❄️哈尔滨❄️
DAY2⃣️
-下午一点多从东北大澡堂全妆出发！
-两点半才吃上烀饼铁锅炖
烀饼好吃[舔屏]有股发酵的面香
还有东北大拉皮 qq弹弹
皮冻 纯皮的 我觉得比上海的好吃 很q
格瓦斯emmm没有酒精的啤酒味…
在店门口 偶遇大熊和发财 和xx嘎嘎拍照
-中央大街citywalk
第一次吃冻成冰渣的冰糖草莓和冰糖葡萄 很硬一下没咬掉 没有很惊艳吧 但味道还不错[打call]
巨大个烟囱冰激凌 零下20度 再也不用担心冰激凌会化啦
-和xx道里菜市场特产大采购
她的大红肠还离奇失踪了[伤心]
-松花江夜游
气温回升 只剩残雪呜呜呜
被五颜六色的缆车勾引 从松花江坐缆车到太阳岛 为了省米 打车回去 一开始师傅开不进来 差点迷失太阳岛
-圣索菲亚大教堂
炫了一根马迭尔冰棍 都没有放在冰柜里面 哈尔滨就是一个巨大的冰箱！
嘎嘎一顿狂拍
30块钱拍了三张 拍照小哥技术很nice啊！
DAY2⃣️
-下午一点多从东北大澡堂全妆出发！
-两点半才吃上烀饼铁锅炖
烀饼好吃[舔屏]有股发酵的面香
还有东北大拉皮 qq弹弹
皮冻 纯皮的 我觉得比上海的好吃 很q
格瓦斯emmm没有酒精的啤酒味…
在店门口 偶遇大熊和发财 和xx嘎嘎拍照
-中央大街citywalk
第一次吃冻成冰渣的冰糖草莓和冰糖葡萄 很硬一下没咬掉 没有很惊艳吧 但味道还不错[打call]
巨大个烟囱冰激凌 零下20度 再也不用担心冰激凌会化啦
-和xx道里菜市场特产大采购
她的大红肠还离奇失踪了[伤心]
-松花江夜游
气温回升 只剩残雪呜呜呜
被五颜六色的缆车勾引 从松花江坐缆车到太阳岛 为了省米 打车回去 一开始师傅开不进来 差点迷失太阳岛
-圣索菲亚大教堂
炫了一根马迭尔冰棍 都没有放在冰柜里面 哈尔滨就是一个巨大的冰箱！
嘎嘎一顿狂拍
30块钱拍了三张 拍照小哥技术很nice啊！
开门红！
受盘前Sora利好刺激，今天AI大涨带领市场开门红。全市场230+个股涨停，其中一半与AI相关。
Sora是生成式AI又一次质变性质的事件，情绪上直接利好多模态以及游戏、视频、广告等传媒板块，但深入一点思考，再往上卖铲子的逻辑更好，包括光模块等硬件类、IP资源类、海外渠道平台类等。这几个分支今天都是领涨的，尤其是光模块等硬件，部分核心股已经创出历史新高。
AI不能只对标去年依葫芦画瓢了，已经过了纯概念炒作阶段，随着海外AI业绩的爆发，新一轮的AI行情应该瞄准哪些公司能真正在全球产业链上分一杯羹。光模块能对比当年白酒和医美，率先在市场情绪回暖时创出历史新高，底气就是能真正受益于全球AI的爆发，能真正落实到产业景气度上，能真正兑现业绩。另外，盘中有个关于硅光的传言，并且很快遭到澄清，但不得不说的是硅光确实是光模块的一个重要新技术，类似于逆变器中的微逆、储能中的钠电。
2024，也就是今年，是1.6T放量的元年：1,6T是光模块在数据传输的体量和速率上的升级，目前全球主要云厂商已在数据中心内部AI服务器开始使用800G光模块，与此同时，英伟达等GPU厂商已明确提出了更高速率的 1.6T光模块需求，以配合未来更大带宽更高算力的GPU。
英伟达下一代旗舰芯片B100大概率在2024年中旬发布，1.6T光模块将大量配套使用。那么随着1.6T的放量，硅光、LPO等新技术也将进入放量元年：硅光：为了进一步降低成本，产业又在芯片工艺方面研究出了硅光路线，相比传统光模块，硅光模块体积大幅减小，成本进一步优化，主要区别在于光芯片部分，其采用了高度集成的单芯片，而不是传统的分离多器件的组合，可解决速率瓶颈。硅光份额将由原来的5%扩展到10%，明年可能扩展到20∽30%。
