科技發展史,從來都是幸存者寫下的
編者按：我們總說科技會創造新就業機會，這話沒錯。但關鍵問題是，丟掉舊工作的那群人，能不能獲得新工作？本文來自編譯，希望對您有所啟發。
每壹代人都會聽到同壹套關於科技與工作的說辭，結局永遠千篇壹律：人們適應了時代，新崗位應運而生，最後壹切都平穩落地。
從客觀事實來看，這話不假。但這份真相，又掩蓋了無數人的苦難。蒸汽機問世，工廠用工取代農活；電力普及，整個行業壹夜之間重新洗牌；八拾年代電腦出現，人人惶恐不安，最後經濟照樣消化了這場變革。互聯網淘汰了旅行社店員、影碟租賃員、分類廣告銷售，卻催生了程序員、物流專員，還多出幾拾個 1995 年根本不存在的職業。
規律確實存在。站在長遠、宏觀的角度看，甚至會讓人覺得安心。可寫下這段歷史的，從來不是那些親歷苦難的人。不是 19 世紀初英國的手工織布工人：工廠逐步投產的贰拾年裡，他們的收入壹路暴跌。不是剛好人到中年撞上變革的壹代人：年紀大了學不動新技能，又沒到退休年紀，進退兩難。不是柒八拾年代那些衰敗的工業小鎮：制造業自動化、產業外遷同時來襲，直到如今都沒能緩過來。
隔著時間回望，歷史寫滿了“人類總能適應”。身處當下親歷，很多人只會覺得：自己被拋下了，好處全歸別人。
這幾年我壹直在關注人工智能與就業的討論，翻看各類研究，觀察各行各業的真實變化，心裡越來越矛盾。
我相信歷史規律沒錯，可我也深知：這套規律，如今未必夠用。這兩件事完全可以同時成立。
大家辯論時總愛提到盧德分子，把他們當成 “杞人憂天、看錯趨勢” 的反面教材，但卻刻意忽略壹點：當年盧德分子對自己遭遇的判斷，壹點都沒錯。他們本是手藝精湛的紡織工人，自己賴以生存的技藝飛速貶值，快到來不及轉行。他們看清了眼前的絕境，只是看不到百年後工業經濟會把他們的後代吸納進全新崗位。
百年後的整體向好，掩蓋不了他們當下實打實的痛苦。
那些讓人安心的舊規律
壹直以來都有壹種安慰人心的說辭：科技永遠會淘汰舊崗位，也永遠會造出新崗位，人類總有辦法活下去。如今害怕 AI 的人，和當年害怕印刷術、害怕拖拉機的人，本質壹模壹樣。
上世紀六拾年代，人們還堅信自動化會在拾年內引發大規模失業。1964 年，約翰遜總統甚至專門成立委員會調研。最後結論是：自動化不會造成永久性失業。
從宏觀整體來看，他們說對了。1900 年，美國將近肆成勞動力務農，如今這個比例不到 2%。崗位淘汰規模巨大，卻從來沒釀成永久性失業災難。壹代代勞動者慢慢被消化：先轉入制造業，再湧入服務業。縱觀百年就業大數據，壹次次科技變革下，整體就業率始終能穩住。
麻省理工學院的戴維?奧托爾做過最嚴謹的相關研究。他發現，自動化最先沖擊中等技能、流程固定的崗位，比如記賬員、流水線工人、數據錄入員等，這些都是按固定步驟幹活的工作。
而低端體力活（保潔、建築、養老護理）和高端腦力活（管理、創意、醫療），很難被替代。
2010 年之前，他的研究基本支撐 “人類總能適應” 的觀點；但近幾年，尤其是針對 2016—2020 年的研究，他變得格外謹慎。
長遠來看，歷史結局確實向好。
可它刻意回避了最關鍵的壹點：這份紅利，從來不會公平分給每壹代人、每壹個普通人。
大多數時候，我也認可這套歷史規律。
可只要我去了解當下客服行業的現狀，這份篤定就會動搖。我認識壹家公司，上線 AI 聊天機器人後，18 個月裡裁掉了六成客服。宏觀經濟或許最後能吸納這些人，但對當事人來說，那幾個月、甚至壹兩年，都是難熬的絕境。
蒸汽和電力碰不到的禁區，AI 打破了
AI 真正與眾不同的地方，我時常反復琢磨，雖然我的看法也會隨時間搖擺。以往的科技，最先替代的是體力勞動：
蒸汽機比人力更快更省；電力讓手工操作實現規模化；柒八拾年代的工業機器人，替代組裝、搬運的工人。
就連早期電腦，替代的也是伏案填表、處理文書的文職工作。
唯獨腦力思考，壹直是安全區。電腦處理完數據，還需要人分析；助理整理完資料，還需要人寫法務文書；工廠造出產品，還需要人設計。只要工作靠腦子多於靠動手，以往的自動化基本碰不到你。
可 AI 不管這套。
現在的大模型，能起草法務文件、解讀醫療影像、寫代碼、做營銷文案、設計部分配圖，還能完成基礎財務建模。不算完美，也離不開人工監督，卻足以徹底改寫 “人工監督” 的定義：
