首页 / 小说书库 / AI领导课:企业数智化转型的9项关键行动 / 正文
点评
第1章 学习 领导者不学习AI,企业就用不好AI

AI一天,人间一年。

AI技术的发展和变化是如此之快,以至于大多数企业在接触AI时,会感到自己太落后了。同时,AI的部署正在各类企业中加速向前迈进。这种快速前进的步伐使企业领导者陷入尴尬的境地,他们在学着适应的同时,对自己需要适应的究竟是什么感到困惑。 随着“理解AI”和“应用AI”之间差距的不断扩大,企业领导者对自己在部署AI时应扮演的角色也越来越不确定。这种差距也影响了员工对领导者的期望。不少员工期望他们的领导者能够主动使用和管理AI,以提高自己的工作效率。

洞察力源自知识的积累。如果说企业领导者的首要任务是授权员工利用其能力为公司创造竞争优势,那么在AI时代,企业领导者的首要任务就是缩小二者的差距——对AI的狭隘理解与AI日益广泛的应用之间的差距。

企业领导者经常向我提出这样一个问题:AI的发展可谓瞬息万变,他们如何缩小理解与应用AI之间的差距,才能推动公司成为AI驱动型企业,让新技术成为公司的宝贵资产?在这种情况下,企业领导者往往对自己的业务专长在新技术场景中的应用价值没有信心。其实,他们真正在问的是这个问题:他们只是业务专家,而不是AI专家,又怎么能对AI的部署发表深刻的见解,或在AI应用方面采取具有深远意义的行动呢?尤其是当企业领导者开始了解一项新技术,而这项新技术又突显了他们自身技术知识的匮乏时,这种自我怀疑就更加强烈了。这种感觉的出现,使得他们无法积极领导所在企业开启AI变革之旅。要破解这个难题,企业领导者必须更加坚信,企业领导者的业务专业知识,正是企业成功部署AI不可或缺的关键要素。

那么,我们如何才能提高企业领导者的信心水平,使他们意识到自己的业务专业知识在指导AI驱动的变革中能够发挥真正的价值?我在这里想向那些缺乏信心的企业领导者提一个听起来激进但实际上并不激进的建议:企业领导者不必成为AI专家! 相反,他们需要深刻理解这句话:对待技术,企业领导者要侧重了解技术的主要原理和作用,而不用精通技术细节。企业领导者对“技术横向面”的广泛理解,比他们对某项技术的精通重要得多。面对AI技术,当我们说企业领导者需要足够了解AI时,也并非要求他们对AI技术细节的了解达到精通的程度,而是要求他们认识到AI究竟为所在组织和利益相关者带来了什么价值,AI将以什么样的方式、在什么样的场景下实现这种价值。你看,只需要这种基础水平的了解,就足以使企业领导者缩小前文提到的那一组差距——“对AI的狭隘理解与AI日益广泛的应用之间的差距”。如果从这个视角切入,你对AI的认知就会越来越深刻;随着你的认知越来越深刻,你一定能为AI技术找到若干个强有力的商业落地场景。

然而,真正的AI变革之旅,并不止步于在商业场景中简单地部署AI。一旦企业决定部署AI,领导者还需要授权和推动员工与AI开展有机协作,以提升员工的工作绩效并为组织创造新价值。为了实现这些目标,领导者需要找到将AI融入团队工作流程的机会,并预测这种融入将为企业的不同团队、组织内正在进行的项目带来哪些潜在收益。这意味着,领导者的知识面也需要不断扩展,领导者要不断了解AI领域正在发生的变化,以及这些变化将如何影响企业的商业实践。也就是说,除了掌握AI当前的相关知识,领导者还必须将“学习”作为其持续引领AI变革的常态,这样才能始终保持对AI最新知识的精准把握。

对企业领导者来说,掌握AI知识并终身学习AI,似乎是一项艰巨的任务。毕竟,正如美国天文学家卡尔·萨根(Carl Sagan)所说:“我们创造了一种文明,其中大多数关键要素都深深地依赖于科学技术,然而……几乎没有人真正了解科学技术。” 因此,我们在第1章中具体探讨一下:企业领导者对AI掌握到什么程度才算到位;以及他们如何进行终身学习,才能在推动企业部署AI的过程中始终保持足够的领导力和知识储备。

在我的高级领导力课程中,企业高级管理者们普遍在AI应用方面感到巨大的压力,我甚至听到他们中的一些人公开质疑自己的能力:他们是否需要将自己改造为专业程序员,才能在组织拥抱AI变革的过程中,成为卓有成效的领导者?请放心,编程领域的专业知识,并不是企业领导者所需掌握的AI相关知识。企业领导者需要的只是对AI的基本了解。为了做到这一点,他们应该了解以下两个层面的问题。

1.AI是什么,AI不是什么?