CPO和LPO：为了解决高速光模块的能耗问题，行业提出了新技术CPO和LPO，其中CPO是长期路径，而LPO易落地，是短中期极具性价比的过渡方案。今年开始英伟达会率先使用LPO，但短期需求量增长不会太明显。
薄膜铌酸锂：为了进一步强化光模块的性能，产业在光模块电光调制器材料上也做了改进——使用薄膜铌酸锂代替原有的InP、Siph等材料，薄膜铌酸锂可实现超快电光效应和高集成度光波导，具有大带宽、低功耗、低损耗、小尺寸等优异特性。但预计最快要明年才有可能落地和使用。
关于硅光的一些简单分享：
硅光一直以来比较倾向于故事 主要是最早 他是英特尔用来对抗博通EML传统方案的一个对标或者说阵营
2016年的英特尔的硅光就占了20%订单 发展了7 8年到现在 其实份额一直都是很小的 藕合难度大 光芯片流片又很差 英特尔也一直都没赚到钱 硅光的渗透率一直在15%左右 主要是100G 将来的预期是400G以上的高速光模块的硅光渗透率能打到15%以上 甚至30% 40%左右 但是行业内预计如果硅光发展的顺利 在2027年左右 硅光能占据高速光模块的40%市场份额
这个技术有几个好处：
功耗低20%左右 你要知道1.6T的传统方案的散热都快上液冷了 尺寸会相对传统方案更小 成本至少便宜15% 对于硅光厂家和光模块厂也是双赢（互相毛利提高）
关键还有我们卡脖子比较利好的芯片尺寸 硅光最大可以做到45nm 而现在DSP都要做到从7NM做到5NM 对于我们自主可控来说可以是一个突破点
而且CPO其实就是硅光方案 台积电也要正式入局 似乎像某家已经下订单了 电话会里 还给了比较大的卫星
硅光同时也有4个新的增量：
1 GPU之间的互联 板间互联 nvlink的下一代技术 也需要用含有硅光的光引擎去连接 这个地方其实是一个新的增量
2 交换机板上的CPO硅光光引擎的增量
3 400G 800G高速光模块使用的硅光方案渗透率提升的增量
4 1.6T以后的高速光模块占主要份额的增量
因为电芯片这边 交换机侧 单波200G的电信号已经是极限水平了 所以用8通道的1.6T方案就是传统EML方案的极限了 16通道啥的基本这个光模块体积不但巨大 功耗上面都要爆炸了 要突破到3.2T 基本的想法就是使用低功耗硅光芯片配合多通道
旭创的硅光方案 光芯片是不发光的 那要解决这个问题就需要一个巨大的放光器 所以比较收益的就是CW激光器的增量 A股的话 大概率也就是源杰科技这边快突破了
而硅光的高精度藕合设备 放卫星的那家 也就是ficontec 罗博特科了 这个价值量也不少 每100W个硅光光模块 40~50台一般 2个亿RMB 毛利大概率50%+
还有就是旭创 旭创的硅光IC设计这一块是很出名的 所以我想它这个小作文来头也是有点原因
【Sora重大突破电话会议解读】
Q：在基于SORA模型生成视频的过程中，成本是如何计算的？
A：根据我们的计算，基于SORA模型生成视频的过程中，如果假设一张图的价格是0.02美元，一分钟生成十几张图片，那么生成一段60秒的视频可能需要消耗10到12美元。但是，如果第一次生成的视频不满意，需要重新生成，成本会进一步增加。如果考虑到产生不满意视频并重新生成的概率，那成本也可能会达到10万美元左右的量级。
Q：在产生视频时，视频的帧数（FPS）是否影响了成本？
A：对于视频的生成，虽然我们的假设是使用低帧数（10FPS）进行生成，但即使是生成流畅的60帧视频，成本也只会是十几美元。这是因为大部分成本都在建立diffusion模型的过程中，而对于时间序列建模，相对的价格影响并不高。
Q：生成高质量视频的成本较高，这是否意味着只有一些本身成本较高的行业才会采用？
A：初期的确如此，生成10秒钟的流畅视频可能需要消耗高达数十甚至上百美元的成本，训练成本也同样高昂。因此，先期可能主要会用于一些例如影视制作、大规模动画特效等领域，这些领域本身成本就很高，因此对这样的额外成本较为接受。
