搜故事,从300万个故事到海量知识百科的华丽转变!

姚颂长文:AI芯片创企遭遇制造工艺困境 看好华为与阿里平头哥

时间:2012-03-04

深鉴科技曾为国内AI芯片独角兽,此前专注于以FPGA实现人工智能落地,2018年7月18日,被FPGA开山鼻祖赛灵思收购

提示:本文共有 8552 个字,阅读大概需要 18 分钟。

本文首发于:Xilinx学术合作,作者:姚颂,原深鉴科技联合创始人。深鉴科技曾为国内AI芯片独角兽,此前专注于以FPGA实现人工智能落地,2018年7月18日,被FPGA开山鼻祖赛灵思收购。

2019年8月19日到21日,第31届Hot Chips大会在斯坦福大学成功举办。从2016年开始,这是我参加的第四届Hot Chips。在之前的三届Hot Chips,有两次我作为演讲者参与(2016年与2018年),有一年作为展商参与(2017年),这一次是第一次没有任何任务来参加Hot Chips,终于可以安心地听取报告、进行学习。而在之前Hot Chips TPC meeting刚结束时,已经从几位技术委员会的成员那里听说今年的竞争异常激烈,Xilinx的同事Ralph Wittig更是评论,这一届Hot Chips的论文质量是他觉得过去十年中最好的,让人不由得对本次Hot Chips充满期待。

本次大会确实是有非常多非常扎实的工作,也展现了整个处理器与高性能芯片领域行业的趋势与变化。本系列文章将介绍我在Hot Chips大会上的几点观察与思考,涵盖以下几点内容:

Cerebras其实是在帮大家追求心中的梦想,祝福,但也存在挑战;AI仍是主角,但AI芯片设计已经不是主角,从一个新颖的话题变为了成熟的工程;异构是大势所趋,无论赛灵思还是英伟达,都在持续前进;安全是一个越来越重要的话题;FPGA在各种不同应用中扮演着重要角色;集成电路工艺演进:未来越来越难,但一定会有突破。文章也将介绍一些Hot Chips会议上发生的趣事。未经特别说明,图片均来自于本人在Hot Chips拍摄的照片,PPT版权由原报告人所有。

本文先从大家最为关注的Cerebras开始说起。

一、Cerebras:会议最大热点

本届Hot Chips最大的亮点,毫无疑问是Cerebras的wafer-scale engine (WSE)。我们通常的芯片,一片wafer可以切出几十到上万片不等的芯片,而为了追求极致的性能、最大的片上存储,Cerebras选择了一条极端的路线,让整片wafer就是一片芯片。当Cerebras的联合创始人Sean Lie拿出样品实物的时候,会场里响起了掌声,这也是本次大会唯一一次不是在报告开始与结束时候礼节性的掌声。

WSE芯片,由12x7=84个die组成,共有40万个为深度学习优化的计算核,片上存储达到了惊人的18GB,超过了很多电脑的内存大小。这样一颗芯片,在我眼里是有特殊的美感的:如同看到长城和金字塔,这样在技术水平极其低下时,似乎人类无法实现的杰作;也如同看到了蒸汽朋克电影中的庞然大物,复古而雄伟;又如同最为精密和复杂的机械表,无数精巧的结构让人感叹。这是在大的范式没有改变的情况,当前工程技术可以做到的极限了。

Cerebras的报告是极少数全篇没有任何性能数字的报告,只有一句话“It’s working”。这样一篇论文能够被Hot Chips录用来进行报告,足见其受到的关注和重视。而我个人有一个习惯,除了认真听别人说做了什么,更会去想他们没说什么。而在这次,他们只说了“It’s working”,而并没有说“It’s working well”,也许就是在暗示些什么。

Cerebras的WSE芯片仍然是有非常多待解决的问题的:

(1)这样一片芯片,尽管做了很多的容错设计,其良品率怎样,仍然是一个疑问;

(2)传说中15kw甚至50kw的功耗,怎样去实现良好的散热;

(3)整个芯片由12x7个die组成,die之间的通信是与台积电联合研发的新型工艺,其效果如何。

这样许许多多的问题,都值得追问下去,而在报告现场,尽管PPT上有相关的页来阐述是用怎样的思路来解决,但是Sean基本上是一带而过,没有介绍任何细节,这也不由得不让人猜测,在这些地方,可能仍然存在着非常多的技术问题需要解决。

