關於「追光者」2020這個看似艱難的開年，事實上成為了數位化生活的加速助推器。5G已經是人們眼前可見的未來，更美好的數位化場景觸手可及。在無論多艱難的環境裡，我們希望從身邊每一個看似平凡的創新者身上，依然能看見光，依然能勇敢地去做一個追光者。
內容來源
2020年7月28日，騰訊5G生態計劃主辦「追光者-5G引領數位化」第二季第九期直播。
嘉賓簡介
Claire Wu，追一科技商業與戰略總監。畢業於美國卡內基梅隆大學，曾任職美國摩根大通銀行和某一線創投機構，對AI技術和賦能產業有極大熱情。
主要觀點
1、5G技術將打造新一代智能交互模式
2、企業數字員工如何在5G技術加持下提升客戶體驗，提升企業運營效率
3、追一科技的實踐經驗
特邀嘉賓
Claire Wu
追一科技商業與戰略總監
大家晚上好，我是追一科技的戰略和商業化總監Claire Wu，代表追一來分享在5G時代下，作為AI行業踐行者的思考和探索。
今天晚上我的分享將會分為三個部分，首先我會簡單介紹一下追一科技以及我們反覆提到的AI數據員工的概念；第二部分我將會從兩個方面講一講5G技術的紅利將會如何利好AI的發展，會給我們的企業客戶帶來什麼樣的新機會，追一又是如何利用這些即將到來的技術紅利來更好地服務我們的企業客戶；最後一個部分是最後的互動環節，也歡迎大家向我提問。
那麼首先我用一點時間介紹一下追一科技，我們成立於2016年1月份，當時就獲得了晨興資本的天使輪投資，三月份在深圳正式成立了總部，2016年5月份發布了第一款文本類的產品，接下來也是一直獲得了整個行業內頭部基金的青睞，並且我們也持續對產品進行迭代。
追一科技：以智能語義為核心，為企業提供AI數字員工解決方案
追一科技是做什麼的？我們其實是一家技術驅動的公司，我們圍繞的是人工智慧裡面的一個細分領域，叫做智能語義理解，也就是大家經常聽到的NLP。我們是以技術為核心，利用技術來去為企業客戶進行賦能，賦能方式是我們把NLP技術作為大腦，做了很多不同類型的數字員工，這些數字員工接下來我們會詳細地去闡述。整個公司大概有300多人，我們擁有的是中國最大的一個NLP及研發技術團隊之一。
追一的技術實力
追一科技一直圍繞著NLP技術來做延展，為了保持AI綜合技術的領先也是進行了非常多的投入。
舉幾個小例子，第一個例子是SuperGLUE，SuperGLUE是NLP技術領域在全球範圍裡面最為權威的比賽，它對NLP技術的考慮是非常綜合的。在2019年的年底，追一科技用平常給企業客戶去做的一個模型參加了比賽，獲得了第三名，領先於Facebook和IBM。這裡的第二名是Google的一個T5型，它是一個比較大的NLP模型，可能不具有一定的商業化能力。
第二個例子是史丹福大學舉辦的CoQA比賽，它更多聚焦於NLP技術當中的多輪對話能力，追一科技也獲得了第一名和第二名，在大規模預訓練模型中融入對抗訓練和知識蒸餾，單模型表現首次超越人類。
第三部分是CB Insight AI 100，是全球人工智慧領域最權威榜單之一，追一科技也是在CRM和銷售領域入圍的唯一一家中國AI創業公司。
什麼是追一AI數字員工？
AI數字員工，其實它具有了非常多的綜合能力，在這些綜合能力的背後，其實代表的是不同的技術細分領域。
首先，數字員工並不是一個新概念。之前大家可能聽過RPA。RPA其實是幫助企業去進行一些流程和任務自動化的技術站，一開始的數字員工形態可能就是利用RPA技術去做一些簡單的流程自動化處理，接著隨著AI技術的發展，我們讓數字員工具有了一定的智能感知能力。
感知又分為兩個層面，第一個層面是視覺方面的感知，它可以看得到；第二個方面是語音智能的感知，它會「聽」，也會「說」。其實也就是我們常說的ASR和TTS等AI技術能力。
