微软Build 2026:与OpenAI分道扬镳,纳德拉如何让微软重掌AI时代主动权?

数量1倍数特性.pdf 立即下载

曾经与如今:微软与OpenAI的角色转变

曾经,OpenAI需要微软。而今天,微软需要证明自己不需要OpenAI。6月2日,Build 2026开幕,微软CEO纳德拉一口气发布了七款自研模型、一台面向开发者的AI工作站、一个企业Agent治理平台、一颗量子芯片,信息密度极高,每一个动作都表明微软正在和自己最亲密的盟友分道扬镳。

但把时间拉长来看,微软今天面对的局面并不陌生。三十年前,微软定义了PC时代;二十年前,互联网崛起,Google定义搜索,Facebook定义社交,苹果定义移动互联网,微软逐渐退到后台,成为整个时代最赚钱却最缺乏想象力的基础设施公司。后来纳德拉用了十年时间,把微软重新带回舞台中央。如今,当AI成为新的操作系统时,微软又站在了那个熟悉的位置,OpenAI、Anthropic在定义AI,Cursor在定义开发,谷歌重回AI牌桌,微软似乎又在卖云。

一、4月27日,那道裂缝

故事的转折点并非Build大会本身,而是两个月前那份被刻意低调处理的协议修订。4月27日,微软和OpenAI同时发布声明,宣布合作进入下一阶段。措辞温和,内容却剧烈:微软对OpenAI模型和产品的知识产权许可,从独占变为非独占;OpenAI可以通过任何云服务商提供产品,不再绑定Azure;微软不再向OpenAI支付收入分成。直白地说,分手协议已签,只是还住在一起。

这意味着微软从2019年开始、用130亿美元买来的全球只有自己能跑OpenAI模型的最大护城河,一夜之间被打破。OpenAI可以跟AWS合作,可以跟Google Cloud合作,可以跟任何人合作。微软从AI时代的独家伙伴,变成了主要云服务商之一。这就是为什么Build 2026变成了纳德拉最重要的一场发布会,他必须回答一个问题:没有了OpenAI的独占权,微软凭什么还是AI时代的主角?

二、七个模型背后的真问题

Build当天发布的七款模型,MAI Thinking 1(推理)、MAI Code 1 Flash(代码)、MAI Image 2.5(图像)、MAI Voice 2(语音)、MAI Transcribe 1.5(转录),几乎覆盖了AI产品链条的所有核心能力,这也是微软历史上最大规模的自研模型集中发布。

但这些模型真正值得关注的,不是参数多大、跑分多高,而是对标的对象是谁。微软AI负责人穆斯塔法·苏莱曼在采访中表示:我们更关注Anthropic风格的方向,企业、开发者和编码。这等于直接点名,对手就是Anthropic。MAI Code 1 Flash直接拿来跟Claude Haiku 4.5比较,在SWE Bench Pro上得分51.2%,高于Haiku的35.2%;MAI Thinking 1对标的是Claude Sonnet 4.6。

为什么对手是Anthropic而不是OpenAI?答案很明显。根据Ramp AI Index数据,2026年4月Anthropic的企业付费采用率达到34.4%,首次超越OpenAI的32.3%。企业首次采购AI服务时,约70%的直接对决中最终签单的是Claude而非ChatGPT。Claude Code占据AI编程工具市场54%的份额,GitHub Copilot已经下滑至约25%。更尴尬的是,微软内部的工程师也在用Claude。根据媒体报道,微软内部评估发现,核心开发者对自家Copilot的满意度低于外部竞品,开发文化正在被外部工具渗透。

这就是七个模型背后的真相,不是微软也很厉害,而是微软必须自救。过去三年,整个AI行业相信的是,模型决定一切。但Build 2026上,纳德拉反复强调的不是某一个模型,而是11000个模型。这背后其实是一种典型的微软逻辑,未来不会只有一个超级模型,模型会越来越像数据库、服务器和云资源,成为一种标准能力。微软发布七个模型,不只是为了证明自己能做模型,更是在试图让模型本身变得没那么重要。

三、赚钱≠主角

如果只看财报,微软的AI业务看起来很好。2026财年第三季度,Azure增长40%,AI业务年化收入运转率370亿美元,同比增长123%。这些都是真金白银。但数字背后藏着一个尴尬的事实,这370亿美元里,绝大部分来自帮别人跑模型,OpenAI跑在Azure上,Anthropic的一部分算力也在Azure上。微软赚的是基础设施的钱,不是应用的钱。

真正直接面对用户的Copilot呢?付费AI助手市场,据Recon Analytics针对美国付费订阅用户统计,Copilot市场份额从2025年7月的18.8%回落至2026年1月的11.5%,半年缩水7.3个百分点,相对降幅39%。在职场整体办公时长里,AI工具实际耗用时间常年仅1%,连续数年几乎没有抬升,既没有爆发式普及,也不存在断崖崩盘,始终被卡在主流工作流的边缘位置。M365 Copilot年初付费席位达1500万,但Stackmatix调研显示,拥有产品开通权限的员工中,常态化活跃转化率仅35.8%,大量企业批量采购授权后,员工日常落地使用率远低于账面席位数字。真正在每天用它工作的人,远没有数字看起来那么多。