对于我个人来说,我非常佩服Cerebras的CEO Andrew Feldman这样一位有魄力、有远见的成功的连续创业者:他曾经做过四个公司,都以上市或者并购成功退出。我也非常佩服包括Sean Lie在内的Cerebras的工程师,勇于挑战最极致的技术路线。任何一条技术路线走通都非常不容易,希望Cerebras能够一个一个解决路上的技术难题,这不仅仅是Cerebras一家公司的事情,也是所有有技术信仰的芯片行业工程师与研究者的共同心声——大家没有机会和财力去做这样一件激动人心的事情,希望你们能做好!

二、AI芯片从火热到理性

Cerebras是本次报告最大的亮点,也是被大家关注最多的“AI芯片”的代表。然而,实际上本次大会,AI芯片的设计本身,已经不是被大家关注的重点了——更进一步说,实际上从2017年到现在的两年间,纯数字电路的AI芯片的发展已经几乎停滞了,除了sparsity和low-bit(比如1bit网络,或者tenary网络),在AI芯片,很少听到新的题材了。

本次大会特斯拉的报告,也充分体现了这一点:许多人最开始对于特斯拉的报告“Compute and redundancy solution for Tesla’s Full Self driving computer”充满期待,因为这是少有的可能能介绍完整自动驾驶系统设计的报告,而结果却令人失望:整个报告花了80%的时间,在介绍底层架构怎样设计,卷积计算的流程如何,指令集如何设计,pooling单元如何设计,而在介绍这些设计的时候,许多抬头听报告的人,都将视线转向了笔记本电脑或者手机。

另一个更直观的体现是,在报告结束后的Q&A环节,提问者的问题都在关注在自动驾驶系统中,两片特斯拉自动驾驶芯片是如何配合的,如果真的发生了错误,是如何进行纠错的,而没有人再去拘泥于底层架构设计。

此次Hot Chips仍然有不少“AI芯片”的报告,阿里,华为,Cerebras,Habana(一家以色列不错的创业公司),Tesla,nVidia,Xilinx,Intel,Princeton,然而,每一项工作都是在底层架构设计之外,还有更大的亮点:

阿里实现的应用是少见的text-to-speech,从文本到声音合成,而不是传统的CNN和LSTM加速;华为的达芬奇芯片做了logic die与HBM的直接堆叠,而不是传统高带宽芯片的2.5D interposer的模式,Cerebras芯片是最极端的wafer-scale芯片,Tesla是带有冗余设计的自动驾驶系统,nVidia是NoC+NoP的可扩展架构,Xilinx是全新的Versal芯片与拥有更多可编程性的AI engine一起,Princeton的研究工作是用SRAM做in-memory computing。

此次Hot Chips大会的情况也充分说明,AI芯片的技术噱头时代已经过去,越来越多的人在考虑,怎样去改变当前的范式,用更新的底层技术去实现更好的性能;是否能够真的做出可量产的芯片,之后怎样去和应用更好的融合,实现一个整体好用的系统。在单纯数字芯片模式下,单纯新的体系结构的创新,已经无法带来任何新的机会了——我们必须进一步向前看。

三、异构计算:大势所趋

异构计算, Heterogeneous Computing, 不是一个新鲜的话题,然而真正出现大量使用的异构计算平台,却是从近几年的事情了。异构最重要的涵义,是系统有多种不同功能的部分组成,让每个部分做它最擅长的事情,而不是用统一的平台来做所有的事情。

异构计算的兴起,与AI芯片的兴起,本质上都有一个核心原因,摩尔定律的放缓甚至结束(摩尔定律的话题也是一个稍有争议的话题,在Philip Wong教授的Keynote中,他认为摩尔定律“well live”,这一点我们在下个部分中再讨论)。

在过去几十年,芯片性能的增长,过半是由于制造工艺的进步带来的。在上图AMD CEO Lisa Su的报告中,也可以看到对于GPU,过去十年性能进步最重要的因素,也还是制造工艺的进步,占到了40%。而随着摩尔定律的放缓,由制造工艺带来的进步越来越小,我们必须更多地依赖微架构(也即图中占比17%的Microarchitecture部分)和系统层面的进步来实现整体的进步。而这其中,最直接的方式,就是设计Domain-specific architecture(DSA),放弃一部分通用性,来获得更大的性能提升。通常而言,越专用,通用性越差,越容易取得更好的性能。