Q：对于现有的视频生成模型，是否有优化的可能？
A：在现有的模型下，我们预见到有优化的可能性，不过这还需要时日。我们可以期待的是，随着技术的进步和优化，高质量视频生成的成本将会逐渐降低。
Q：SORA模型对于产生视频媒体的影响是什么？
A：SORA模型基于AI大模型方式去建模，其带来的一大影响便是边界模糊——从文本到音频，再到视频的边界逐渐模糊。这意味着待我们由一段文字就能生成音频，甚至视频。在中低端内容生产方面，这个变化可能会让创意变得有更多价值，使得内容价值的产生不再仅仅依赖于单一的文本。
Q：未来会出现一些垂直模型吗？
A：随着SORA模型的发展，我们预测会出现衍生的垂直模型，这些模型将会逐渐涌现并开始影响像虚拟视频、短视频、广告，以及互动式电影游戏等行业。
Q：如果国内有公司想要追赶SORA模型的发展，可能需要多长时间？
A：在技术上，可能会存在半年的代差。因为SORA模型的成功，既依赖于高品质的数据，也依赖于良好的硬件基建，包括流程优化和完善的模型训练。国内的公司如果想要追赶，除了要解决这些问题以外，还需要决心承担可能的风险。
Q：我们是否可以在半年达到SORA模型的当下水平？在追赶SORA模型过程中，除了基础设施算力瓶颈，还有哪些可能的难点？
A：如果正常进行研发，复现SORA模型的基础框架可能会消耗半个月到一个月的时间。接下来需要建立整个数据处理管道，大约需要一两个月。在一边搭建数据管道，一边进行模型训练的情况下，真正开始训练可能需要一个到一个半月的时间。然后会消耗一个月周期的时间进行训练。之后需要优化训练效果，再训第二次、第三次。之后再加上优化过程，整个过程可能需要3到4个月。但这是一个估测值，整个过程可能需要半年左右的时间，依赖所有资源的完全配备。SORA模型对于管线要求相当高，主要是数据标注、自动化标注和数据基建方面。我们可能需要花费大量时间去标记和处理文本数据，这可能是阻碍我们追赶的最大难点。
Q：在我们努力赶超SORA模型的过程中，SORA模型还会发展，那么我们的努力是否真能够缩小差距？
A：实事求是地说，我们不一定能缩小差距。如果我们的目标仅仅是逐渐缩小与其差距，那么这个差距会不断扩大。但是，如果我们能在新的、更新的方式上，进行全新的突破，甚至超越SORA模型，那么我们才有更强的信心去改善现状。只有在我们进行新的突破的同时，才有希望去超越或改善现状。
Q：那个“十美金”是用于推理还是训练？
A：我之前提到的“十美金”是用于模型推理的，这只是一个估计。
Q：SVD消耗是384张卡，训练是一天。如果我们按照这个量级估算，乘以十倍，那么需要大约3000张卡。这个估计准确吗？
A：按照我的估计，SORA模型可能需要使用至少是SVD模型的十倍甚至几十倍以上的数据量。我会估算为需要大约1万张A卡去训练一月。这只是一个初步的估计。
Q：在您看来，我们追赶视频模型和追赶文本模型，哪个差距更大？
A：两者可能是一个量级的问题。“纹身纹”的问题主要是数据质量和数据量的问题。虽然有大量的公司正在进行这项工作，但视频模型的推理成本和训练成本都较高，数据链路的处理也比文本模型复杂。所以，我保守估计我们至少需要6个月来追赶视频模型。而这个过程包括：生成第一版模型，训练第一版模型，调优模型。不过，该模型结构并不特别难以实现。
受盘前Sora利好刺激，今天AI大涨带领市场开门红。全市场230+个股涨停，其中一半与AI相关。
Sora是生成式AI又一次质变性质的事件，情绪上直接利好多模态以及游戏、视频、广告等传媒板块，但深入一点思考，再往上卖铲子的逻辑更好，包括光模块等硬件类、IP资源类、海外渠道平台类等。这几个分支今天都是领涨的，尤其是光模块等硬件，部分核心股已经创出历史新高。
