在创办 OpenRouter 之前，Alex Atallah 最广为人知的身份，是 NFT 交易平台 OpenSea 的联合创始人。2020 年，突如其来的 NFT 热潮让 OpenSea 的服务器、搜索索引和团队容量一度全面告急，也让他提前经历了今天 AI 公司正在面对的问题：当需求以十倍速度增长，真正决定一家基础设施公司生死的，不是流量能不能来，而是流量来时系统能不能扛住。

如今，Alex 把这套经验带到了 OpenRouter。这家公司试图在快速分裂的模型生态中扮演“总路由器”：连接不同模型与推理服务商，实时比较价格、速度和质量，并把流量导向更合适的供给方。

站在这个特殊位置上，他看到的 AI 世界与“一个超级模型赢得一切”的主流叙事截然不同。模型越多、迭代越快，路由、记忆、安全和推理基础设施反而越重要。

在与 20VC 创始人 Harry Stebbings 的对谈中，Alex 分享了他对多模型竞争、开放权重生态与下一代 Agent 架构的判断：

1. AI 不会只剩下一个赢家。训练数据、方法和模型“性格”的差异本身就是价值，多模型并用将成为企业和个人的长期常态。

2. 推理服务不是没有差异的卖铲子生意。同一个模型交给不同服务商部署，速度、成本乃至输出质量都可能不同，一个 Token 并不等于另一个 Token。

3. 路由真正出售的不是技术，而是选择权。它让开发者随时接入最新模型，也降低了对单一实验室和云厂商的依赖。

4. 模型降价未必让市场缩水，反而可能制造更大的需求。OpenRouter上的一个案例显示，模型价格下降10倍后，使用量增长了13倍。

5. 企业自研模型不会终结多模型生态。专有模型适合承载企业的核心能力和品牌护城河，外部模型则会持续提供新数据、新能力与成本优势。

6. 企业真正忌惮的可能不是中国模型，而是前沿模型公司。前者的风险相对明确，后者既掌握企业数据，也可能随时进入应用公司的市场。

7. 中国开放模型的竞争力仍被美国低估。中国研究团队正在快速追赶前沿能力，但网络安全、合规和供应链信任仍是其进入美国企业的现实门槛。

8. 记忆不会成为任何一层的独占资产。模型、应用、推理服务商和路由器都会拥有部分记忆，最终形态更可能是多层记忆的组合。

9. Harness 不会随着模型变强而消失。它将成为模型之上的可组合工作界面，也是没有自研模型的创业公司掌握用户关系的重要一层。

10. 未来的 Agent 不必事事调用最强模型。更合理的架构，是由前沿模型负责规划和编排，再把确定性任务交给更便宜的开放模型与子 Agent。

11. 开放模型生态真正缺少的是算力与知识流动。蒸馏并非天然不正当，它既可以帮助小模型学习新能力，也需要受到服务条款和竞争边界的约束。

12. AI 正在改变“员工成本”的定义。未来企业衡量的不只是一个人的薪酬和产出，还包括他调用了哪些模型、消耗了多少推理成本，以及这些成本是否真正转化为了结果。

从OpenSea带来的教训：规模不是流量来了才开始准备

Harry Stebbings：在创办OpenRouter前，你在OpenSea经历过一段很不寻常的增长。那段经历带来了什么？

Alex Atallah：OpenSea刚开始时和OpenRouter很像，团队长期很小，直到A轮融资前后才逐渐扩张。2020年10月，NFT交易突然爆发，我们明显人手不足，服务器扛不住，搜索索引也出了问题，还经历过几次大规模故障。我的目标很简单，不要让加密行业里的OpenSea变成Twitter当年的“失败鲸”。

Alex Atallah：我们随后把平台和基础设施重新理顺，在真实流量到来前就做压测，确保系统能承受10倍负载。加密市场的流量峰值往往取决于内容和社区，很难预测。那段经历让我一直在想，怎样做出一个即使遇到剧烈波动也保持在线、让用户能够依赖的系统。

Alex Atallah：这对AI很有帮助。Anthropic等公司都经历了难以预测的增长，OpenRouter也一样。我们当然也有过波折，但OpenSea让我对扩容和可靠性有了长期的执念。