也正因为此,我们看到了GPU在图像渲染上碾压CPU,我们看到了在不同通用性层次支持深度学习的各类DPU/NPU/NNP/MLU/

DLA/VPU。比如,我们可以选择支持各类机器学习算法、而不仅仅是深度学习的MLU,也可以选择只支持深度学习推理的DPU,而如今又出现了不少专注在深度学习训练的专用芯片。

(在2017年3月GTIC会议报告的PPT截图)

2018年3月份在智东西组织的GTIC大会上,我曾经讲过一个和nVidia VP of BD,Jeff Herbst的小故事。在2017年Hot Chips期间,我约着去拜访了Jeff,也一起吃了个晚餐。在聊到对于AI芯片未来产品时候,我说“I bet that you will sell a chip with no GPU in two years”,我打赌英伟达会在两年内卖一颗没有GPU的芯片。但是没想到其实英伟达的新产品来得如此之快:在2018年2月的CES,英伟达CEO黄仁勋就公布了面向自动驾驶的Drive Xavier芯片,号称30T算力,30W功耗。

但是当我们认真的看PPT上的数字时候会发现,这30T算力,有10TOPS INT8来自于DLA,有20TOPS来自于Tensor Core,都不是传统的GPU。GPU部分只有512个CUDA core,只有1.3 CUDA TFLOPS。也就是说,这个GPU的算力几乎可以忽略不计,可能只是用来做大屏幕显示的。

在我和Jeff见面仅仅半年之后,远没有到两年,nVidia就已经开始推出几乎没有GPU的芯片了,而似乎许多人没有注意到——这也充分说明了软件接口的重要性,当nVidia把所有的都做成兼容CUDA,再加上上层的Library和各类Framework进行封装,大家已经关注不到底层的改变了。

(Hot Chips 31现场nVidia的报告)

在这次Hot Chips大会上介绍的Turing GPU,虽然还挂着GPU的名字,其实也已经是一颗异构计算芯片,不仅仅是传统那些SIMD单元,总共由Turing SM, RT Core,与Tensor Core三个部分组成。报告人John Burgess介绍,传统做光线追踪,对于每一条光线,要反复花费数千个时钟周期,才能正确计算和物体的交界点在哪里,而一次渲染会有非常多条光线要计算,因此他们才想要设计RT Core来专门解决光线追踪的问题。这就是典型的异构与DSA解决问题的方式:为一个计算复杂的任务设计专用加速器,用异构的系统来做整体的计算。

(Hot Chips 31现场Xilinx的报告)

而异构计算一个特别极致的案例就是Xilinx本次介绍的Versal,Xilinx的第一款ACAP产品。Versal上同时有两个arm A72核,两个arm R5核,可编程逻辑也即FPGA,还有AI Engine与DSP Engine!

这样一颗芯片,可以将应用做非常细致的拆分,AI部分在AI Engine上,信号处理部分在DSP Engine上,主控和通用计算部分在两个不同的CPU,其他需要加速但不能很好利用AI Engine与DSP Engine的部分在中间的可编程逻辑上。这种感觉就很“分而治之”,又很像经济学上的“价格歧视”——同样的产品,为不同购买力的人群分别制订他们能接受的最高价格,整体获得的收益会更大。在这里,我们是,同样一颗芯片,但是为不同应用分别划出专用的一块区域,去实现最好的性能。

毫无疑问,越来越异构化的芯片会是大势所趋。但是,实际上,背后依然有非常多的问题,比如,系统与应用层面的考虑,比如,软件编程的问题。当DSA越来越专用,必须去考虑整个芯片是否合适于使用的应用,必须有更多和行业结合的软件,而不仅仅只是像原来一样提供一个通用的平台而已。而复杂异构系统的编程开发,在业界依旧是一个没有完全解决好的问题。对于这样一颗异构芯片,我怎么去找到每个部分是否适合某个任务,是手动地划分任务、为不同部分单独编程再拼到一起,还是统一的软件界面去编程、之后自动映射?还有很多问题需要去解决。