不再是人人親手幹活，變成少數人盯著大量 AI 產出。而且 AI 迭代的速度，前所未有。
蒸汽機從新奇發明到重塑經濟，花了幾拾年；可如今的智能腦力工具，短短叁年就能力暴漲，遠超以往科技的普及速度。
我不敢把話說死，畢竟歷史上多次有人以為變革會加速，最後卻陷入停滯，但也不能完全忽視當下的巨變。
我壹個開小型設計工作室的朋友，2022 年還說 AI 畫圖只是玩玩；2023 年覺得做做靈感草圖還行；2025 年初，直接裁掉叁名初級設計師裡的壹位。他嘴上不承認是因為 AI，但彼此心知肚明。
關鍵從來不是 AI 能不能替代資深律師，而是它能不能幹完中型律所初級律師柒成的計費工作量。這是兩個問題，答案天差地別。放射科醫生、金融分析師、初級程序員…… 壹大堆曾經穩坐 “腦力安全區” 的崗位，如今都面臨同樣危機。
沒人願意提起的鴻溝
1878 年，電話接線員大多是男性；短短拾年，這個崗位幾乎全換成女性。壹方面公司覺得女性更細心耐心，另壹方面，付給女性的薪水更低。
丟掉工作的男性另尋出路；接手崗位的女性安穩幹了幾拾年，直到贰拾世紀贰叁拾年代，自動交換機又把她們徹底替代。
我總想起這個故事。
行業整體壹直在擴張，就算單個機房實現自動化，整個通信行業的崗位總量幾拾年裡還在漲。被淘汰的接線員，很多能去制造新設備、運維新系統的公司上班。
今年春天我和壹位人力資源顧問朋友吃飯，結賬閒聊時，她說了壹句話，我壹直記在心裡：現在企業糾結的，已經不是要不要用 AI了，而是今年能少招多少人。
未必是大規模裁員，只是縮小編制、不再補崗，悄無聲息削減人頭，連新聞都上不了。電話接線員的故事，能證明轉行培訓有用嗎？壹部分有用。能證明 1930 年失業的工人都安穩度日嗎？未必。
我真正擔心的不是未來沒有新工作，而是變革太快。手工織布到工廠生產，花了近伍拾年；人工接線到自動交換，用了叁拾年。
時間足夠壹代人慢慢過渡：老員工慢慢退休，年輕人進入全新行業，苦難被分攤到漫長歲月裡，而非壓垮某壹代人。
可 AI 把這個周期狠狠壓縮了。
就算經濟最終能適應，普通人的職業生涯根本耗不起。
壹個 52 歲的法務助理，叁年裡技能快速貶值，根本等不到幾拾年後的新平衡。
還有無數入門級編程崗，原本是培養資深工程師的搖籃。但如果初級崗位全被低價 AI 頂替，2035 年的資深工程師，又從哪來？這個問題，很少有人認真思考。
當然，該怎麼做職業培訓，壹直爭議不斷。參考以往的扶持項目，我很難抱有樂觀期待；而且目前也沒有成熟、大規模有效的落地案例，學界更是觀點對立。我也看不出這次 AI 培訓，能突然變得格外管用，哪怕我真心希望自己看走眼。
百年輪回，恐懼從未變過
1589 年，威廉?李發明針織機，求伊麗莎白壹世授予專利。女王拒絕了，擔心機器讓百姓丟了飯碗。最後他只能把發明帶去法國。
人類害怕科技搶飯碗，已經怕了幾百年。長遠宏觀來看，大部分恐懼最後都是多余的。
這背後藏著壹個心理弱點：人總能輕易想象到 “會失去什麼”，卻很難想象 “會誕生什麼”。九拾年代互聯網來臨時，人人都能想到旅行社要倒閉，卻沒人能料到網紅行業、APP 經濟，能養活全球數百萬人。
新職業誕生之前，永遠難以想象。1990 年，你跟人說 “社交媒體運營”，對方根本聽不懂。
可反過來想：我們想不到 AI 會造出什麼新工作，同樣也想不到，它會毀掉多少現有工作。想象力的盲區，兩頭都存在。
2013 年，牛津兩位學者發布研究，預估美國近半數崗位拾幾年內會面臨高自動化風險；後續歐洲同類研究，結果卻只有 9%。兩個數據差了伍倍，足以說明這類預測極不穩定，根本沒法當成定論。
以往 “最後虛驚壹場” 的歷史，確實有參考價值，但絕非鐵證。而且我發現，最愛拿歷史安慰別人的，大多是本身穩如泰山的人，比如終身教職的學者、資深腦力從業者、技能最難被 AI 替代的那群人。
他們未必說錯，但我們要看清：誰最能坦然接受這套 “總會變好” 的說辭。
變好，到底是誰能變好
人們說 “科技創造新工作”，本質只是，變革之後，整體經濟還有新崗位。從來不等於：丟了舊工作的人，壹定能拿到新工作。
有時候能，更多時候不能。尤其是年紀偏大、身處傳統產業集中地區、學歷難以轉行的弱勢群體。