最為核心的技術，也是追一的核心技術：數字員工的大腦。它可以讓數字員工去認知，去理解，去表達，就像是人類一樣。人類大腦是最晚發育的（相對於其他器官來講），並且是非常最為複雜的人體器官，所以NLP在整個AI技術裡面也是最難的，NLP也是追一科技這四年來一直在努力的技術方向。綜合了以上所有的能力後，追一AI數字員工可以獨立地完成，或者是協助人類去完成各種各樣的工作，推動企業和組織完成數位化轉型和升級。
追一AI數字員工的工作流程
它具體的流程可以分為四步：感知——理解——行動——學習。
一、感知
通過獲取並處理圖像、聲音、語言、文字和其他數據，察覺周圍的世界。
二、理解
它將上述數據傳輸到採用了NLP技術的大腦裡，它可以理解所收到的信息，解讀信息的呈現方式及其背景，推導出其中的含義。
三、行動
AI數字員工基於上述理解，採取行動，執行任務，解決問題。
四、學習
第四步也是AI數字員工最核心的部分，AI數字員工可以從成功或失敗的行動中吸取經驗教訓，不斷優化自身性能。
追一科技已為多家行業標杆客戶提供數字員工解決方案
追一在這四年當中，利用AI數字員工服務了超過300多家的KA客戶，覆蓋的行業也比較寬泛：金融行業一直以來都是重中之重，而金融裡面又包括銀行保險和證券基金；當然還有包括其他的一些頭部行業，比如說泛生活服務、新零售，還有一些能源政企客戶等等。我們給KA客戶提供了各種各樣的數字員工類型，比如說剛才提到的文本機器人，它去落地到一些大的銀行。
比如說我們和招商銀行合作，在2016年就幫招商銀行去構建了智能客服的解決方案。大家現在在招商銀行的APP上面看到的小招標，可以跟你去自由對話的，背後就是追一數字員工客服的角色。還有包括其他各種各樣的崗位，比如說我們幫某一個股份制銀行做了催收、外呼這麼一個產品，它就類似於催收專員的角色。
追一的底層NLP技術，結合不同的企業客戶、不同的場景，形成了一個個虛擬的數字員工，幫助這些企業客戶大量降低了人力成本，提升了終端客戶的體驗。
5G+AI數字員工
其實5G除了平常所說的寬泛意義外，它可以未來作為AI的基礎設施，幫助AI在數據、算力等方面去進行提升。
5G有兩個核心的技術要素，會非常有助於AI的進一步發展。
第一個就是它的高速率以及低延時的信息傳輸特點，第二個也是5G未來將會給我們帶來的更加豐富，更加多維度，更加海量的樣本數據。
追一的產品矩陣分為三層，第一層叫做交互，有在線機器人、語音機器人、多模態數字人三款產品。這三款產品分別是通過不一樣的模式跟客戶去進行交互，比如說文本的交互，我們叫在線機器人，它是通過文本端可以去理解文本的含義，第二個是語音的交互，發展到了第二階段之後，我們加了一些ASR、TTS等等技術，我們組成了一個在語音端電話渠道可以跟客戶去交互的語音機器人，第三個未來就是一個多模態的交互模式，我們稱之為多模態數字人。
第二層是協同層，誠然，現在NLP技術整體的發展還處理不了一些非常複雜的情況，所以AI數字員工在獨立完成任務之外，還可以協助員工協同人類去更好地完成任務。包括智能助理員——可以在電話端實時地去輔助我們的坐席開展工作，還有一個叫智能培訓師，培訓坐席、培訓營銷人員，用人工智慧交互式沉浸式的培訓模式，讓他們更好地去適應自己的工作崗位。
更底層的是數據分析層，數據分析層是基於大量的交互數據去對非結構化數據進行處理的一些產品，包括智能分析師和客戶畫像師。
未來5G時代它可以帶來的是什麼？它的高速率，低延時的傳輸特點，會讓我們的交互產品從文本端越來越多地向多模態的交互模式去轉變。更加豐富、多維度的數據可以讓協同過程變得更加流暢，並且它的數據量會直接讓數據分析類的產品有更多數據源，可以產生更多的數據價值。
新一代交互模式
我們首先來講一下剛才提到的新一代交互模式。數字員工按照交互方式的不同，其形態也不同，例如剛才提到的文本及語音。而5G帶來的是多模態的形態。