四、安全,是一个越来越重要的话题

在2018年初,CPU行业曝出了两个巨大的安全漏洞,“Spectre”和“Meltdown”,其核心原因是因为为了追求更好的性能,CPU做了很多的优化工作,比如分支跳转预测,和乱序执行,而不是顺序的一条一条执行指令,执行到了再去内存里读取数据。

而近几年也有一个很大的趋势,就是原来仅仅用在支付等场景的https协议,开始被越来越多的使用,大部分主流网站,比如常用的百度,微博,等等,已经全站都是https化了。哪怕我不是一个安全方面的专家,但是我也能感受到,各方面的因素,让“安全”这两个词变得越来越重要:我们希望在云计算上运行的任务是安全的,我们希望存储在云端的数据是安全,我们希望与服务器的通信是安全的。

(Hot Chips 31 Tutorial 来自微软Azure团队的报告)

(Hot Chips 31 Tutorial 来自AWS团队的报告)

在本次Hot Chips大会,我们明显也看出了各家互联网公司与芯片公司对于安全的重视,并且把加密变成了产品流程中的重要一环。如上两图,在微软的tutorial中,微软介绍了自己正在开发了Corsica芯片,将文件的压缩解压缩与加解密做到了一起。AWS的Nitro项目中,也开发了自己的安全芯片。而在Intel的Optane项目中,加解密也已经融合到了存储一体。

可以想象,未来的存储一定是和加解密融合到一体的。我们也可以猜想,平头哥是不是也会做阿里自己的安全芯片?

五、Philip Wong教授的报告回顾

在这一部分中,我想结合Philip Wong老师的Keynote,一起讨论一下集成电路制造工艺演进的问题,也想谈一下我自己关于制造工艺对于AI芯片创业企业的影响。

在去年8月,斯坦福大学著名教授Philip Wong(黄汉森,以下简称黄教授)确认加入台积电,担任研究副总裁,在业界传为佳话,让大家觉得又是一例产学研结合的典型案例。黄教授多年来在存储领域有非常深的建树,也在碳纳米管器件领域有着深入的研究,他的加盟毫无疑问说明TSMC会在存储方面更下功夫。

黄教授一上来便抛出了他最重要的主题,他说:

“Moore’s law is not dead, is not slowing, is even not ill. It’s well alive!”

(摩尔定律没有终结,也没有放缓,更没有生病。摩尔定律活得好好地!)

在之后,他介绍了台积电在工艺节点演进上的路线图与展望,并且阐述了三条他认为可以继续延续摩尔定律的技术路径:

1. 系统集成的方式,如用interposer的方式将SoC与DRAM可以集成在一起,如SiP,如Chiplet;

2. 更进一步存储与计算的集成,比如直接将存储与计算部分在垂直方向上进行堆叠,采用更细致和极致的堆叠方案N3XT;

3. 新的底层材料和技术,比如碳纳米管。

特别地,他强调了半导体技术的演进,总是被不断变化的应用需求所引领的,如上个世纪80年代到2000年的PC/互联网,到21世纪至今的移动互联网,在新的时代我们也会更多的去关注AI与5G的底层需求。

六、制造工艺之于AI芯片

黄老师有理有据地阐述了他的观点:摩尔定律很健康!然而俗话说“屁股决定脑袋“,他这样说,我们就无从知道,有多少比例的原因是他正在台积电担任集团研究副总裁。

如在AMD CEO Lisa Su的报告中,就已经画出来了工艺演进的曲线,可以看到10nm与7nm工艺的发展速度已经很大程度上偏离了原来的projection。虽然系统级封装,利用Interposer方式将HBM与计算部分集成到一起,大大提升了存储带宽,但是这并不是集成密度的提升。

而芯片制造工艺对于行业影响最大的,并不只是放缓,其制造成本也有非常大的影响:对于晶圆厂和Fabless设计公司均是这样。

对于晶圆厂来说,7nm等先进工艺生产线动辄数十亿美金的投资是一笔巨大的负担。于是我们看到,在2018年8月,第二梯队的晶圆厂联电、Global Foundries先后宣布放弃7nm工艺。在整个市场上,拥有最先进生产工艺的代工厂,只剩下了台积电、Intel和三星。

对于Fabless的芯片设计公司,问题同样巨大。对于台积电28nm、16nm、7nm的芯片来说,要完成一颗芯片的量产,其IP购买、MPW、量产的成本在数百万美金,千万美金,亿美金以上——如果考虑人员成本、设备成本等等的,这个数字还会高上不少。这就导致只有出货量极大、收入极高的几家大厂能够负担得起最先进工艺。比如大家耳熟能详的联发科,如今也只能先使用着台积电的12nm,而不能像高通和海思一样使用7nm工艺。

