热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

特斯拉到底颠覆了什么?

视学算法转载来源:机器之能编辑:机器之心微胖「我们在这里学习和奋斗了几年,想要弄出一款像样的手机。PC的人是不会把这事搞清楚的。他们不会就

视学算法转载

来源:机器之能

编辑:机器之心微胖

「我们在这里学习和奋斗了几年,想要弄出一款像样的手机。PC的人是不会把这事搞清楚的。他们不会就这么走进来的。」——Ed Colligan, Palm的首席执行官,2006年,关于苹果手机的谣言。

「他们嘲笑哥伦布,嘲笑莱特兄弟。但他们也嘲笑小丑博佐。」——卡尔·萨根 

当诺基亚的人看到第一代iPhone时,他们看到的是一款不太出色的手机,不过有一些很酷的功能,而且产量只是当时诺基亚销量的一小部分。

「没有3G,看看摄像头就知道了!」他们耸耸肩。

当许多汽车公司的人看到特斯拉时,他们看到的是一辆不怎么出色的车,但也有一些很酷的功能,产量只是传统汽车销量的一小部分。

「看看这做工,墙板的缝隙,还有这帐篷!」 

诺基亚的人大错特错。汽车人也错了吗?我们听说特斯拉是「新iPhone」——这意味着什么? 一定程度上,这是关于特斯拉的问题,但更有趣的是,它可以让我们思考,当「软件吞噬世界」时,以及当科技进入新行业的时候,会发生什么。我们如何看待事物是否具有破坏性?如果是的话,被颠覆的是谁?这种颠覆是否意味着一家公司在新世界中获胜?获胜的会是哪一个?

首先,「颠覆」是指一个新概念改变了一个行业的竞争基础。

一开始,无论是新事物本身,还是带来新事物的公司(或,两者兼而有之),往往都不擅长现有企业所看重的东西,并被嘲笑,但他们后来学会了这些东西。相反地,业内人士要么认为新事物毫无意义,要么认为他们很容易就能添加它(或者,两者兼而有之),但他们错了。苹果带来了软件并学会了使用手机,而诺基亚拥有很棒的手机却无法学习软件。

然而,并不是每一项新技术或新想法都具有破坏性。有些东西并不足以改变竞争的基础,有些东西的在位者可以学习和吸收新的概念(这并不是完全一样的东西)。克里斯滕森称之为「持续创新」,而不是「破坏性创新」。

推而言之,任何一项新技术都可能对价值链某个部分的某个人造成破坏。iPhone颠覆了手机业务,但并未彻底颠覆移动网络运营商,尽管很多人相信它会。(尽管这一切都改变了,但同样的公司仍然拥有和2006年一样的商业模式和同样的客户。)网上订票并没有给航空公司带来多大的影响,但却给旅行社带来了巨大的冲击。在线预订(出于讨论的目的)是航空公司的持续创新和旅行社的颠覆性创新。

与此同时,最先为市场带来破坏的人可能并不是最终从中受益的人,实际上,从破坏中胜出的人可能实际上在做一些不同的事情——他们可能位于价值链的另一部分。 

苹果开创了个人电脑的先河,但却失去了个人电脑市场,而最大的赢家甚至不是其他个人电脑制造商:相反,大部分利润都流向了微软和英特尔。个人电脑本身成为了一种利润微薄的商品,竞争激烈,但个人电脑的cpu和操作系统(以及生产软件)最终产生了强大的「赢者通吃」效应。「第一」并不等于拥有可持续的竞争优势。

 因此,我们在研究特斯拉时有四件事需要考虑:

首先,它必须学会「旧」的东西——它必须学会如何以现有汽车行业认为理所当然的效率和质量大规模生产汽车,而且最好在此过程中不会耗尽现金。但是,解决「生产地狱」只是进入的一个条件,而不是胜利。如果它只能做到这一点,那它就只是另一家汽车公司,而这并不是让任何人兴奋的事情。重要的是车是什么。

其次,特斯拉还必须做一些现有汽车制造商很难学会的新东西。这与原始设备制造商目前的供应商要努力学习的事情并不完全相同——原始设备制造商购买新产品容易吗?