一開始去做交互理解的時候，基於的是「關鍵詞」；第二階段是基於數據模板、動作模板；第三代其實是基於一些搜索技術；第四代，也就是追一現在使用的「融入了大量的深度學習、AI算法，讓所有東西融合在一起做的智能提煉的技術」。最早的時候對應的交互是文本端的交互，隨著語音技術的發展，我們把「能聽」和「能說」的技能賦予給了這些文本交互的模式，讓它可以從語音層面進行交互。那未來5G的技術讓我們可以再豐富一層，我們叫做多模態融合，是把文本，語音，甚至是情緒，肢體動作，面部表情等等所有的感官和表達都融為一體的交互模式。
目前比如說需要辦理業務的時候，如果遇到了一些問題，可能在APP上面，我們會先去找智能客服。如果溝通不了，或者是比較著急直達的場景，會選擇打電話溝通。而未來可能是一鍵喚醒一個多模態數字人，一個真人的形象就會出現在你的面前。
第一，它不僅僅是可以回復客戶的問題，還可以去幫客戶完成一些任務，比如有一個客戶要求說他要去充值，就彈出了一個數字框，然後可以輸入自己的電話號碼，可以完成非常連貫和順暢地完成整個充值的動作。
第二，它不僅僅是一個形象展示，它融入了包括圖片、二維碼、視頻等等，它能以不一樣的媒體形式去進行一個溝通。
第三，它可以跟企業業務系統去形成多維度的打通。
第四，它可以做一些其他事情，例如陪客戶聊天或者講笑話，讓客戶體驗更有溫度，更專業。
追一多模態數字人
數字人未來展現的終端可以是非常多樣的，手機端、PC端，甚至可以在線下的很多數據終端完成展示。
追一數字人從形象上看分為兩個類型，第一個類型是2D仿真數字人，用真人的形象去做一個可以跟客戶去交互的仿真數字人，核心技術包括了模擬真人的唇形、自然的肢體動作等等。第二個類型我們叫3D數字人，比如說我們跟很多銀行客戶去溝通的時候，他們希望能把銀行的吉祥物變成3D數字人，未來服務的時候，會更親切可愛。
那從類型來講，數字人又分為兩種類型，一個叫播報型，還有一個叫交互型。播報型其實比較好理解，比如說未來需要快速去播報內容的時候，我們可以讓數字人去完成整個播報，播放體驗會非常自然，並且非常高效。另外一個也是現在非常旺盛的需求，也就是這種交互型的數字人。未來它可能就是企業的新型的客戶形象，它可以去跟終端客戶去進行交互，可以一問一答，因為它具有「大腦」的功能，還有整個底層NLP技術，去理解客戶非常泛化的一些問法並且做出反饋。
交互型數字人是我們這個行業裡面現在比較難的技術點，它涉及到了多種技術組合，NLP是裡面最核心最難的部分，其次還有語音、視覺、機器學習等等，還有如何去融合，所以說現在業界也都在投入大量的資源和精力去研究多模態的未來交互形式。
多模態數字人對5G通訊的技術要求
5G如何去利好多模態數字人？當然依靠5G實時傳輸的能力。交互型數字人在現有網絡下放在手機終端的時候，會面對傳輸效率、卡頓等問題。
在5G完全普及的時候，所有實時交互的情況都可以在你的手機上進行展現，包括高分辨率圖像傳輸、雲端渲染等等，這一切都會讓多模態數字人體驗更好，並且會幫我們去降低成本，讓它變成一個體驗又好，對於客戶來說又非常經濟可行的交互模式的選擇。
這樣的多模態數字員工，它可以用於的場景就非常多了。比如說遠程銀行，遠程銀行核心的點是通過視頻讓在網點的客戶跟銀行的遠程坐席進行連接。但是這樣的資源畢竟是稀缺的，在一些簡單的場景當中，我們可不可以去使用數字人來完成這個交互？
除此之外，還比如說把它放在教育培訓等行業，教育培訓行業的師資其實是非常稀缺的，尤其是助教這麼一個角色，可不可以說未來AI數字員工變成了AI教師，可以幫助真人老師去完成基礎的工作，比如說布置作業等。
「芝麻屬性」