推理服务商不会轻易变成商品

Harry Stebbings：你们创立时，模型生态里有什么变化是意料之外的？

Alex Atallah：我们没有预料到，会出现一批专门托管和服务开放权重模型的公司。早期并不清楚这个市场会不会被三家超大规模云厂商垄断，创业公司是否会被远远甩在后面。现实是，大家很少在超大规模云上跑GLM，更多会使用Fireworks、Together等推理服务商。

Alex Atallah：OpenRouter最早把这层叫作“provider one”和“provider fallback”，没有向用户展示实际托管方。那时我们更像帮人发现新LLM的探索工具，想搭建模型实验室的市场，但并不确定推理服务这一层会不会形成市场。后来事实证明，这些服务商上新更快，也更擅长处理托管模型时的边缘问题。稳定性不会凭空被供给侧解决。

Harry Stebbings：不少人认为，推理服务层最终会被压成低毛利的商品。你怎么看？

Alex Atallah：当前仍是严重供给受限的市场，而且这种状态很可能持续一段时间。推理服务商几乎一直缺算力。有人会问，为什么Google、Amazon或Azure不直接买走所有GPU，把它们挤出市场？GPU制造商并不希望客户过度集中。Nvidia也希望市场里有许多客户、不同的GPU配置和计算层竞争，这对生态和终端用户都有好处。

Alex Atallah：同一个模型由不同服务商部署，效果也会明显不同。我们会持续对不同模型、不同开放权重推理服务商做基准测试，结果会变化。模型和推理本身并不完全确定，服务商在速度、价格和输出质量上做出的优化会改变用户体验。

Harry Stebbings：Fireworks的Lin曾纠正我：“一个Token并不等于另一个Token。”去同一个目的地，服务商可以让Token绕一大圈，也可以让它直达。这就是推理服务商的工作，对吗？

Alex Atallah：我认同。OpenRouter会帮助用户发现更好的服务商。只要我们检测到某家服务商在质量、速度或价格上有改进，路由器就会立即给它更多流量。对大型模型，这类变化几乎全天候发生，可能每五分钟就会出现一次。

Harry Stebbings：如果只能投资一家推理服务商，你会选哪一家？

Alex Atallah：我得保持中立。不过，我更看好两类推理服务商：一类拥有定制硬件和深度底层优化，另一类能让定制变得更容易。今天微调通常会从基础模型派生出一个相对独立的新模型；未来，LoRA或一些服务商所说的“cartridge”或许能让定制结果更可移植。届时，更换基础模型的成本可能从数百美元降到几十美元。

专有模型也会把企业推向多模型

Harry Stebbings：如果每家公司都拥有用自有数据训练、针对自身偏好优化的专有模型，这对OpenRouter是好事吗？听起来企业会守在自己的模型上，而不是在许多模型之间选择。

Alex Atallah：当然是好事。OpenRouter从第一天起的使命，就是提升整个AI生态的“神经多样性”。我们相信多模型未来不可避免。假设某个模型看似满足了你所有需求，无论在公司里还是作为消费者，你都开始依赖它。随后有人训练出一个说话方式不同、由不同数据训练、能提出原模型想不到问题的模型，使用两者的需求就会自然出现。

Alex Atallah：创造力难以被简单量化。若另一个模型训练路径不同、数据集不同，或经历过重大更新，把两个模型一起使用，通常更可能得到有创造力的想法。把所有东西收敛到一个模型，在我看来没有意义。

Alex Atallah：企业会把自己的专有模型放在核心工作流里，同时使用其他模型完成模型选择和补充任务。因为周围所有公司都在用新数据训练新模型，其中有些数据和能力对你有价值。无论是提升生产率、合并能力以获得更好表现、降低成本、改善利润率还是扩大公司，你都有动力不断试用生态里出现的新模型。

Alex Atallah：企业自己的模型必须持续进化才能跟上。没有一个模型会赢下全部市场，这会是科技史上乃至人类历史上最大的市场之一。更合理的做法，是让模型在对公司有价值的领域形成专长，让它承载品牌的一部分护城河。

路由不是时髦功能，选择权才是产品

Harry Stebbings：Ramp、Merge等公司都推出或正在推出类似路由能力。路由层会被商品化吗？

Alex Atallah：很多公司因为路由“很时髦”而去做网关，或看见这个领域的增长。问题有两个。第一，这会让公司落入模仿的心态，只是为了留在牌桌上、服务现有客户、搭上AI增长，而不是为了赢得一个市场。只把网关当副业，会比真正专注于路由、网关和LLM市场的公司落后很多个月。