第三,这些颠覆性的东西必须具有根本性的重要性——它们必须足以改变竞争的基础,改变汽车和汽车公司的本质,这样才能在它们无法被复制的情况下发挥作用。

第四,除了所有这些之外,还需要有一些根本的竞争优势,不仅要强于现有的汽车行业,还要强于其他新进入者。苹果做了诺基亚做不到的事情,但它也做了谷歌做不到的事情。

现在,我们来谈谈汽车上发生了什么。这很复杂,因为同时有几个不同的变化在发生。

 一 

电池和电机

特斯拉促使人们认识到,锂电池可以让我们制造出和内燃机车一样好的电动汽车,而且,如果我们能让电池体积足够大,这些汽车最终会和内燃机车一样便宜。下面的图表显示,电池成本要达到100块,才能与汽油在成本上竞争——我们已经快到了。

许多汽车行业内部人士会说,特斯拉在这方面的工作已经领先了好几年。然而,锂电池和电动机并不是一项具有大量主IP的外来新技术,也不存在任何网络效应或者「赢家通吃」。可以确定的是,在中期(也就是说,电池足够便宜时,整个行业都可以大规模由内燃机转向电池),电池本身、电机和控制系统都很有可能成为商品。这并不意味着它们将不再需要大量的科学和工程技术,毋宁说,像智能手机或个人电脑(或汽车)组件一样,它们也需要大量的科学和工程技术,全球电子产业将竞相制造最好的部件,并将它们卖给任何想买的人。

在这样的环境中,在内部创建出色的组件并不一定会给您带来任何特别的优势。索尼的图像传感器部门在智能手机业务上做得很好,但索尼的智能手机部门做得并不好。相反,苹果严格管理着近200家供应商(包括索尼),自己只设计了一小部分极为不同的零部件。因此,尽管业内人士对谁能生产出最好的功率放大器或GPU有自己的看法,但除了OEM需要做出选择之外,消费者大多不知道这一点。

因此,特斯拉将拥有自己的电池工厂(与松下合作),并成为最大的供应商之一,但据估计,10年后,这一比例可能会占到全球电动汽车电池产量的15%。一方面,这对一个新进入者来说是令人印象深刻的,但另一方面,这说明电池可能只会带来有限的竞争优势。每个人都有电池。

在这张图中,灰色是2017年,橙色是2023年,黄色是2028年。

行为至此,我们可以对比一下智能手机的电容式多点触控屏幕这个案例。 

苹果是第一个推广这些屏幕的公司,而且,它们仍然是最好用的。这些屏幕从根本上改变了手机的制造方式,整个行业都采用了它们。屏幕有更好的,也有更差的,每个人都可以买到他们,制造一款多点触控手机本身并不是一个竞争优势。

与此同时,电动汽车不仅仅是用电池取代燃料箱。电力会破坏内燃机和与之相关的一切——你会移除整个传动系统,然后用比内燃机少5到10倍的可移动或易碎部件来替换它。你把车的脊柱扯下来。这对发动机行业的任何人来说都是非常具有破坏性的——它颠覆了机床,以及许多为OEM提供这些部件的供应商。很多供应商基础将会改变

但这与颠覆OEM商本身并不是一回事。如果OEM可以像其他人一样轻松购买电动汽车的零部件,那么,高效规模生产的优势就会落到那些在高效规模生产中处于领先地位的人身上,因为他们实际上在做同样的事情。换句话说,这是相同的业务,只是一些不同的供应商,电力本身看起来更像是持续创新。

 二 

软件、模块化与集成

如果部件是一种商品,那么,集成这些部件可能就不是(商品)——至少,不一定是。

首先,集成电气传动系统部件,很重要。做得更好可以让你获得更高的效率。这也是今天的特斯拉在工程方面领先领域之一。不过,目前尚不清楚的是,这种领先优势在(比如说)五年后会有多大,以及它能带来什么样的竞争优势。

如果特斯拉在特定价格下的续航里程上有10%或20%的优势,这对一辆旅行车来说很重要,但是,对于一辆每天行驶10英里、每晚停在带充电点车库的小型货车来说,这也很重要吗? 10年后,与人们买车时会考虑的其他因素相比,这将是多大的竞争优势?是边际优势?竞争优势?或者只是一个与其他功能相比较的复选框? 我们将会看到。