多模態數字員工可運用的想像空間是非常大的，那麼可能有人問，衍生出這麼一個多模態數字員工的形象到底有什麼好處？我們其實也進行了一些總結，我們稱之為「芝麻屬性（SASAME）」，它有這麼幾個特點。
Scalable（彈性增減，動態均衡）數字員工畢竟是一個軟體產品，它可以根據客戶的要求進行彈性的增減，動態的均衡。可以看到很多行業其實是有服務的波峰、波谷，企業不可能按照波峰的數值去儲備勞動力，追一就可以用數字員工的形態去幫助企業在高峰時期緩解壓力。
Accessible（容易部署，快速實施，全流程陪伴）AI數字員工是非常容易部署的，流程非常快，跟培養員工相比成本是更加低廉的。
Measurable（結果可衡量）數字員工成本可控，節省多少人力、提升多少觸達率、轉化率等關鍵業務指標都一目了然，讓ROI變得可衡量。
Evolvable（自我進化，越來越聰明）我們覺得這個特點是追一AI數字員工所特有的，也就是它會自我進化，有更多的數據，它就會成長得更快，會越來越聰明，逐漸成為經驗最豐富、認知覆蓋最廣、業務理解最透徹的員工。
Sustainable（穩定可持續）數字員工規模穩定，不會發生意料不到的離職。同時它業務能力穩定，不再受主觀因素影響。
Engaging（7*24小時全程投入專注）AI數字員工無視繁瑣的工作，每時每刻都在專注投入，是令管理者信賴的員工。
挖掘數據金礦
在5G時代，會有更大量、更多維的數據。我們希望用追一「非結構化數據挖掘」的能力，幫企業去獲得更多的行業經驗。
讓我們數字員工不斷進化的一個重要維度是數據的複雜程度，另一個是業務和流程的複雜程度。5G將促使AI數字員工不斷進化，根據數據複雜性及流程/業務複雜性，有以下三個層級：
效率模式（提供持續、低成本運營）在數據結構化穩定、數據量比較可控，流程也比較常規和可預測的情況之下，我們可以試用一些傳統的自動化方案。
效力模式（支持智能協作，變革流程，自我進化）隨著數據量的增加，我們可以用追一的AI數字員工，以及感知、理解、行動、進化等等多種能力去支持工作的開展，還有智能協同。
創新模式（支持創造力和創意）在非常複雜和非常高階的情況之下，我們可能需要更新的創新模式。
多源的數據採集和連接-結構化和非結構化結合
5G可以讓我們擁有更多的數據源，在落地到項目實踐當中時，我們也會和一些企業客戶去分析。
例如某個企業客戶手頭有客服信息、企業數據、社交媒體數據、行業網站、主題論壇、行業知識庫等數據（未來在5G的加持之下，數據源和數據量可能更豐富），TA想做輿情分析以及客戶畫像的時候，追一的數據產品能做些什麼？
追一的數據產品邏輯
我們簡單來說一下，分為三個部分：輸入類型、分析引擎（多維算子）、應用場景。
輸入類型輸入類型是剛才提到的各種各樣的數據源，包括語音會話、文本會話、文本段落、圖片等等，追一利用ASR、NLP斷句技術、OCR等技術，把信息抽取出來，放在我們的分析引擎裡面。
分析引擎（多維算子）這裡的分析引擎不是一個技術概念，它是一些NLP算法能力的結合。經過引擎的分析，會輸出兩個東西，一個叫做語義標籤，一個叫做實體標籤。
應用場景我們把上述兩個信息用在各種各樣的場景裡面，包括用戶畫像、坐席畫像、投訴分析等等。
比較多用到的地方在於投訴分析，也就是我們經常說的輿情分析，接下來我們舉個例子。
數據產品舉例-用戶反饋分析
項目背景
第一個例子是我們汽車領域的企業客戶。TA希望能對自己用戶的反饋進行非常實時的分析，TA對於客戶的體驗非常重視，希望能夠收集用戶在各個渠道的發聲，然後進行分析。反饋渠道有很多，包括APP、公眾號、後臺的工單數據等等，一級類別15個，二級類別45個，分清業務的同時還要清楚客戶講某個業務時的情緒，來判斷客戶是認可還是批評。同時統計每日高頻問題，敏感問題及時響應。
訴求