Alex Atallah：第二，它会减少用户的杠杆。给用户和开发者更多模型选择，就是让他们能利用AI里发生的全部创新，也降低对任何单一提供方的依赖。一个不能覆盖完整市场、没有足够灵活性和可定制性的网关，实际上会把用户从一些所需能力中排除出去。

Harry Stebbings：你们按量付费计划收取5.5%的抽成。企业规模大了，会不会觉得太贵，最后自己做路由？

Alex Atallah：5.5%是按量付费计划的模式。我们也有基于承诺消费的企业计划，承诺消费部分不收取这项费用。未来还会推出更适合企业自助使用的方案。如果企业自带推理服务或自带密钥，相关费用也会取消。我们收费的场景，是客户使用OpenRouter提供的容量、又未采用企业计划时。承诺消费也能帮助我们更好预测需求。

Harry Stebbings：三年后，OpenRouter最主要的收入来源会是什么？

Alex Atallah：这取决于AI市场整体的增长。如果未来几年仍保持每年10倍到15倍甚至更高的增速，企业和创业公司会继续低估自身所需的推理量。OpenRouter最有价值的工作，仍会是为那些原本没有计划、突然需要尝试的新模型和超出预期的推理需求提供容量、故障切换和在线保障。

价格降10倍，使用量会不会涨得更多

Harry Stebbings：过去18个月里Token价格下跌约90%。你们从消费中抽成，价格下跌是否会缩小你们能分到的蛋糕？

Alex Atallah：许多人会提到杰文斯悖论：价格下降10倍，使用量会增长超过10倍。还没有人把它建模得非常好，但我们确实看到了不少个案。以OpenRouter上的GPT-5.6 Luna为例，OpenAI先降价5倍，随后又与我们协调再降2倍。两周内，它在OpenRouter上的价格下降10倍，使用量增长了13倍。

Alex Atallah：这很接近一个标准的杰文斯悖论案例。增长在13倍的水平上稳定下来，随后又回到此前的增长趋势。这个变化发生在DeepSeek和GLM都给出很有竞争力价格的阶段。Luna的使用量超过了GLM，OpenAI也很久以来第一次有模型进入OpenRouter按Token量计的前三到前五名。

Harry Stebbings：OpenRouter的Token量有多大程度反映整个市场？平台上的前五模型常常都是中国模型，但很多前沿模型用户直接调用API，并不会经过OpenRouter。

Alex Atallah：我们的数据确实有偏差。OpenRouter天然会吸引认同多模型未来的用户，也看不到那些只使用OpenAI、Anthropic或Gemini的公司，因此可能低估前沿模型。我们会通过用户调研和外部调查估算偏差，也希望随着多模型成为更多公司的共识、平台规模继续增长，数据会更具代表性。

企业的数据安全顾虑：前沿模型与中国模型

Harry Stebbings：Alex Karp说，企业害怕与前沿模型提供商合作。你的客户也是这样吗？

Alex Atallah：我没有看过他的完整表述，但确实观察到一些不安，尤其是在Claude Design围绕Figma引发讨论时。对于只是在特定市场把智能能力包装起来的创业公司，靠集成和系统提示词提供服务，模型实验室未来可能有动力进入你的市场。

Alex Atallah：一个原因是，模型实验室会希望让目标企业里的多个团队依赖自己。我把Claude Design视为一种战略动作：它未必立刻带来巨额收入，却能让设计团队在组织内部更关心Anthropic模型。对那些服务于这类战略团队的创业公司而言，这是更近在眼前的竞争威胁。

Harry Stebbings：Claude Design会对Figma业务造成实质影响吗？我认识不少创始人正在从Figma转向Claude Design。

Alex Atallah：我看到很多设计师试用Claude Design，包括我们自己的设计师，但还没听到明确的重复使用故事。我也没有和很多设计师聊过。至少从Figma公开的经营数字看，它的表现依然很好。

Harry Stebbings：美国企业更害怕前沿模型，还是中国模型？

Alex Atallah：通常是前沿模型。企业往往不清楚自己发送的提示词会怎样被处理、存到哪里、由谁查看，也不能像使用开放权重模型那样，在自己的机器或指定服务商上部署。对习惯在自有基础设施或VPC里掌控数据可见性的企业，这种不确定性更直接。