这就是微软此刻面临的真正困境,赚钱和成为主角是两件不同的事。Azure赚了最多的钱,但ChatGPT和Claude直接拥有用户。纳德拉清楚,如果Copilot持续停在个位数渗透率,微软在AI时代就是AWS,一个巨大的、赚钱的、没有品牌的管道。没人记得AWS长什么样,但每个人都记得ChatGPT,这正是纳德拉必须解决的问题。

四、黄仁勋站台的微妙

Build现场有一个细节值得注意,黄仁勋通过视频连线出现在发布会上,为Surface RTX Spark Dev Box站台。他说PC正在从个人电脑走向个人AI。两天前在台北,他刚刚发布了RTX Spark芯片,宣布英伟达正式进军PC处理器市场。微软是他在PC端最重要的合作伙伴。

但如果仔细看这组关系,会发现一个更微妙的冲突。在数据中心市场,英伟达的最大客户是Azure、AWS、Google Cloud,芯片卖给谁,谁就是AI基础设施的赢家,英伟达不站队,产品卖给所有人。在PC市场,RTX Spark芯片联合的是微软和联发科,首批OEM是戴尔、联想、惠普、华硕。看起来微软是受益者,每一台AI PC都跑Windows。

但英伟达进PC的真正目的不是帮微软卖Windows,是帮自己卖本地AI算力。RTX Spark的核心卖点是1 petaflop的AI推理能力,本地跑模型、本地跑Agent。如果本地算力足够强,用户为什么还需要上云?为什么还需要Azure?黄仁勋在帮微软站台的同时,其实也在松动微软云业务的地基。这就是今天科技行业最魔幻的地方,所有人都是合作伙伴,所有人也都是潜在对手。

五、为什么Build淡化了消费者?

看了一下Build 2026两天议程,从头到尾几乎弱化了普通消费者。没有Copilot的新功能发布,没有AI改变你的日常之类的演示,连AI PC这个概念,黄仁勋两天前在台北喊得那么响,微软在Build上都刻意淡化了。取而代之的,是面向开发者和企业的产品和能力推销。

Surface RTX Spark Dev Box:1 petaflop本地AI算力,128GB统一内存,为开发者造的工作站。Agent 365:企业Agent治理平台,管身份、权限、访问控制和合规,接入所有主流云。MXC(Microsoft Execution Containers):给Agent加安全护栏的底层容器。OpenClaw on Windows:让个人Agent安全进入企业环境。

这背后的逻辑非常清楚,消费者市场,微软已经赢不了了。ChatGPT、Claude Code、Cursor,这些工具直接面对用户,微软的Copilot插不进去。但企业市场不一样,企业需要合规,身份管理,需要审计,数据隔离,多Agent的权限控制。这些事情ChatGPT和Claude做不了,它们天生是面向个人的产品。

纳德拉的赌注是,AI时代需要一个企业操作系统。这个操作系统不是模型本身,而是让模型安全地、合规地跑在企业里的那一整套平台。谁控制了这个平台,谁就控制了企业AI的入口。这也解释了为什么Build的最后一个重头戏不是模型发布,而是Agent 365,一个管AI的AI管理平台。

六、纳德拉真正害怕的事

纳德拉到底在焦虑什么?不是Azure不赚钱,也不是模型做不出来,更不是竞争对手太强。他害怕的是,OpenAI和Anthropic上市之后,不再需要微软,自己被架空了。Anthropic已在6月1日秘密向美国证券交易委员会提交S - 1招股书,估值9650亿美元,OpenAI也在准备秘密递表,预计下半年提交申请。

上市之后会发生什么?有了自己的钱,就会用自己的钱买算力、建数据中心。AWS已经在跟Anthropic深度绑定,SpaceX每月向Anthropic供应12.5亿美元GPU算力,年度算力账单接近150亿美元。当OpenAI和Anthropic都不再需要借Azure跑模型的时候,微软那370亿美元AI年化收入里,有多少能保住?这才是纳德拉真正的时间窗口。

他必须在OpenAI和Anthropic完成独立之前,把微软从帮别人跑模型的基础设施变成所有AI都必须经过的企业平台。模型可以换,云可以换,但如果你的身份系统、合规框架、审计日志、安全容器全部跑在微软的Agent 365上,你就换不了微软。这才是Build 2026真正在做的事,在所有模型之下,铺一层只有微软能做的基础设施。