先进制造工艺的成本问题,对于AI芯片创业公司也有很大影响。一般的AI芯片创业公司,可能只能负担得起28nm工艺,或者说最开始只敢用28nm工艺进行尝试。融资足够多的AI创业企业才能尝试得起16nm工艺的生产费用。在全球数十家AI芯片创业公司当中,我只听说过有一家敢于去使用7nm。

如地平线在周五发布的征程二代芯片,就是使用的台积电28nm工艺(虽然28nm HPC+是多次改进的版本,不展开详细介绍),这也是大部分嵌入式/终端AI芯片目前选择的制造工艺;在Hot Chips上吸引了众多眼球的Cerebras与Habana,均采用的16nm工艺——而这也是迫不得已,因为他们的应用场景在云端,必须追求极限的高性能,所以必须使用能负担得起的最好的工艺,也必须选择HBM或者更加极端的存储方案(如Cerebras使用的Wafer-scale engine,采用18GB SRAM,单片成本据说在100万美金左右)。

这就导致一个巨大的问题:CPU与GPU的竞争中,CPU并不能凭借制造工艺的优势,来弥补通用性带来的性能不足,因为二者并无制造工艺上的代差,对于特定应用,性能差距本来也很大;而大公司与AI芯片创业公司之间财力的差距,导致大公司的芯片可以选择更先进的制造工艺,而AI芯片创业公司却只能负担得起相对成熟的工艺。

这样的话,即便在体系结构设计上,AI芯片创业公司的芯片在特定任务上有数倍的优势,也可能被制造工艺的差别给抹平。大公司可以通过制造工艺的碾压,获得更好的性能,再通过其通用性和原有的渠道、用户生态的优势,卖出更多的芯片来收回成本。

在互联网领域,阿里、腾讯像两座大山横贯在路上,利用其强大的资金、技术与产品能力、渠道、用户等等优势阻挡住了无数的创业公司。许多成长起来的后起之秀,都是找到自己的途径去规避巨头的最强点:京东自建物流,拼多多充分发掘下沉市场,今日头条用推荐引擎取代搜索引擎。在AI芯片领域,我们终于也有了类似的感受,但许多企业还做着想正面直接挑战巨头的计划。而先进工艺下芯片的制造成本,也成了创业公司很难迈过去的一道坎。

没有机会了吗?也不是。发掘巨头没有覆盖到,但是有潜力的新市场,也许机会正在打开,如拼多多一般;用新的底层技术,如存内计算,去获得数量级的提升,而不是在原来传统数字芯片上硬拼,就好像抖音用短视频取代了长视频与图片文字的社区;在具体的领域,去做整个系统与产品层面的优化,而不只是做芯片,提供更好的服务,就如昨晚在朋友圈刷屏的ZAO,从DeepFake单个算法出发,做成了细节考虑充分的完整应用;利用好不同地区之间的政策与文化的差异性,就好像滴滴在中国击败了Uber。

谁能够跨过这道门槛,真正和巨头们掰一掰呢?

我个人看好华为与阿里平头哥。

前者有足够多的资源,也可以排在世界前几的的研发实力与工程能力,软硬件都非常强,有机会在市场终于被做大之后进场收割;后者,在有足够多的资源和很强的技术能力外,还有明确的应用以及长期的集团战略,也能在其看重的领域掀起波浪。而对于创业企业,找到与巨头的差异性,无论是细分市场、系统集成度、地区政策差异、还是底层技术变革,强化优势,再拿到足够多的资源,我相信也希望能够跑出几家在各自领域拥有相当地位的公司。

刘慈欣在《流浪地球》里写过一个著名的谜语:“你在平原上走着走着,突然迎面遇到一堵墙,这墙向上无限高,向下无限深,向左无限远,向右无限远,这墙是什么? ”

对于AI芯片创业企业来说,眼前这墙真的很大,但也不是无限大。

七、两个彩蛋

在Hot Chips会场拍摄的两张照片,总计将四位大咖拍摄进去了,大家都认出来了吗?