相比动力传动系统,集成工作要广泛得多。有一个汽车行业的老笑话,你可以在仪表板上看到汽车公司组织结构图,方向盘组讨厌变速杆组。

现代汽车有几十个不同的电气和电子系统,这些系统大多是独立的。ABS(制动防抱死系统)与盲点检测无关。所有这些系统都是由OEM不同团队从不同供应商那里购买的,唯一的集成点是仪表板上的开关。这些组件中的每一个都有汽车行业所谓的「软件」(「数百万行代码!」),但这实际上是硅谷所谓的固件,或者最多是设备驱动程序(当然,与硅谷不同的是,这些系统预计也可以使用10年和15万英里)。

其中大部分可能会改变。我们将从拥有简单软件的复杂汽车到拥有复杂软件的简单汽车。不再需要许多独立的嵌入式系统来做一件事情,而是要在一个中央控制板上通过软件控制廉价的笨拙的传感器和执行器,它们运行某种操作系统,并具有许多不同的线程(有几种选择)。这部分是由电力驱动的,但对于汽车自主性来说,至关重要。 

 显然,对那些生产这些单独系统的供应商来说,这些构成了挑战,而且有很多原因可以解释为什么现有的汽车公司很难适应这一点。这也是完全的非技术企业往往认为会容易(「我们会雇佣一些开发商!」),而使陷入可怕的困境,他们可能不得不经历一个周期的学习,他们不做好自己在购买前最好从它的人。 

也就是说,这看起来更像是破坏,而不像电力那样特斯拉当然已经在这里了,这就是为什么它可以空中解决Model3中的制动问题的原因——需要更改的代码不在制动器中。

 但是,再一次,问题在于,这对汽车市场(而不是在汽车部件市场)意味着什么。在这个问题上,个人计算机和笔记本电脑有一个有用的相似之处。

苹果在使用什么组件以及如何对其进行优化以使其协同工作并适合可用空间方面非常具体,这可以生产出体积小,重量轻,节能的笔记本电脑。相反,戴尔的笔记本电脑或台式机具有更大的灵活性和部件互换性,这也意味着更少的集成度和更大的机箱内部空间。每种方法都有其优势,而模块化PC型号在1990年代具有完美的产品市场适应性,这给苹果公司带来了打击。

那么,这在多大程度上可以转化为买入的理由呢?

 三 

颠覆性体验?

打开汽车时,你就能明显地感觉到问题的答案了。这也引领我们去了解特斯拉其他一些更好的地方。

到目前为止,我们一直在谈论电力传动系统本身——「滑板(skateboard)」。这似乎更有可能扰乱OEM的供应链,而不是OEM本身。然而,特斯拉还有另一个完全不同的方面,无论是在车内还是在经销商体验方面。我们怎么看待这些呢?

特斯拉ModelS采用了「skateboard」的设计理念。从图片上可以看出,底盘看起来就像一个滑板,而电池就位于滑板内,低于车体。这就释放了驾驶室空间,并创造了一个平衡的重心。现在许多其他汽车制造商也在使用类似的概念来生产电动汽车。不过,2020年第三季度财报电话会议上确认的信息,特斯拉未来可能放弃滑板设计。(译者注)

最容易看到特斯拉颠覆的地方是Model 3 仪表盘。前文已经讨论过,为什么一个汽车公司很难把所有东西都放在一个屏幕上。但更深层的原因可能只是,他们有多想这么做。Model 3仪表盘在一定程度上是为了节约成本(少安装部件),但是,这也是对大量根深蒂固理念的否定,即汽车应该是什么样的。这不是汽车人的想法。正如我去年写道,今天的汽车用户界面可不太像2006年的功能手机。

还有一些其他很酷的东西。除了汽车本身,特斯拉可以直接以固定价格销售,而不是通过经销商。

OEM经销商通常有可以安装新软件的合同(所以,不允许远程更新),这些经销商的大部分利润来自维修。大约一半的维修费用都花在与内燃机直接相关的东西上——没有内燃机就意味着,没有漏油或风扇传送带断裂。经销商在制定定价和激励措施,以及推动特定车型的需求方面也发挥着重要作用。这些都是现有行业难以适应的。

然而,我还是不清楚这些东西有多重要。可能存在反驳的说法是,这与Apple Store商店或购买iPhone时在手机上激活帐户等功能相当。这些是不错的,有卖点的,而且三星很难匹敌,但是如果没有它们,我们认为苹果的市场份额会崩溃吗? 