2.什么类型的AI适合我们的业务环境,为什么?

从基本定义来看,AI系统是具有自我学习能力的计算系统。换句话说,AI可以从“大型数据集”中学习,并进行模式识别和问题解决。因此,AI具有分析大型、复杂数据集以揭示潜在趋势的能力,还可以根据这些潜在趋势向人类提出相应建议。正是这种自我学习能力使企业领导者相信:AI将有助于提高组织的效率。 AI系统有可能帮助组织以更有序的方式运作,从而促进整体生产力的提升。AI系统在各种组织中的不同应用,向我们展示了它的这种能力。例如,AI系统可以帮助企业筛选求职者的简历、评估员工绩效、优化工作任务分配、管理产品库存,以及自动完成重复性任务,让员工能够腾出时间来探索新想法、促进创新,而不是被按在工厂的生产线上枯燥地数机器的各种零部件。

AI的自我学习能力——应用算法去处理新数据,并根据新数据实时改变自身计算方式——使许多人将其与人类智力相提并论。 由于缺乏对AI的真正了解,企业领导者往往会认为这种自我学习能力意味着AI可以做人类能做的所有事情,而且速度更快。遗憾的是,这种想法是错误的。今天,太多的企业领导者隐秘地假设:AI可以思考,因此几乎可以在任何岗位(包括脑力工作者的岗位)上取代人类。他们将AI视为智能、高效、组织有序和纪律严明的高素质新员工,而且比人类员工更能干。 假如他们的假设在未来成真了,他们不禁要问:为什么还要在人类员工身上投资呢?

这种将人工智能和人类智能相提并论的假设,是个严重的错误。而且,这种错误的假设如果没被认识到,将导致企业领导者很容易做出破坏和威胁其组织正常运作的错误决策。那些认为AI优于人类员工的想法,最终可能导致一个组织丧失人类独有的能力,比如创造力和情商。

首先看看创造力方面。随着ChatGPT等大语言模型的快速发展和应用,人们对AI的恐惧程度呈指数级增加。这类自然语言处理工具由AI驱动,可以让你与机器进行类似人与人之间的对话。为了响应你所输入的提示词,ChatGPT使用一套算法来分析大型数据集,并以文本、图像和音视频等形式生成新内容反馈给你。这些新技术能够通过美国律师资格考试和高级生物学考试等高级考试——在2022年11月ChatGPT公开发布之前,人们还普遍认为这些考试AI是不可能通过的。 更令人震惊的是,AI可以生成大量新想法。正是因为AI具有这种能力,所以企业领导者更有理由相信:AI现在真的有思想了!如果AI能够成为一个有创造力的思想者,那么当然可以把创造性工作交给它去完成。但是,如果企业领导者决定将创造性工作委派给AI而不是人类员工,那么这一决策将严重损害整个组织的利益(详见第8章)。

实际上,AI仍然无法像人类一样思考,ChatGPT也没有具备真正的创造力。首先,这款自然语言处理工具不会产生新颖的想法,它所表现出的唯一新颖之处在于,它以类似人类思维的方式来组织和组合现有想法。但这些想法本身必须已经存在于数据集里,ChatGPT才能生成它们。因此,AI在创造力方面比人类做得更好的,就是更快地提出现有想法的新组合。

但是,创造力不只是组合进而产生新颖的想法,它还涉及评估新产生的想法是否有意义,以及这个想法究竟能够解决人类关心的什么问题。 很显然,包括ChatGPT在内的AI系统不具备这种能力,它无法理解人类认为哪些问题是重要的,哪些问题是亟待解决的,而哪些问题其实是不重要、不紧急的。因此,尽管ChatGPT是快速组合生成新想法的高手,但它无法判断这些想法在实际工作中可以解决哪些有用的问题(用学术术语来说,它缺乏反向因果推理的能力)。企业领导者需要意识到这一现实,并认识到拥有ChatGPT并不意味着我们不再需要进行任何思考。为了避免陷入这一思维陷阱,一位深谙AI的领导者还应该了解AI的局限性。

那么,AI的局限性包括什么呢?