微软Build 2026透露出的另一种趋势是,模型正在从主角,慢慢变成基础设施。当越来越多企业同时使用OpenAI、Anthropic、Gemini和各种开源模型时,真正重要的不是选择哪个模型,而是谁负责管理这些模型。如果说2019年的微软,是借助OpenAI拿到了AI时代的头等舱门票,那么2026年的微软,正在做另一件事,纳德拉想证明自己不只是乘客,而是驾驶员。他比任何人都清楚,微软曾经错过过一次移动互联网,也曾经从时代主角退回幕后。这一次,他不想再经历一次。

__EF550.zip 立即下载

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

frontend-design skills

frontend-design skills

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

一种具有实验验证的层级扰动抑制深度跟踪控制算法,适用于欠驱动型AUV(Simulink仿真、Matlab代码)

内容概要:本文详细介绍了一种专为欠驱动型自主水下航行器(AUV)设计的层级扰动抑制深度跟踪控制算法,该算法通过构建分层控制架构,有效应对海洋环境中复杂的外部扰动(如水流、波浪等)以及系统内部的非线性动态特性,显著提升了AUV在执行深度跟踪任务时的控制精度与系统鲁棒性。研究不仅涵盖了控制策略的理论设计与稳定性分析,还包括详细的Simulink仿真模型搭建、Matlab代码实现及参数设置,并通过对比实验验证了所提方法在抗干扰能力和跟踪性能方面相较于传统控制算法的优越性。资源包内含完整的可运行代码、仿真模型和详尽的文档说明,便于研究者复现结果并在此基础上进行二次开发与创新。; 适合人群:具备自动控制理论基础、海洋工程或机器人相关学科背景,且熟练掌握Matlab/Simulink仿真环境的科研人员、研究生及高年级本科生。; 使用场景及目标:① 深入学习和研究欠驱动AUV的先进运动控制技术,特别是深度跟踪控制策略;② 开展水下机器人抗外部扰动控制算法的设计、仿真与性能验证工作;③ 作为毕业设计、科研项目或学术论文的技术支撑与代码原型,加速研究进程。; 阅读建议:建议使用者结合提供的Matlab代码与Simulink模型,逐模块理解算法的实现逻辑与数据流,推荐从简单静态环境仿真入手,逐步过渡到复杂动态扰动工况,通过调整控制器参数与扰动强度,全面掌握算法的性能边界、鲁棒性特征及优化潜力。

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

国央企如何构建高效的内部技术转移与创新协同机制?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

圆柱形永磁体的磁场建模研究(Matlab代码实现)

内容概要:本文围绕圆柱形永磁体的磁场建模展开系统性研究,基于毕奥-萨伐尔定律建立了有限尺寸圆柱形永磁体的物理模型,推导出其在空间任意点产生磁场强度的数学表达式,并采用数值积分方法结合Matlab编程实现磁场分布的精确计算与三维可视化。研究深入探讨了磁体的几何参数(如半径、高度)和磁化方向对磁场分布特性的影响,实现了磁场矢量的多维度仿真分析,为电机设计、磁传感器开发、磁悬浮系统等工程应用提供了坚实的理论依据与高效的仿真工具支持; 适合人群:具备电磁场与电磁波、大学物理等相关理论基础,并熟悉Matlab编程语言的高校理工科学生、科研人员及从事磁性器件设计与仿真的工程技术开发者; 使用场景及目标:①掌握基于经典电磁理论的磁场建模方法与数值求解流程;②学习并实践Matlab在科学计算与物理场仿真中的高级应用技巧;③为永磁材料相关装置的结构优化与性能评估提供可靠的仿真手段;④服务于高校课程教学、科研项目验证及工程原型开发; 阅读建议:建议读者在学习过程中紧密结合电磁学基本原理,逐步理解公式推导逻辑,动手运行并调试所提供的Matlab代码,通过调整磁体参数观察磁场变化趋势,从而深化对永磁体空间磁场分布规律的认识,并尝试将其拓展应用于实际工程项目中。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

高校技术转移办公室人员在进行技术成果推介时,如何高效生成具有说服力的推介材料.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

免费AI视频生成全流程:通义千问+Seedance 2.5+Grok实战指南

AI视频生成正在成为内容创作的重要方式,但高昂的API费用常让个人创作者望而却步。实际上,通过合理组合云端免费工具,也能搭建一条完整的视频生产链路:利用大模型生成脚本,用视频生成模型将文本渲染成画面,再借助多模态模型进行一致性校验。这种“文本+视频+多模态”的协作模式,将复杂的生成任务解耦为可独立调用的模块,既降低了本地硬件要求,也为批量内容验证提供了低成本方案。该流程适用于短视频素材快速产出、产品Demo验证以及AI应用集成等场景,核心在于打通免费账号、API调用与批量任务调度。本文以通义千问、Seeda

weixin_29044157的博客 387
上一篇: Gemini 3.5 Flash:宣传无敌体验却拉胯,用量限额与高成本成痛点!
下一篇: AI创投代际洗牌:00后闯入“世界模型”,资本追捧背后隐忧几何?
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值