这当然是非常主观的(「这件很酷的事,到底有多重要?」),所以,这是一个思想实验:如果这些因素是特斯拉和宝马或奔驰之间唯一的区别,驱动系统、加速等都是相同的,就足够了吗?如果宝马突然开始直接销售OTA固件,特斯拉的股价会崩溃吗?可能不会。

不那么主观地讲,目前还不清楚是否会出现「赢家通吃」。汽车本身可能存在一个开发者生态系统,不过也只是为你的车载APP找个合适的地方,很可能是手机或者云端。当然,现在确定还为时过早。 

最后,很明显,到处都有充电器。一旦有了真正的动力,各种各样的公司都会在任何地方建立充电站。障碍只是资本——这里没有竞争的护城河

 四 

自主性(autonomy)

最终,前面的讨论将我们带向了自主性。 

电动汽车很有吸引力,但可能会成为一种商品,而特斯拉在电动汽车之上的改进可能不是商品,但不一定是决定性的。相反地,自主性正以一种深刻的方式改变着世界,它是一种全新技术,看起来一点也不像商品。特斯拉也多少在这么做。

如前文所述,作为一家科技公司,特斯拉会或者不会颠覆非科技公司。然而,在自主性方面,特斯拉不仅仅是在与汽车公司竞争,它还在与其他软件公司竞争。它不必在软件方面打败底特律——它必须在软件方面打败硅谷的所有其他公司。

在这场竞争中,特斯拉的论点是,从汽车上收集到的数据将给它带来至关重要的优势。今天人们对自主性感兴趣的唯一原因是,过去五年来机器学习(ML)的出现提供了一种让数据发挥作用的办法。反过来,机器学习从大量数据中提取模式,然后将事物与这些模式进行匹配。

那么,你有多少数据? 

因此,特斯拉对自动驾驶的态度是,在已经在销售的汽车上安装尽可能多的传感器,并从这些传感器中收集尽可能多的数据。它之所以能做到这一点,是因为它的汽车已经建立在一个软件平台上(如上所述)——它可以「添加」传感器,而现有OEM尚无法做到。 

随着自动驾驶水平越来越高,它可以在软件更新时,以无线方式将更新推到汽车上。由于已经有很多带有这种传感器的汽车在路上,这将产生一种自我强化的「赢家通吃」效果:

特斯拉将拥有更多数据,因此,汽车自主性会更好,它将出售更多汽车,获得更多的自动驾驶里程,并拥有更多数据。 

如果这一切都得到了回报,这对特斯拉来说确实是一个深刻而有吸引力的竞争优势,即使不考虑其他所有的可能性,比如把你的车出租为自动驾驶出租车。

但是,这只是一个论点,其中隐含两个基本问题:仅凭视觉可以实现驾驶自主性吗?什么样的赢家能发挥所有作用?

首先,视觉。特斯拉的自动驾驶计划有一个真正明显的问题,如今「尽可能多的传感器」意味着特斯拉正在使用围绕汽车放置的摄像头来提供360度视野,还有仅面向前方的雷达(以及一些短程超声波)。这意味着,它必须仅依靠视觉来获得整个汽车世界的完整360度3D模型。 不幸的是,计算机视觉还不能很好地做到这一点。该领域的大多数人都同意,这在某一时刻是可能的,但目前还不行。

此外,这并不是一个增加更多数据,再让视觉通过蛮力工作的问题。这就是为什么几乎所有人都将视觉与多个激光雷达传感器以及多个雷达单元相结合。

如今,每辆车都要增加数万美元的成本。如果你的工程测试和开发车队最多只有几十辆或几百辆车,这还是可以忍受的,但显然不可能在每一辆特斯拉Model 3上都加这种传感器,因为传感器的成本比汽车还高。(还有一个问题是,你必须在整个车里加上笨重、易碎和不切实际的东西。)这些传感器的成本和尺寸都在迅速下降,但要让它们便宜到可以投入生产汽车,我们还需要几年时间。