AI不能只对标去年依葫芦画瓢了，已经过了纯概念炒作阶段，随着海外AI业绩的爆发，新一轮的AI行情应该瞄准哪些公司能真正在全球产业链上分一杯羹。光模块能对比当年白酒和医美，率先在市场情绪回暖时创出历史新高，底气就是能真正受益于全球AI的爆发，能真正落实到产业景气度上，能真正兑现业绩。另外，盘中有个关于硅光的传言，并且很快遭到澄清，但不得不说的是硅光确实是光模块的一个重要新技术，类似于逆变器中的微逆、储能中的钠电。
2024，也就是今年，是1.6T放量的元年：1,6T是光模块在数据传输的体量和速率上的升级，目前全球主要云厂商已在数据中心内部AI服务器开始使用800G光模块，与此同时，英伟达等GPU厂商已明确提出了更高速率的 1.6T光模块需求，以配合未来更大带宽更高算力的GPU。
英伟达下一代旗舰芯片B100大概率在2024年中旬发布，1.6T光模块将大量配套使用。那么随着1.6T的放量，硅光、LPO等新技术也将进入放量元年：硅光：为了进一步降低成本，产业又在芯片工艺方面研究出了硅光路线，相比传统光模块，硅光模块体积大幅减小，成本进一步优化，主要区别在于光芯片部分，其采用了高度集成的单芯片，而不是传统的分离多器件的组合，可解决速率瓶颈。硅光份额将由原来的5%扩展到10%，明年可能扩展到20∽30%。
CPO和LPO：为了解决高速光模块的能耗问题，行业提出了新技术CPO和LPO，其中CPO是长期路径，而LPO易落地，是短中期极具性价比的过渡方案。今年开始英伟达会率先使用LPO，但短期需求量增长不会太明显。
薄膜铌酸锂：为了进一步强化光模块的性能，产业在光模块电光调制器材料上也做了改进——使用薄膜铌酸锂代替原有的InP、Siph等材料，薄膜铌酸锂可实现超快电光效应和高集成度光波导，具有大带宽、低功耗、低损耗、小尺寸等优异特性。但预计最快要明年才有可能落地和使用。
关于硅光的一些简单分享：
硅光一直以来比较倾向于故事 主要是最早 他是英特尔用来对抗博通EML传统方案的一个对标或者说阵营
2016年的英特尔的硅光就占了20%订单 发展了7 8年到现在 其实份额一直都是很小的 藕合难度大 光芯片流片又很差 英特尔也一直都没赚到钱 硅光的渗透率一直在15%左右 主要是100G 将来的预期是400G以上的高速光模块的硅光渗透率能打到15%以上 甚至30% 40%左右 但是行业内预计如果硅光发展的顺利 在2027年左右 硅光能占据高速光模块的40%市场份额
这个技术有几个好处：
功耗低20%左右 你要知道1.6T的传统方案的散热都快上液冷了 尺寸会相对传统方案更小 成本至少便宜15% 对于硅光厂家和光模块厂也是双赢（互相毛利提高）
关键还有我们卡脖子比较利好的芯片尺寸 硅光最大可以做到45nm 而现在DSP都要做到从7NM做到5NM 对于我们自主可控来说可以是一个突破点
而且CPO其实就是硅光方案 台积电也要正式入局 似乎像某家已经下订单了 电话会里 还给了比较大的卫星
硅光同时也有4个新的增量：
1 GPU之间的互联 板间互联 nvlink的下一代技术 也需要用含有硅光的光引擎去连接 这个地方其实是一个新的增量
2 交换机板上的CPO硅光光引擎的增量
3 400G 800G高速光模块使用的硅光方案渗透率提升的增量
4 1.6T以后的高速光模块占主要份额的增量
因为电芯片这边 交换机侧 单波200G的电信号已经是极限水平了 所以用8通道的1.6T方案就是传统EML方案的极限了 16通道啥的基本这个光模块体积不但巨大 功耗上面都要爆炸了 要突破到3.2T 基本的想法就是使用低功耗硅光芯片配合多通道