客戶描述時，用的都是自然語言，這些數據不是平常企業可以去處理的，因為這些數據大多都是非結構化的數據，它很難通過關鍵詞或者模板的正則匹配，所以花費了大量的人力成本去做，希望有一個智能化的工具來解放人力。
客戶比較關注的一些維度，包括安全、空間感、設計、價格、質量、舒適程度等等，TA還比較關心用戶是在什麼情感下去描述的。
對於大量非結構化的數據而言，AI對於「泛化的口語表達」的理解至關重要。AI裡面的NLP，它如何去更智能地理解人說的話，其非常核心的判斷標準就是它可不可以去理解這種高度泛化的口語化的表達。
比如說用戶說「過顛簸路段 S彎 上坡下水 穩定性和舒適性強」這句話，如果用關鍵詞去匹配，是比較難匹配出來在講什麼的。但是我們通過NLP泛化的能力，提煉出這個人表達的是：「駕乘與行駛感受」、「處于欣喜情緒下」。
所以針對於這種口語化的非結構化的數據，在提煉出用戶到底想表達的是什麼、以什麼樣的形式來表達這句話之後，在後臺我們會幫TA去做統計分析，這樣就可以讓客戶非常快地掌握TA的用戶對產品的反饋。
數據產品舉例-用戶畫像構建
用戶畫像是經常在銷售場景下會用到的。我們經常希望能夠把所有客戶進行分層，進行精準營銷，但是目前的用戶畫像效果比較差，因為有大量的非結構化數據的信息是沒有被提煉的。
項目背景在這裡的例子是地產行業的客戶。地產這個行業，大部分時間下銷售代理去用電話跟客戶溝通意向，去推銷新的樓盤，在客戶描述的時候，也都是一些非常口語化，也是非結構化的數據，同樣很難通過關鍵詞或者正則的匹配方式。
如果人工去聽、去記錄、去分類、去分析，效率會非常低，追一是如何幫助TA改善的？
例如銷售代表跟客戶打電話留下的通話記錄，追一會以對話的形式把通話記錄先轉成文字，提取其中的非結構化數據：「投資還是自住、哪個區域、什麼價位」等等。
比如客戶主動問了交通、學位，就證明這兩個是客戶選房子非常核心的考慮標準，我們就會進一步去處理，把這些意向轉換成結構化的數據，未來通過對於這些數據的挖掘，可以對每一個客戶的意向都了如指掌。
在通話結束後，追一就可以去挖掘出這些信息來，不需要手動填，可以節省大量時間，並且準確度也非常高。並且，對於地產來說，每一通電話所收集累積的信息是非常寶貴的，未來做樓盤營銷的時候，就會非常精準，也可以去更快地去滿足客戶的需求。
數據產品-實時輔助
剛才提到的，不管是輿情監控，還是說用戶畫像的構建，它都是屬於事後分析，其實我們追一的產品，進行實時協作時也可以起到實質性的作用。
智能助手比如說「智能助手」。在客服和客戶電話對話的同時，追一會對接CRM系統，快速了解客戶信息。在進行實時的文字轉譯時，可以做兩件事情：流程導航以及話術推薦。流程導航是指在特定的場景下，列舉出來一些選項供客服選擇。而話術推薦是實時的，比如說客戶說我今年不辦保險、在開會，我們通過後臺的數據，調取出最適合應對的話術，說什麼樣的話可以挽留客戶，可以跟客戶說更多的產品介紹。
通過智能助手的輔助，這些新員工的業務能力有了更快的提升。這個就是我們通過對非結構化數據的處理和用戶意圖的挖掘，在實時的情況之下協助人工更好完成任務的一個場景。
暢想：下一代的銀行用戶體驗歷程
最後我們整個的分享也是進入尾聲了，這裡講一個我們之前跟一些零售銀行客戶一起探討的一個想法。
未來在AI的技術加持之下，在5G的實時萬物互聯的技術下，零售銀行用戶體驗會是什麼樣子？（以下為想法）
Next-Gen Customer Journey of Banking
1、通過對非結構化數據的挖掘，發現有兩位客戶最近幾周，數次在母嬰店消費，也在產前輔導班付學費；
2、結合用戶其他的基礎信息，例如「王先生、男、34歲、已婚、有車」、「趙女士、女、28歲、工作7年」，那麼對於王先生，他可能會需要車貸，對於趙女士，在人生階段發生改變時，可能需要給她推薦保險理財；