首先,即使是最先进的AI,也无法像人类一样从学习中推断“意义”(meaning)。它们不能进行意义层面的类比,也无法欣赏文化和语境的细微差别。 人类可以从商业对话中体会出“话中有话”的更深层次意义以及“只可意会不可言传”的微妙差异,而AI无法做到这一点。在某些商业谈判中,对方说出的话往往与他要表达的意思是相反的。例如,“你提供的这个报价是认真的吗?”这句话将被AI视为“对方只是想确认我方所提供的报价”这一简单问题,而大多数商业人士会很快觉察到对方其实是对我方提供的报价不满意。因此,AI无法真正取代拥有直觉、判断和决策能力的人类,而这些能力在复杂和模糊的商业环境中至关重要。

其次,AI无法进行“道德推理”(moral reasoning):它们不能推断出人们真正关心的问题是什么,以及所关心的问题为什么在某些情况下更重要,而在另一些情况下则没那么重要。 它们无法与做决策的人产生情感共鸣。例如,作为领导者,你可能会对一位员工因家中一位老人突发心脏病而迟到表示同情;但AI不会,AI只会坚持该员工迟到的事实,而不会对员工家中的不幸遭遇抱有任何同情心。在任何给定的情境中,AI都无法以符合道德伦理、尊重他人和为社会所接受的方式来处理问题。

最后,大多数现代AI都充斥着偏见和歧视的算法。有关AI偏见的报道如今越来越常见,例如,歧视非洲裔美国人的预测性警务算法和歧视女性的简历筛选算法。我们再也不能假设AI是完美、理性且无偏见的决策者了。

因此,企业领导者需要明白,AI系统可以分析人类无法处理的大型复杂数据集,并从中推导出极具洞见的结论。同时,领导者还必须明白,AI系统无法做出直觉判断,无法真正理解道德心理和文化差异,也无法在决策中完全消除偏见和歧视。如果企业领导者能看到AI的正反两面,这将有助于他们在组织中用好AI。虽然AI可以做很多事情,例如提升员工工作效率和改善组织的整体运作效能,但它不能完全取代人类。而且,重要的是,卓有成效的领导者要明白,AI不能代替我们人类思考。这就是在AI时代我们依然需要企业领导者的原因!

企业领导者希望AI能够以准确、透明和可解释性强的方式分析数据,而且效果优于任何人类数据分析师,还希望AI利用获得的数据进行更准确的预测,做出更高质量的决策,并更高效地解决问题。如果企业领导者能够根据正确的数据做出更准确的预测,这将有助于他们优化决策方式,让企业的利益相关者认为这些方式是合适的、有吸引力的且有价值的。而更高质量的决策有助于企业建立稳定的、不断增长的客户群,从而帮助企业从众多同行中脱颖而出。为达到这一目的,最适合企业的AI类型通常基于机器学习(ML)技术。这是一种先进的技术,它通过在庞大的数据集里不断进行训练和验证,来识别和学习其中的模式。一个AI进行机器学习的简单且经典的例子是癌症诊断:AI能够在医学图像上找出人类医生难以发现的问题点,协助医生更好地开展诊断和预警工作,因此,使用AI的医院往往也可以获得更多病人的信赖。

企业必须意识到不同利益相关者有不同的利益诉求(详见第6章)。在部署AI时,某些利益相关者可能会受到影响,企业领导者需要注意把负面影响降到最低。因此,在部署AI时,最安全的选择是:选用仍由人类控制的AI系统。人们必须积极参与底层预测模型的训练和开发,了解和评估这些模型的输出结果——至关重要的是,在输出结果存在偏见、生成不可接受的决策或其他次优结果时,企业领导者应果断放弃使用这些模型。例如,企业领导者首先应明确使用AI会如何影响企业未来的业务运作方式。这些领导者还应该与企业中所有使用AI的人约定一套安全使用AI的公约。这套公约应明确规定,每个人都需要报告AI的部署是否对公司的利益相关者公平公正,是否完全符合法律法规。