旭创的硅光方案 光芯片是不发光的 那要解决这个问题就需要一个巨大的放光器 所以比较收益的就是CW激光器的增量 A股的话 大概率也就是源杰科技这边快突破了
而硅光的高精度藕合设备 放卫星的那家 也就是ficontec 罗博特科了 这个价值量也不少 每100W个硅光光模块 40~50台一般 2个亿RMB 毛利大概率50%+
还有就是旭创 旭创的硅光IC设计这一块是很出名的 所以我想它这个小作文来头也是有点原因
【Sora重大突破电话会议解读】
Q：在基于SORA模型生成视频的过程中，成本是如何计算的？
A：根据我们的计算，基于SORA模型生成视频的过程中，如果假设一张图的价格是0.02美元，一分钟生成十几张图片，那么生成一段60秒的视频可能需要消耗10到12美元。但是，如果第一次生成的视频不满意，需要重新生成，成本会进一步增加。如果考虑到产生不满意视频并重新生成的概率，那成本也可能会达到10万美元左右的量级。
Q：在产生视频时，视频的帧数（FPS）是否影响了成本？
A：对于视频的生成，虽然我们的假设是使用低帧数（10FPS）进行生成，但即使是生成流畅的60帧视频，成本也只会是十几美元。这是因为大部分成本都在建立diffusion模型的过程中，而对于时间序列建模，相对的价格影响并不高。
Q：生成高质量视频的成本较高，这是否意味着只有一些本身成本较高的行业才会采用？
A：初期的确如此，生成10秒钟的流畅视频可能需要消耗高达数十甚至上百美元的成本，训练成本也同样高昂。因此，先期可能主要会用于一些例如影视制作、大规模动画特效等领域，这些领域本身成本就很高，因此对这样的额外成本较为接受。
Q：对于现有的视频生成模型，是否有优化的可能？
A：在现有的模型下，我们预见到有优化的可能性，不过这还需要时日。我们可以期待的是，随着技术的进步和优化，高质量视频生成的成本将会逐渐降低。
Q：SORA模型对于产生视频媒体的影响是什么？
A：SORA模型基于AI大模型方式去建模，其带来的一大影响便是边界模糊——从文本到音频，再到视频的边界逐渐模糊。这意味着待我们由一段文字就能生成音频，甚至视频。在中低端内容生产方面，这个变化可能会让创意变得有更多价值，使得内容价值的产生不再仅仅依赖于单一的文本。
Q：未来会出现一些垂直模型吗？
A：随着SORA模型的发展，我们预测会出现衍生的垂直模型，这些模型将会逐渐涌现并开始影响像虚拟视频、短视频、广告，以及互动式电影游戏等行业。
Q：如果国内有公司想要追赶SORA模型的发展，可能需要多长时间？
A：在技术上，可能会存在半年的代差。因为SORA模型的成功，既依赖于高品质的数据，也依赖于良好的硬件基建，包括流程优化和完善的模型训练。国内的公司如果想要追赶，除了要解决这些问题以外，还需要决心承担可能的风险。
Q：我们是否可以在半年达到SORA模型的当下水平？在追赶SORA模型过程中，除了基础设施算力瓶颈，还有哪些可能的难点？
A：如果正常进行研发，复现SORA模型的基础框架可能会消耗半个月到一个月的时间。接下来需要建立整个数据处理管道，大约需要一两个月。在一边搭建数据管道，一边进行模型训练的情况下，真正开始训练可能需要一个到一个半月的时间。然后会消耗一个月周期的时间进行训练。之后需要优化训练效果，再训第二次、第三次。之后再加上优化过程，整个过程可能需要3到4个月。但这是一个估测值，整个过程可能需要半年左右的时间，依赖所有资源的完全配备。SORA模型对于管线要求相当高，主要是数据标注、自动化标注和数据基建方面。我们可能需要花费大量时间去标记和处理文本数据，这可能是阻碍我们追赶的最大难点。
Q：在我们努力赶超SORA模型的过程中，SORA模型还会发展，那么我们的努力是否真能够缩小差距？