3、觸發數字電話外呼員對王先生進行自動觸達和邀約，包括貸款產品介紹、對話內容及意圖收集；推薦趙女士給理財顧問約會面，數字業務顧問全程提供保險理財產品信息及話術指導。
4、經過溝通，用戶最後可能做出了決策，決策之後有一個回訪，對產品、購買體驗去做售後跟進，最終可能不斷地去發現下一個商機。
也就是說，未來在這些數據越來越多，並且多渠道能夠做到更實時的整合的情況之下，作為企業可以去更好地、更及時地去服務自己的終端客戶，當然，這些還是要依賴很多未來技術的發展，這也是我們對未來的一個暢想。
今天的分享也就到這裡結束了。追一科技的SLOGAN是「更美好AI世界」。AI在這裡的意思是當作動詞在用，我們希望能夠用AI的技術，讓世界變得更美好。同時也歡迎大家去關注追一科技的微信公眾號，裡面有非常豐富的內容、解決方案。
QA環節
第一個問題來自觀眾"Sherry Tse"：「Claire剛才提到了AI數字員工會是下一代的入口，您比較看好哪些場景呢？什麼場景會更快地去落地？」
如何理解未來？
我們認為AI數字員工在以後，會成為企業面向客戶的形象展示擔當。就場景而言，目前最成熟的當然是服務場景，包括文本端、語音端的智能客服等；其次是一些大型企業、跨國公司，把內部的知識整合，未來員工可以去跟這樣一個「大腦」進行交互。
第二個問題是我們主辦方準備的問題。Claire您剛才有提到AI數字員工是不斷演化進化的路徑，你認為在5G時代或者更遙遠的未來，AI數字員工的完整體是怎樣的？
就目前而言，AI數字員工我認為仍處於最初級的狀態。
未來的話，從幾個方面來講。第一，剛才有提到的，TA的交互模式會發生變化，從文本、語音到在5G的支持下成為多模態交互的模式；第二，每一個數字員工未來會越來越聰明，目前因為技術的限制，TA只能在相對封閉及簡單的場景去開展工作，隨著NLP技術的進步，TA其實可以去處理更多複雜的含義；第三，我認為未來可能在一些場景裡，AI數字員工與人之間會有更多的協作，形成更有效的協同效應。
第三個問題依然來自於觀眾「Sopvinal"：「如果AI數字員工要在形態、情感上更貼近真人，理解人類的情感，這裡需要什麼樣的技術呢？」
目前因為技術的瓶頸，追一的NLP技術能力還是會去處理一些相對標準化、簡單化的場景，如何提升這部分的能力？一部分是要依靠NLP技術的提升，第二是需要大量的訓練數據。
那麼從情感這塊來說，這裡其實主要是講「情緒識別」。目前追一已經可以非常準確地去判定一個客戶的「正向情緒」、「負向情緒」和「中性情緒」了。在很多場景裡比如說輿情分析，對客戶的情緒做這三種的基礎分類。另外，我們也在研究更多高階的情緒識別，例如驚訝、失望等等。至於如何細化，要看商業和客戶的需求。
最後一個問題，來自於「abaiCraie」觀眾：「AI員工的普及確實能幫助企業提高效率，但會對人類的就業造成影響嗎？包括AI員工與人類員工的關係、跟企業的關係？」
這個問題也是我們追一經常在思考的。其實AI數字員工不是為了取代人類，TA更多的是去應付一些高峰情況以及協助人類。
一方面把人類從單調枯燥的工作中解放，去嘗試做更多有意思的事情，例如客戶需求分析、營銷事件等等；另一方面，隨著AI技術的發展，有很多公司有新的AI類的崗位，例如說AI關係，那麼這個是創造了新的就業崗位的。
主持人寄語
感謝大家對騰訊5G生態計劃的關注。
我們在持續地去尋找騰訊所定義的三大方向，12大場景裡，產品和技術比較成熟、希望和騰訊一起合作去打造5G時代不同場景的相關合作方案的夥伴，也歡迎大家通過騰訊5G生態計劃的公眾號底部「閱讀原文」，去獲取騰訊5G生態計劃報名連結，在產品、技術、品牌資本方面，我們都會給予相關的支持。最重要的是我們希望和足夠多的創新夥伴和合作夥伴一起在5G時代早早地去做探索和落地。
非常感謝大家這一個小時的收看，再見。