但与此同时,即使你可以用任何你喜欢的传感器,创建出汽车周围世界的精确3D模型,自动驾驶谜题的其余部分还不能为任何人所用,该领域的任何人都认为,我们距离那一刻尚远。某些部分运行得很好,比如高速公路上的巡航控制系统,但整体情况就不一样了。

因此,特斯拉的第一个赌注是在其他传感器变得又小又便宜之前,解决只用视觉来构建环境模型的问题,并在此之前解决所有其他的自动驾驶问题。

但,这与共识背道而驰。它希望在别人用更简单的方式解决问题之前先用更困难的方式解决问题。也就是说,Waymo或其他公司完全有可能在2020年通过一套1000美元或2000美元的激光雷达和视觉传感器套件让自主性开始工作,而特斯拉仍然不能单独使用视觉系统。还有一种可能是,每个人都能感觉到仅凭视觉就能完美地工作,而剩下的自主性仍然不适合任何人。

第二种押注是,特斯拉将能够以足够的优势发挥自主性,从而受益于「赢家通吃」的强大效应——「更多的汽车意味着更多的数据,更好的自动驾驶意味着更多的汽车」。毕竟,即使特斯拉确实实现了只着眼于视觉的方法,也不一定意味着没有其他人能做到这一点。因此,可以打赌的是,自主能力不会成为一种商品。

这又将我们带回到数据上。很明显,特斯拉显然可以从已经售出的20万多辆(截止发文时的数据——译者注)Autopilot 2汽车中收集数据。另一方面,Waymo的汽车已经行驶了800万英里,在去年左右翻了一番。特斯拉的汽车驾驶次数更多(没有激光雷达,但先把它放在一边)。

但是,你需要多少呢?这是所有机器学习项目都面临的一个问题:

当你添加更多数据时,什么时候会出现收益递减?有多少人可以获得这么多数据?自动驾驶似乎确实应该有个上限——如果一辆汽车可以在那不勒斯驾驶一年而不感到困惑,还有多少需要改进的地方?

在某些时候,你实际上已经完成了。那么,在你的自动驾驶汽车达到市场上最好的水平之前,你需要多少辆汽车来收集数据呢?有多少公司能够达到这个目标?是100辆还是1000辆,还是100万辆?与此同时,机器学习本身也在迅速变化——不能排除你需要的数据量可能会大幅减少的可能性。

因此,特斯拉有可能在实现纯视觉方案的同时,其余自主性方案也在做发挥作用。特斯拉的数据和车队让其他公司在数年内都难以追赶。但也有可能Waymo成功了,并决定把它卖给所有人。等到这一技术开始成为主流的时候,可能会有5到10家公司开始使用它,而自主性看起来更像ABS,而不像x86或Windows。埃隆·马斯克关于应该只与视觉一起应用的断言可能是正确的,然后,其他10家公司将其实现。

所有这些都是可能的,但是,重复一下,这个答案不是一个颠覆性问题,也不是一个软件人是否会打败非软件人的问题——这些人都是软件人。

参考链接:

https://www.ben-evans.com/benedictevans/2018/8/29/tesla-

software-and-disruption

点个在看 paper不断!