需要企业领导者注意的是,并非所有AI系统都能达到上述的“人类可控”要求。有一些AI系统,尤其是那些基于无监督技术的AI系统(即允许AI模型在几乎没有人工干预的情况下从数据中挖掘见解),则非常不适合在商业环境中使用。而且,很多企业似乎也认识到“人类可控”的重要性。欧莱礼出版公司(O’Reilly Media)2021年的一项调查显示,约82%的企业表示,它们更倾向于使用那些在训练和使用过程中允许更多人为干预的机器学习模型。

如今有很多现代的机器学习模型允许人类进行干预,而且通常不会在质量和性能上做出太大的让步。例如,有监督的机器学习模型使用大量由人类标记的输入数据进行训练,这些模型能根据人类标记者的见解进行推断,因此,推断的结果相对可控。还有一种技术是“基于人类反馈的强化学习”(RLHF),它通过人类反馈来设置训练目标,并在模型输出偏离这些目标时对其进行修正。一个著名的RLHF技术应用例子就是ChatGPT,它会询问你是否对生成的内容满意,以及你是否需要重新生成新的内容。在人类与模型对话过程中,人类的反馈将帮助大语言模型进行微调,使其能够更好地学习模式检测和内容生成。

最近,随着人们对AI的“可解释性”(explainability)和“可理解性”(interpretability)的高度重视,关于AI模型如何得出结果的过程也逐步透明。 越来越多的人认为:人类对AI的可控,是组织愿意部署AI协助领导者决策的关键。因此,人们正在付出巨大的技术努力,以扩大我们对AI系统的控制范围,提升控制的有效性。作为一位深谙AI的领导者,你需要跟上这些发展趋势。

请看一个例子。假设你的企业正在开发一个用来筛选潜在求职者简历的AI模型,如果你会记录哪些求职者成功拿到录用通知(offer),哪些求职者未能成功入职,而且你保留了他们的简历,那就太好了!现在你可以使用有监督的机器学习技术了。一旦AI模型根据历史记录中的简历进行了训练,它就可以识别出贵公司认为有价值的简历是什么样子的。当它看到新求职者投递的简历时,就可以预测这位求职者是否有可能被录用。现在,假设你应用前沿的可解释性技术来剖析这个AI模型到底是怎么工作的。令你震惊的是,你会发现这个AI模型已经学会了分析性别与求职成功之间的高度相关性——因为贵公司以前成功聘用的大多数求职者是男性,所以该模型更有可能将男性求职者标记为“可雇用”,而不是将符合同样能力条件的女性求职者标记为“可雇用”。

上面这个例子,可不是我瞎编的。2018年,美国科技巨头亚马逊就有过这样的经历。该公司在停用其有偏见的简历筛选算法之前,已经遭受了相当大的声誉损害。至关重要的是,在AI模型的训练和使用中,人们有两次人工干预的机会:一次是当人们选择和标记AI模型训练所依据的数据时,另一次是当他们应用可解释性技术来剖析AI模型的内部运作逻辑时。作为一位深谙AI的领导者,你必须了解:在企业部署AI时,能够对AI模型进行人工干预的点在哪里。你需要积极主动、有策略地使用这些干预点,以确保AI模型以安全和负责任的方式运行。

最后,如果你觉得这些有监督的机器学习模型听起来像是换了个花哨名字的统计建模,那么你的直觉是对的。在许多方面,机器学习技术只是一种非常好的计算方法,它比人类的计算速度更快,能够处理更多的数据。事实上,机器学习技术在构建数据集预测模型时,主要依赖回归分析,并致力于通过最小化误差来提高预测的准确性。因此,掌握一些常见的统计方法(如回归法)和熟悉一些统计编程语言(如R语言),对你肯定有好处。需要注意的是,掌握这些统计方法和编程语言并不等同于成为程序员。你完全不需要成为程序员!掌握这些统计方法和统计编程语言,能在很大程度上促进你与数据科学家及数据分析专家之间的有效沟通,仅此而已。作为一位深谙AI的领导者,你应掌握一定的统计学和建模基础知识,这将使你能够自信地与公司中的技术专家们进行深入交流。然而,你并不需要达到能够亲自开发和测试AI模型的程度。

洞察AI的本质及其局限性,对于理解AI在企业中的潜在应用至关重要。这将帮助你适应这一崭新的工作环境,并为AI的部署制定出切实可行的商业策略。然而,将AI整合到组织中并非仅是制订商业计划。许多企业领导者在掌握了AI技术的相关知识并完成了商业计划的制订工作后,便误以为自己的任务已经完成,后续的实施工作可以完全交给IT专家。这种观念忽略了在AI集成业务流程中领导者持续参与的重要性,以及在不断变化的技术环境中保持灵活性和适应性的必要性。