Harry Stebbings：OpenRouter可能把企业路由到中国模型。有人担心数据安全与供应链信任问题，你是否觉得自己对此负有责任？

Alex Atallah：我们确实有责任让用户安全访问所有模型，客户信任是最重要的目标。如果一个模型被普遍认为不安全，我们会把它从平台下架；如果某个模型可能被不安全地使用，我们会用技术让访问更安全，并与模型实验室合作，确保我们的实践达到行业最佳水平。

Harry Stebbings：但你真的知道Moonshot、阿里巴巴这些机构内部发生了什么吗？

Alex Atallah：我不能假装自己知道。作为一家美国公司，我们会遵循美国的最佳实践，确保不做不负责任的事。

Alex Atallah：比如，OpenRouter提供可一键开启的提示词注入防护和PII脱敏等能力，为所有推理调用增加安全层。我们希望企业能更安全地部署和试用新模型。我把模型看作互联网：不能因为互联网有风险就把它完全禁掉，正确做法是建立护栏，并用AI持续改进这些护栏。

模型洪流：开放权重模型的快速迭代与竞争

Harry Stebbings：未来一到三年，前沿模型和开放模型的发布速度还会这么快吗？

Alex Atallah：会。仅在7月，OpenRouter就上线了70个模型，平均大约每10小时一个。Agent实验室也在出现，其中一些最终会推出自己的模型。已经能看到Cognition、Cursor等例子，更多Agent公司会有动力训练并通过Agent分发自己的模型。

Alex Atallah：推动这件事的力量来自多方面：希望促进竞争和多样性的GPU厂商、OpenRouter、愿意押注新方法的投资人，以及仍想通过不同训练路径提升智能的创始人。若美国开放权重模型开始取得势头，新的美国模型实验室就会有非中国模型的基础可用，这也会反过来催生更多实验室。

Harry Stebbings：我们是否应该关注开放权重模型的发布速度和质量变化？

Alex Atallah：应该。在他看来，美国在开放权重模型领域目前仍有差距，尽管正在加快。美国有Poolside、Thinking Machines等团队，也有其他新实验室，但中国研究人员很强，美国人低估了这一点。

Harry Stebbings：最新的Kimi模型有多重要？它真的像外界评价的那么显著吗？

Alex Atallah：Kimi很不错，但在网络安全能力和长时程任务上仍略落后于前沿模型。GLM 5.2是开放权重模型的一大步，Kimi更像是Moonshot追上这一台阶的表现。Kimi的文字语气和文风也很好。相比之下，一些前沿模型在编码能力增强后，写作声音会退化，产出变得难读。这个问题可以修复，但Kimi一直有比较有意思的写作能力。

Harry Stebbings：12个月后，不同开放模型生态之间的差距会扩大还是缩小？我担心差距会扩大，因为部分开放模型更容易获得政策、资金和生态支持，而一些新实验室融资更难，商业模式也更不确定。

Alex Atallah：中国研究人员很强，美国人经常低估这一点。与此同时，中国模型的网络安全态势和合规问题也需要持续关注。我不了解中国内部的具体情况，不能把这些推测说成事实。

忠诚度、记忆和模型选择权

Harry Stebbings：开发者还会对某个模型保持忠诚吗？

Alex Atallah：会有。OpenRouter努力把切换成本降到接近零，让用户可以轻松试新模型，同时也会衡量各模型的留存和流失，并在模型实验室需要时分享这些数据。即便已有更适合某个场景的新模型，一些开发者仍会持续留在旧模型上。

Alex Atallah：主要有三个原因。其一，现有应用已经能正常工作，团队不想承担支持机器人突然说出意外内容的风险，更不愿重新做一遍优化和护栏。其二，新模型未必更划算。模型刚发布时能力和价格曲线都会跳升，旧模型价格则会随时间下降。其三，用户对输出有基本信任，常常有一套自己的临时评测。新模型若没有通过这些看似随意、实则贴合业务的测试，用户就会继续选择原本喜欢的模型。

