辨率图像，可用于SNS内容制作或简单的设计工作。但很难完全替代专业设计工具，作为辅助工具的价值更大。

OpenClaw是一款集消息传递、交易和电子邮件处理于一体的开源AI代理。它由Clawdbot演进而来，经过Moltbot，自发布以来，在全球范围内引起了广泛关注和争议。它被认为是超越简单聊天机器人的、能够自主执行实际业务的“超级代理”。

OpenClaw的核心是垂直整合。过去，消息传递自动化、支付处理和电子邮件管理需要分别使用不同的工具进行处理。OpenClaw允许一个代理在保持上下文的情况下连续处理所有这些功能。例如，当收到客户咨询时，它可以分析内容、查询相关交易历史记录，甚至在无需人工干预的情况下完成退款处理。IBM分析认为，这种垂直整合方式代表了企业工作流程的未来。由于它是开源的，因此在开发者社区中迅速传播，甚至出现了名为Moltbook的衍生项目。CNBC报道称，OpenClaw在带来期望的同时也带来了恐惧，因为自主执行金融交易的AI可能被滥用。实际上，安全行业已经进入警戒状态。CrowdStrike警告说，安全团队应密切监控OpenClaw的API访问权限和执行范围。尤其需要警惕诸如自动发送钓鱼邮件或未经授权执行交易等情况。

OpenClaw展示了AI代理从简单的辅助工具转变为实际业务执行者的转折点。便利性和安全性之间的平衡将是关键挑战。企业在采用之前，明智的做法是首先建立权限控制和审计系统。开源生态系统的自我纠正和监管讨论将决定这项技术的方向。

FAQ

Q: OpenClaw可以自动化哪些任务？

A: 消息回复、电子邮件分类和回复、支付/退款等交易处理由一个代理统一执行。可以在保持各项任务之间上下文的同时进行连续处理。

Q: OpenClaw的安全风险是什么？

A: 自主交易执行和电子邮件发送功能可能被滥用。CrowdStrike建议进行API权限管理和执行范围限制。引入时，审计日志系统是必不可少的。

Q: 与现有自动化工具的区别是什么？

A: 现有工具分别处理消息传递、交易和电子邮件。OpenClaw的关键区别在于，它在一个代理中垂直整合了这些功能，从而可以无缝地自动化整个工作流程。

2026年，AI在新药研发中不再是选择，而是必需。从药物发现到临床试验，AI深入渗透到整个过程，制药行业的范式正在发生根本性改变。AI的引入，大幅缩短了以往需要10年以上的新药研发周期，这样的案例正在不断涌现。

Drug Target Review指出，2026年是AI在新药发现中成为必需要素的元年。过去，AI仅停留在制药公司的实验性项目中，现在已成为核心管线的中心轴。AI分析数百万个化合物数据，在几天内筛选出有前景的药物候选物。而传统方式需要数年才能完成这项工作。世界经济论坛(WEF)也分析认为，AI正在从根本上重塑药物发现过程。尤其是在蛋白质结构预测、分子模拟、生物标志物发现等方面，AI的准确性得到了显著提高。全球排名前20的制药公司中，大多数已经采用或正在采用基于AI的药物发现平台。与初创公司的合作也日益活跃，AI新药研发生态系统正在迅速扩展。

在临床试验领域，AI的作用也越来越大。Applied Clinical Trials将平台化、AI流畅性、价值链优化列为2026年临床试验的关键。AI自动化患者招募、方案设计、数据监控，从而提高临床试验的效率和成功率。实际上，据报告，使用AI的临床试验平均缩短了30%以上的患者招募时间。

随着AI新药研发的普及，监管机构的反应也在加快。FDA和EMA等主要监管机构正在完善基于AI的药品审查指南。但AI模型的透明度和可解释性仍然是一个挑战。未来，如果AI和人类研究人员的协作模式更加精细，新药研发的成功率预计将更上一层楼。

FAQ

Q: AI新药研发比传统方式快多少？

A: AI可以将药物候选物质筛选过程从数年缩短到数天至数周。据报告，整个开发周期平均缩短2~4年。

Q: AI临床试验的最大优点是什么？

A: 患者招募优化和方案自动设计是核心。通过这些，可以同时节省临床试验的时间和成本。

Q: AI新药研发没有局限性吗？

A: AI模型的黑盒问题和学习数据偏差是主要的局限性。监管机构也要求AI决策的透明度，因此，开发可解释的AI是一个重要的课题。