因此,我经常听到有人说“这些商业计划没有在公司落地,AI并没有很好地提升组织的整体绩效”,就不足为奇了。对大多数公司来说,在全公司范围内推广使用AI是一个大难题。作为领导者,一旦公司决定部署AI,你还需要确保以正确的方式使用这项技术,从而使员工的工作更轻松,并提升组织的整体绩效。

领导者的任务就是创造工作条件,让员工对AI如何帮助他们更好地工作充满好奇心,从而愿意尝试新技术,并基于组织的目标和价值观来使用这些技术。你可以通过展示你自己使用公司所部署的AI来营造一种积极拥抱创新的氛围。行胜于言,这种做法尤为重要。我见到许多企业领导者都存在一个问题:他们希望你听他们说了什么(例如,“大家需要在日常工作中使用AI”),但不想让你看他们究竟做了什么(例如,他们作为领导者,自己并没有在实际行动中用AI取代旧的工作方法)。

企业领导者未能以身作则的一个典型例子来自一家制造公司。这家公司邀请我去他们公司讨论如何让AI驱动成为组织的基因(DNA)。在部署AI的初期,员工对使用AI表现出强烈的动力和好奇心。其中有一些人甚至开始使用基于云的平台,AI可以通过该平台有效促进团队之间的交流。然而,随着时间的推移,公司投入巨资建设的这一平台的使用率却持续大幅下滑,员工们纷纷回到了他们自己原有的沟通渠道,因为他们看到自己的领导都没有使用这些新平台。“如果领导都不用,我为什么要用?”这句话成了公司员工的口头禅。

当我采访该公司的一些领导者时,他们承认,就他们自己的理解而言,部署AI在初期看起来是个好主意,但一旦开始使用AI,他们又感到一种不确定性。听到企业领导者描述这种不确定性后,我意识到,对AI的基本了解最初可以激发很多人对AI部署项目的热情,可一旦要进入推行阶段,则需要全员持续学习。你和你的员工都需要跟上AI的发展,了解其对商业世界产生的潜在影响。

AI在不断发展:新技术不断涌现,AI驱动的业务应用数量也在爆发式增长。在这个瞬息万变的世界中,你不能认为学习AI是一蹴而就的事。你应该训练自己尽可能多地阅读有关AI的进展和行业领军者对其应用的看法的文章,你需要与其他领导者讨论AI,需要定期与技术团队交换看法。我有幸结识了一位国际知名咨询公司的高级管理者,她以在数字化转型咨询领域的杰出贡献而闻名遐迩。尽管她已经荣获多项国际荣誉,这些奖项充分认可了她在引领技术革新、为客户企业提供卓越咨询服务方面的卓越领导力,但她从不违反一条规则,那就是“坚持每天至少阅读一小时”。她非常值得我们学习。然而,你所读的内容不应仅限于AI相关内容。阅读不只是获取知识的手段,对那些致力于在企业中推动AI部署的领导者而言,它有更深层次的意义。通过阅读,你不仅能够刷新和深化对AI基础概念的理解,还能够通过广泛涉猎来审视自身在推动公司AI部署中的领导力水平如何。这种阅读实践将为你提供宝贵的视角,帮助你在技术与战略之间架起桥梁,引领企业在AI时代中稳步前行。

事实上,虽然获取和更新有关AI的基础知识很重要,但研究表明,随着AI时代的到来,提升你的领导力才是企业生存和全面发展的最重要影响因素之一。 根据我的经验,有了正确的领导方式,你才会以一种更加开放的心态来探索AI,并尝试将其应用于公司不同的项目之中。在这个方面,微软公司CEO萨提亚·纳德拉(Satya Nadella)提供了一个好案例。

纳德拉是一位真正深谙AI的领导者。纳德拉的领导方式以促进成长型思维为中心,使员工更乐于探索其他更为创新的工作方式。 他将自己在AI方面所取得的成功归功于领导力——不是因为他懂最先进的AI技术,而是因为领导力为组织定下基调并刷新了微软员工的思维方式。纳德拉曾多次指出,由于微软曾经过于关注过往的辉煌,使得员工不容易接受变革和新想法、新理念。纳德拉在2014年上台担任公司CEO之后,特别注重成长型思维模式的培育,他希望员工有一种“看未来,而不看过去”的积极心态,即员工对新的工作方式保持开放和好奇,而不是对过去依依不舍。