Harry Stebbings：过去人们认为，记忆会成为留住用户的机制。模型知道我的历史提示词、住在哪里、做什么工作，就会越来越适合我。现在还是这样吗？

Alex Atallah：记忆当然能带来留存，关键在于它放在哪里。它可能属于模型、推理服务商、应用、基础设施提供方或路由器，每一层都会尝试掌握记忆。放在应用层，记忆拥有最多的应用上下文，也更不依赖具体模型；放在模型层，个性化基准上可能表现最好，最终智能也可能更高。

Alex Atallah：未来可能是多层记忆的组合，比如同时使用模型层、基础设施层和应用层的记忆。我们还不知道它们会不会相互干扰。但不可能只有某一层掌握全部有价值的记忆，因为应用拥有大量模型实验室并不知道的关键上下文。模型实验室若想得到这些上下文，就必须让应用愿意提供。

Harness不是另一个App，它是更可组合的工作界面

Harry Stebbings：Claude Code、Cursor等Agent与Harness越来越紧密。路由会不会在独立成长前，就被Agent框架吸收掉？

Alex Atallah：Harness很有意思。OpenRouter早期的一个判断是，多数应用低估了用户选择模型的意愿。2023年和2024年，很多应用甚至不告诉用户底层是什么模型，只说“你想要AI”。我们的判断恰好相反，用户会关心自己在和谁对话，就像解决问题时会在意自己和公司里的哪位员工协作。后来这个判断得到了验证，Notion等产品开始允许用户选择模型。

Alex Atallah：开发者也会对不同Harness产生偏好，因为这是一种用户体验。模型变强后，系统提示词里塞进的大量杂物反而可能拖累表现，增加与用户提示词相矛盾的情况。Anthropic曾展示过，删掉部分系统提示词内容后，模型矛盾变少、表现更好。现在不少Harness也在删代码，以适配最新的前沿模型。

Alex Atallah：这不意味着Harness会消失。相反，更多Harness会出现。它是建立在模型之上的用户体验，也让不拥有模型的开发者能够拥有用户关系，这一层对经济很有价值。

Harry Stebbings：Harness和普通App到底有什么区别？

Alex Atallah：区别在于可组合性。一个Harness可以调用另一个Harness，也可以在云端沙箱里启动另一个Harness。

Harry Stebbings：这不就是API为App做的事情吗？

Alex Atallah：是，但Harness通常建立在Unix环境上，模型对Unix和bash命令训练充分，因而比围绕一组复杂App做编排更可靠、更确定。让Agent操作普通App时，会遇到登录、密码、虚拟浏览器、寻找API和阅读文档等许多未知问题；进入Harness则更容易检查内部发生了什么，也可以直接用自然语言讨论。

模型会变成公用能力，还是仍有品牌和位置

Harry Stebbings：Meta把新的模型实验室和产品放到很重要的位置。你对他们目前的成果满意吗？他们会成为真正的竞争者吗？

Alex Atallah：他们做得不错。搭建新的模型实验室需要时间，也要处理组织债务，但Meta拥有足够资源，可能成为严肃竞争者。它可以利用社交网络和面向人的产品能力，做模型实验室不那么愿意做的事情。

Alex Atallah：不过，新模型仍需要找到明确的位置和核心优势。仅仅做一个“通用能力很强”的模型还不够，最终需要能说清楚“我们在某件事上明显更好”。

Harry Stebbings：我现在会把提示词放进Arena，让它给出多个模型的并行选项，其中常常会出现我平时绝不会主动选择的模型。这是一种很好的发现机制。只要结果足够好，我不在乎它来自Kimi、Claude还是其他模型。模型在这里似乎已经成了一种公用能力。

Alex Atallah：你说模型成了公用能力，是什么意思？

Harry Stebbings：我对模型品牌没有忠诚。我只想看结果，再从中挑最好的。我宁愿让四个模型并行运行，比如由一个前沿模型调度四个开放模型。你认同这种架构吗？

Alex Atallah：完全认同，这种架构值得所有人探索。OpenRouter已经在帮助开发者实现类似模式：由一个编排模型在需要时调用子Agent。子Agent成本更低，适合处理输出形态明确、问题类型已知、解法较确定的任务，比如文本分类；编排模型则读取结果，继续完成更开放、更不确定的任务。