看到此处说明本文对你还是有帮助的,关于“姚颂长文:AI芯片创企遭遇制造工艺困境 看好华为与阿里平头哥”留言是大家的经验之谈相信也会对你有益,推荐继续阅读下面的相关内容,与本文相关度极高!

本内容不代表本网观点和政治立场,如有侵犯你的权益请联系我们处理。
网友评论
网友评论仅供其表达个人看法,并不表明网站立场。
相关阅读
网红平头哥真的无敌吗?不要迷恋哥 哥只是个传说

网红平头哥真的无敌吗?不要迷恋哥 哥只是个传说

食肉动物,动物,狮子,狒狒,胡狼,非洲,猎物,眼睛,科学家,蛇类,调查,平头哥,母蜜,体重,地区,地洞,妈妈,小蜜,尸体,敌人,气味,蜂蜜,调查中,黑背胡狼,不相上下,无所畏惧,尼罗,希拉,格罗,皮纳尔

2013-07-10 #短篇故事

平头哥:我的淘宝电商创业故事

平头哥:我的淘宝电商创业故事

淘宝,平头哥,产品,生意,电商,卖家,店铺,时候,时间,机会,烧烤店,经验,评论,女装,工厂,投资,经营,同学,女朋友,过程,饰品,工作,竞争,了头,那时候,那一年,事情,冲昏,季节,案例

2019-05-20 #故事阅读

它是平头哥最佳拍档 非常懒却是个狠角色 堪称鸟中的“社会哥”

它是平头哥最佳拍档 非常懒却是个狠角色 堪称鸟中的“社会哥”

动物,蜂蜜,生物,平头哥,社会,体型,体格,好友,所在地,食物链,有一种,达尔文,反其道而行,人们,事迹,优势,先天,办法,发型,名字,同盟军,寸头,才能,底端,是非,气焰,现实,猜出,盘中餐,皮囊

2015-09-06 #小故事

“平头哥”入职“阿里动物园” 将保护园内兄妹

“平头哥”入职“阿里动物园” 将保护园内兄妹

平头哥,芯片,阿里,公司,动物园,半导体有限公司,动物,花名,樊俊,由马云,达摩院,阿里巴巴集团,阿里巴巴,环球网,世界,事业,中天,世界纪录,云栖,兄弟姐妹,企业,别称,处女座,名称,员工,大写,官方,尼斯,日子,惯例

2007-02-04 #经典故事

平头哥:我的淘宝电商创业故事

平头哥:我的淘宝电商创业故事

过程,同学,季节,资源,产品,关系,工厂,女装,手机,指纹识别,数据,服装厂,生意,经验,货源,订单,销量,影响,前一个,我自己,上和,下订单,好的,我们的店,我的生活,转机,关键人物,关键,周转资金,外快

2009-04-22 #小故事

平头哥对上“非洲二哥”谁会赢?一个是真“虎” 一个是真牛

平头哥对上“非洲二哥”谁会赢?一个是真“虎” 一个是真牛

鬣狗,狮子,对方,方面,非洲,体重,对手,这两位,二哥,体长,动物,差距,脾气,咬合力,斑鬣狗,草原上,平头哥,屈居于,在它,上胆,大草原,野生动物,人物,个人,个头,二把手,外号,人称,优势,单挑

2015-04-15 #经典故事

世界上最无所畏惧的动物 非洲平头哥传奇的一生 挑狮子战猎豹

世界上最无所畏惧的动物 非洲平头哥传奇的一生 挑狮子战猎豹

平头哥,非洲,狮子,告诉我,对方,无所畏惧,力强,尤喜,在干,可爱吧,学名,世界,剧毒,制服,同类相残,动物,吉尼斯,南亚,存活率,哺乳动物,坚果,地点,小时,平头,性格,现象,才能,挖洞,爬虫,浆果

2012-04-09 #故事会

什么都不怕的“平头哥”这次却栽了 传说中唯一能让它惧怕的动物

什么都不怕的“平头哥”这次却栽了 传说中唯一能让它惧怕的动物

平头哥,动物,蜜蜂,蜜罐,动物界,老虎,狮子,传说中,无所畏惧,众人,再加,体型,名字,威名,学名,遭遇,蜂蜜,什么都,因为它,地不怕,成百,家喻户晓,何学名,在它,上美,上群,大平头,赐名,都会,人类

2010-05-11 #短篇故事