纳德拉的领导方式的核心是身体力行,以自身实际行动来确立公司的变革方向。重要的是,在言行一致方面,他表现得十分谦逊,这无疑是他成功推动微软变革和创新的秘诀。通过保持谦逊的态度,纳德拉表达了他对他人意见的尊重,为持不同意见的员工创造了发声空间,并鼓励员工尝试以不同以往的方式来做事。这些行为对于塑造一种新型企业文化至关重要——这种文化鼓励员工开放地使用AI,并为AI的部署做出积极贡献,而这些恰恰是组织AI变革安全渡过深水区的关键条件。谦逊的领导能够激发员工的主人翁精神,而感觉自己能掌控工作的员工也会更加负责任。在部署AI时,我们比以往任何时候都需要增强员工们的这种责任感。

企业领导者还需要学习AI在道德伦理方面的风险,以评估和深入思考AI技术的应用可能对企业更广泛的利益相关者造成的不良后果——正如前文所说,当AI的输出结果显示出偏见,甚至建议做出不道德的决策时,领导者应及时弃用该AI系统。在这方面,你的领导力就显得至关重要了! 因此,在你的持续学习过程中,你需要随时了解部署AI所带来的最新责任。与时俱进地履行自己的责任,不应该是一件奢侈的事情。随着AI系统被应用于各种日益敏感的业务场景,为确保负责任地部署使用AI系统,领导者需要考虑的因素也在不断变化。我们只有不断地了解更多关于AI系统可能存在的偏见和其他危害信息,才能理解应对这些问题所涉及的责任。例如,OpenAI首席执行官萨姆·奥特曼(Sam Altman)公开宣布:AI,特别是他亲手推出的ChatGPT,会给社会带来潜在危险。这表明,企业领导者需要不断了解科技产品会引发哪些道德问题,并及时针对这些问题采取必要的行动(包括事前预防和事后补救的行动)。

最后,作为AI变革之旅的一部分,终身学习不仅是个人的努力,也是团队内外协作的结果。例如,企业可以举办内部研讨会和在职培训,邀请经验丰富的业内同行、咨询顾问、大学教授给员工讲授关于AI的最新知识。此外,商学院也可以在这个过程中发挥独特作用,它们可以在两个方面做出贡献: 一方面,在学位课程中,商学院肩负一项重要责任,那就是对未来的企业领导者进行专业训练,以培养他们的AI应用能力和AI道德素养;另一方面,商学院在你的终身学习之旅中也发挥着独特的作用——商学院可以提供持续的高级管理者教育计划,使企业领导者能够更深入地挖掘真正适合自己的领导方式,并评估这些领导方式在当今AI时代应对特定挑战的适用性。

***

一位深谙AI的领导者,其领导力始于对AI有足够的了解,能够使用AI的语言,跟上新技术的发展步伐,并将这些宝贵的见解融入自己和团队每天面临的业务现实中。事实上,对许多企业领导者来说,这可能是很有挑战性的一件事。在当今的商业世界中,你对AI的深刻洞察将为你的领导力注入非凡的决策智慧和行动魄力,从而有力推动你所服务的组织及其利益相关者迈向价值最大化的目标。在评估如何最有效地利用AI这一智能工具来应对组织面临的重大问题时,深刻理解AI的能力和局限性将为企业领导者提供关键指导。因此,接下来的关键在于,掌握有效利用AI的方式,以助力实现组织目标。第2章将详细阐述如何迈出这关键的一步。

本章共 6 页 (每页约 2000 字) 分页阅读 →
上一章
目录
下一章
纠错
加书签
详情
加书架
打赏
投票
自动滚动
设置
夜间

评论 0条

加载中...

设置

阅读主题
正文字体
字体大小
18
页面宽度
滚动速度
5
语音朗读
翻页模式
💎

余额不足

您的水晶或能量余额不足,请充值后再试。

立即前往充值

🎫 投月票

1 张月票 = 1.00 水晶。感谢支持!

🎁 打赏作品

打赏将直接扣除水晶余额,鼓励作者创作。