推荐阅读
  • 在Windows系统中安装TensorFlow GPU版的详细指南与常见问题解决
    在Windows系统中安装TensorFlow GPU版是许多深度学习初学者面临的挑战。本文详细介绍了安装过程中的每一个步骤,并针对常见的问题提供了有效的解决方案。通过本文的指导,读者可以顺利地完成安装并避免常见的陷阱。 ... [详细]
  • Parallels Desktop for Mac 是一款功能强大的虚拟化软件,能够在不重启的情况下实现在同一台电脑上无缝切换和使用 Windows 和 macOS 系统中的各种应用程序。该软件不仅提供了高效稳定的性能,还支持多种高级功能,如拖放文件、共享剪贴板等,极大地提升了用户的生产力和使用体验。 ... [详细]
  • 提升 Kubernetes 集群管理效率的七大专业工具
    Kubernetes 在云原生环境中的应用日益广泛,然而集群管理的复杂性也随之增加。为了提高管理效率,本文推荐了七款专业工具,这些工具不仅能够简化日常操作,还能提升系统的稳定性和安全性。从自动化部署到监控和故障排查,这些工具覆盖了集群管理的各个方面,帮助管理员更好地应对挑战。 ... [详细]
  • 能够感知你情绪状态的智能机器人即将问世 | 科技前沿观察
    本周科技前沿报道了多项重要进展,包括美国多所高校在机器人技术和自动驾驶领域的最新研究成果,以及硅谷大型企业在智能硬件和深度学习技术上的突破性进展。特别值得一提的是,一款能够感知用户情绪状态的智能机器人即将问世,为未来的人机交互带来了全新的可能性。 ... [详细]
  • 通过使用CIFAR-10数据集,本文详细介绍了如何快速掌握Mixup数据增强技术,并展示了该方法在图像分类任务中的显著效果。实验结果表明,Mixup能够有效提高模型的泛化能力和分类精度,为图像识别领域的研究提供了有价值的参考。 ... [详细]
  • 本文节选自《NLTK基础教程——用NLTK和Python库构建机器学习应用》一书的第1章第1.2节,作者Nitin Hardeniya。本文将带领读者快速了解Python的基础知识,为后续的机器学习应用打下坚实的基础。 ... [详细]
  • 最详尽的4K技术科普
    什么是4K?4K是一个分辨率的范畴,即40962160的像素分辨率,一般用于专业设备居多,目前家庭用的设备,如 ... [详细]
  • Dell Latitude 5290 2-in-1 平板电脑黑苹果体验评测
    本文基于notebookcheck的详细数据和个人实际使用体验,对Dell Latitude 5290 2-in-1平板电脑进行评测。评测内容包括外观设计、散热性能、基准测试、游戏表现和续航能力等方面,旨在为读者提供全面的参考。 ... [详细]
  • 在《Cocos2d-x学习笔记:基础概念解析与内存管理机制深入探讨》中,详细介绍了Cocos2d-x的基础概念,并深入分析了其内存管理机制。特别是针对Boost库引入的智能指针管理方法进行了详细的讲解,例如在处理鱼的运动过程中,可以通过编写自定义函数来动态计算角度变化,利用CallFunc回调机制实现高效的游戏逻辑控制。此外,文章还探讨了如何通过智能指针优化资源管理和避免内存泄漏,为开发者提供了实用的编程技巧和最佳实践。 ... [详细]
  • 浏览器作为我们日常不可或缺的软件工具,其背后的运作机制却鲜为人知。本文将深入探讨浏览器内核及其版本的演变历程,帮助读者更好地理解这一关键技术组件,揭示其内部运作的奥秘。 ... [详细]
  • 深入解析C语言中结构体的内存对齐机制及其优化方法
    为了提高CPU访问效率,C语言中的结构体成员在内存中遵循特定的对齐规则。本文详细解析了这些对齐机制,并探讨了如何通过合理的布局和编译器选项来优化结构体的内存使用,从而提升程序性能。 ... [详细]
  • 如何在低配置电脑上下载并运行《绝地求生》游戏? ... [详细]
  • 【图像分类实战】利用DenseNet在PyTorch中实现秃头识别
    本文详细介绍了如何使用DenseNet模型在PyTorch框架下实现秃头识别。首先,文章概述了项目所需的库和全局参数设置。接着,对图像进行预处理并读取数据集。随后,构建并配置DenseNet模型,设置训练和验证流程。最后,通过测试阶段验证模型性能,并提供了完整的代码实现。本文不仅涵盖了技术细节,还提供了实用的操作指南,适合初学者和有经验的研究人员参考。 ... [详细]
  • Hired网站最新发布的开发者调查显示,Python 语言继续受到开发者的广泛欢迎,而 PHP 则被评为最不受欢迎的语言。该报告基于 Hired 数据科学团队对 13 个城市中 9800 名开发者的调查数据,深入分析了当前编程语言的使用趋势和开发者偏好。此外,报告还探讨了其他热门语言如 JavaScript 和 Java 的表现,并提供了对技术招聘市场的洞见。 ... [详细]
  • 在Windows环境下离线安装PyTorch GPU版时,首先需确认系统配置,例如本文作者使用的是Win8、CUDA 8.0和Python 3.6.5。用户应根据自身Python和CUDA版本,在PyTorch官网查找并下载相应的.whl文件。此外,建议检查系统环境变量设置,确保CUDA路径正确配置,以避免安装过程中可能出现的兼容性问题。 ... [详细]
author-avatar
手机用户2702937405
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有