开放权重生态需要什么：算力、蒸馏与多样性

Harry Stebbings：如果让你负责推动开放权重生态提升竞争力，你会做什么？

Alex Atallah：我会先多和实验室沟通，弄清楚它们蒸馏先进开放权重模型的实际效果。开放权重模型，尤其允许蒸馏的模型，能让开发者拿模型输出为自己训练的模型做强化学习。这是AI实验室普遍使用的重要方法，或许能帮助开放模型生态整体进步。

Alex Atallah：蒸馏时可以看到输出，也就能在强化学习展开过程中检查它是否符合想要的模型声音和“宪法”。另一个关键是算力。相较中国，美国仍有算力优势，但新的实验室需要更容易把算力拿到合适的人手中。Nvidia、Google的TPU、Amazon的Trainium以及其他芯片公司，都应该参与其中。

Harry Stebbings：蒸馏是否不正当？

Alex Atallah：蒸馏是一种构建模型的技术。封闭模型实验室也会蒸馏模型，比如用大模型训练较小模型。它是在生态中发现有用能力后，把新东西教给模型的方式。实验室当然有权在服务条款中禁止竞争对手这样做，也可以切断相关访问。若目标是做一个专注于单一任务、并不直接竞争的较小模型，据我所知，多数前沿实验室并不禁止。市场会同时容纳允许和不允许蒸馏的公司，OpenRouter会帮助双方执行各自的服务条款。

关于Stripe传闻、成本焦虑与AI能做的事

Harry Stebbings：有报道称Stripe可能以100亿美元收购OpenRouter。这会发生吗？

Alex Atallah：我不能置评。但无论发生什么，我们都会继续执行原有愿景：让AI有安全的访问方式，不让单一垄断者接管市场，让每个人都能探索充满活力的模型生态；当新的服务商、服务器工具和推理相关技术出现时，用户能很容易发现并接入现有AI系统。

Harry Stebbings：面对这样的收购数字，你很难不去计算自己可能得到多少吧？

Alex Atallah：我其实不会这么想，个人花费也不多。我更想用个人资本帮助解决那些社会确实需要、却很难形成商业模式的问题。AI让人们能审阅此前无法处理的大量数据，我希望未来能帮助研究者处理这些问题并获得资助，但现在还没有准备好公开细节。

Harry Stebbings：现在OpenRouter上最被低估的模型是什么？

Alex Atallah：Poolside的模型很出色。这是一家不错的美国新实验室，正在构建体量较小但高效的编码模型，也在开发很多便于使用这些模型的工具，团队很好。

Harry Stebbings：未来三年，70%的新模型实验室都会消失，你同意吗？

Alex Atallah：不同意，70%太高了。如果把被大型模型实验室收购也算作“消失”，我估计大约是50%，其中会发生一些整合。

Harry Stebbings：Dario Amodei是否应该少一些悲观，多一些乐观？

Alex Atallah：生态里需要有人对未来极度警觉。我希望其他模型实验室不要被排挤，但Anthropic的这种声音仍是“神经多样性地图”里重要的一部分。如果没有人保持高度警惕，这个视角就会缺席。

Harry Stebbings：你能看到整个生态的使用情况。有什么很反常、却很少有人讨论的现象？

Alex Atallah：很多公司都在为推理成本焦虑，却不知道怎样把它纳入运营成本。过去员工的成本主要是固定薪酬，或许按季度、绩效评估时调整一次。未来，员工成本会是动态数字，与每个人是否有效地使用昂贵或廉价模型有关。管理者仍要正常评估员工的效率和产出，但也可以把效率和AI使用成本放在一起看，识别那些产出好且成本有效的人，也关注产出一般、成本却很高的情形。

Harry Stebbings：最后一个问题。放眼今天的AI版图，你最兴奋的方向是什么？

Alex Atallah：一个是罕见病研究。这类问题长期受制于智能或推理瓶颈，需要尝试很多想法并验证是否有效。另一个方向是众包式改善城市和乡村生活。例如，若有人想找到美国或英国所有铅水管的位置，有初步方法却缺乏成熟和压力测试的能力，AI可能让它成为可能。好点子分散在世界各地，而AI能给提出想法的人真正把它做出来的杠杆。

原视频：OpenRouter CEO: Why Chinese Open Models Are Beating the US | Why Enterprises Fear OpenAI & Anthropic（20VC with Harry Stebbings）

https://www.youtube.com/watch?v=K72oZoloA4M

编译：Noah Wang

本文由作者@Z Finance，授权发布于平台，未经许可禁止转载。