A：实事求是地说，我们不一定能缩小差距。如果我们的目标仅仅是逐渐缩小与其差距，那么这个差距会不断扩大。但是，如果我们能在新的、更新的方式上，进行全新的突破，甚至超越SORA模型，那么我们才有更强的信心去改善现状。只有在我们进行新的突破的同时，才有希望去超越或改善现状。
Q：那个“十美金”是用于推理还是训练？
A：我之前提到的“十美金”是用于模型推理的，这只是一个估计。
Q：SVD消耗是384张卡，训练是一天。如果我们按照这个量级估算，乘以十倍，那么需要大约3000张卡。这个估计准确吗？
A：按照我的估计，SORA模型可能需要使用至少是SVD模型的十倍甚至几十倍以上的数据量。我会估算为需要大约1万张A卡去训练一月。这只是一个初步的估计。
Q：在您看来，我们追赶视频模型和追赶文本模型，哪个差距更大？
A：两者可能是一个量级的问题。“纹身纹”的问题主要是数据质量和数据量的问题。虽然有大量的公司正在进行这项工作，但视频模型的推理成本和训练成本都较高，数据链路的处理也比文本模型复杂。所以，我保守估计我们至少需要6个月来追赶视频模型。而这个过程包括：生成第一版模型，训练第一版模型，调优模型。不过，该模型结构并不特别难以实现。
蹭了点酒店的牛奶 就出门觅食啦
算附近半随意挑选 连江特色海鲜锅边 双子星店
老板很热情喂 cy因为想尝试罗汉肉所以
选择了12r的锅边 and必备现炸油条 蛮好吃的
就是厚实版的肠粉 糊状的河粉 海鲜干我不爱
豆芽煎饼 还挺好吃 能尝出来用了红薯粉
很大一个划算的芋粿 但不好吃哎 全是粉味
临走前狠狠采购了唐沫茶兮 可以说尝遍了
馥苏 一般般 不如冰摇红莓黑加仑好喝
春蒸绿玉 奶芙好少噢 抹茶底 这个还挺好喝
沫绿生香 虽然不喜欢绿茶 但确实也很普通
桂花酿 这个还不错 浓浓桂花 本身我也喜欢桂花
排个喜好 从喜欢到一般到不喜欢
开心 春蒸绿玉 十里馨香 幽幽乌龙 桂花酿 清柠 木梨馥 清柚 馥苏 沫绿生香 红盐 青盐
and特地又去了达明路的甘草芭乐尝了一下
对比学生街的 好在芒果凤梨哈密瓜更甜
不好在 这次的白芭乐有点生？ 基本全是芭乐q
就这样结束了福州之行噢 站到了泉州
说实话第一观感 泉州不太顶 交通就是一个坎
晚餐吃了酒店附近的阿泉全牛馆 不知道宰没宰
咸饭就是姜汤面味道的饭 还可以噢
蘸料还不错 我可以接受 牛肉羹也挺好
牛排好像有点坑 20一小块肉 四块就80了
拆骨肉不太喜欢哎 其实红烧就是卤吧 牛杂可以
反正就是这样啦 明天还没想清楚 也当特种兵吧
算附近半随意挑选 连江特色海鲜锅边 双子星店
老板很热情喂 cy因为想尝试罗汉肉所以
选择了12r的锅边 and必备现炸油条 蛮好吃的
就是厚实版的肠粉 糊状的河粉 海鲜干我不爱
豆芽煎饼 还挺好吃 能尝出来用了红薯粉
很大一个划算的芋粿 但不好吃哎 全是粉味
临走前狠狠采购了唐沫茶兮 可以说尝遍了
馥苏 一般般 不如冰摇红莓黑加仑好喝
春蒸绿玉 奶芙好少噢 抹茶底 这个还挺好喝
沫绿生香 虽然不喜欢绿茶 但确实也很普通
桂花酿 这个还不错 浓浓桂花 本身我也喜欢桂花
排个喜好 从喜欢到一般到不喜欢
开心 春蒸绿玉 十里馨香 幽幽乌龙 桂花酿 清柠 木梨馥 清柚 馥苏 沫绿生香 红盐 青盐
and特地又去了达明路的甘草芭乐尝了一下
对比学生街的 好在芒果凤梨哈密瓜更甜
不好在 这次的白芭乐有点生？ 基本全是芭乐q
就这样结束了福州之行噢 站到了泉州
说实话第一观感 泉州不太顶 交通就是一个坎
晚餐吃了酒店附近的阿泉全牛馆 不知道宰没宰
咸饭就是姜汤面味道的饭 还可以噢
蘸料还不错 我可以接受 牛肉羹也挺好
牛排好像有点坑 20一小块肉 四块就80了
拆骨肉不太喜欢哎 其实红烧就是卤吧 牛杂可以
反正就是这样啦 明天还没想清楚 也当特种兵吧
✋热门推荐