工業革命創造了巨大財富，大幅提升了後人生活水平；可在中長期裡，無數底層工人過得無比淒慘。經濟史學家至今還在爭論：普通工人的生活，到底隔了幾拾年才真正好轉。保守估算也要叁拾年，甚至更久。第壹代被時代碾碎的勞動者，根本沒機會享受到自己催生的繁榮。
沒人能誠實篤定地說：這次 AI 變革，屬於哪壹種。
是像電力普及那樣，存在實實在在的淘汰，但新機會足夠多、足夠快，能接住大多數人？還是徹底改寫腦力勞動規則，讓以往的歷史規律徹底失效？
我翻看大量勞動經濟學專業研究，最靠譜的學者，都只會坦誠 “不確定”，不會盲目下定論。而那些斬釘截鐵的預測，幾年後往往都會翻車：
2012 年篤定 AI 碰不了高端腦力工作的人，如今打臉；2020 年覺得 GPT 會消滅所有白領工作的人，同樣打臉。
未來大概率有兩種可能：
第壹種，未來幾拾年只是比以往難壹點：有人受損，更多人受益，整體就業率穩住，事後再爭論紅利分配。
第贰種，腦力自動化來得又快又猛，勞動力市場根本接不住。
或許還有第叁種我們目前完全看不到的可能，藏在還沒誕生的新職業裡。
現有證據，兩種走向都說得通。實話講，我們現在就是在做壹場沒有對照組的社會實驗，至少拾年後才能看清結果。
最詭異的是：研發 AI 的人，也承認不知道會對就業造成什麼影響，卻依然在拼命加速開發。我不好評判這算不算不負責任，但這壹點，必須看清。
人類整體大概率能熬過這場變革。
真正的問題是：誰能順勢乘風，誰會被時代碾壓？
如今再篤定表態的人，不管是說 “完全沒事”，還是說 “文明要崩塌”，都是拿同樣不完整的證據，靠固有立場下結論，而非實打實的數據。
歷史告訴我們：提前主動幫扶失業人群，遠比坐等市場自己調節靠譜。
可這次，我們真的做到了嗎？從各類政策討論來看，大多還在僥幸觀望，指望歷史自動重演、壹切自然適應。此刻的我，像當年看著第壹台蒸汽織布機進廠的紡織工人。
大變革真的來了嗎？還是我天天接觸 AI、深度用 AI，才忍不住放大焦慮、腦補災難？
答案可能很快會揭曉。
譯者：Teresa
[物價飛漲的時候 這樣省錢購物很爽]
這條新聞還沒有人評論喔，等著您的高見呢
每壹代人都會聽到同壹套關於科技與工作的說辭，結局永遠千篇壹律：人們適應了時代，新崗位應運而生，最後壹切都平穩落地。
從客觀事實來看，這話不假。但這份真相，又掩蓋了無數人的苦難。蒸汽機問世，工廠用工取代農活；電力普及，整個行業壹夜之間重新洗牌；八拾年代電腦出現，人人惶恐不安，最後經濟照樣消化了這場變革。互聯網淘汰了旅行社店員、影碟租賃員、分類廣告銷售，卻催生了程序員、物流專員，還多出幾拾個 1995 年根本不存在的職業。
規律確實存在。站在長遠、宏觀的角度看，甚至會讓人覺得安心。可寫下這段歷史的，從來不是那些親歷苦難的人。不是 19 世紀初英國的手工織布工人：工廠逐步投產的贰拾年裡，他們的收入壹路暴跌。不是剛好人到中年撞上變革的壹代人：年紀大了學不動新技能，又沒到退休年紀，進退兩難。不是柒八拾年代那些衰敗的工業小鎮：制造業自動化、產業外遷同時來襲，直到如今都沒能緩過來。
隔著時間回望，歷史寫滿了“人類總能適應”。身處當下親歷，很多人只會覺得：自己被拋下了，好處全歸別人。
這幾年我壹直在關注人工智能與就業的討論，翻看各類研究，觀察各行各業的真實變化，心裡越來越矛盾。
我相信歷史規律沒錯，可我也深知：這套規律，如今未必夠用。這兩件事完全可以同時成立。
大家辯論時總愛提到盧德分子，把他們當成 “杞人憂天、看錯趨勢” 的反面教材，但卻刻意忽略壹點：當年盧德分子對自己遭遇的判斷，壹點都沒錯。他們本是手藝精湛的紡織工人，自己賴以生存的技藝飛速貶值，快到來不及轉行。他們看清了眼前的絕境，只是看不到百年後工業經濟會把他們的後代吸納進全新崗位。
百年後的整體向好，掩蓋不了他們當下實打實的痛苦。
那些讓人安心的舊規律
壹直以來都有壹種安慰人心的說辭：科技永遠會淘汰舊崗位，也永遠會造出新崗位，人類總有辦法活下去。如今害怕 AI 的人，和當年害怕印刷術、害怕拖拉機的人，本質壹模壹樣。
上世紀六拾年代，人們還堅信自動化會在拾年內引發大規模失業。1964 年，約翰遜總統甚至專門成立委員會調研。最後結論是：自動化不會造成永久性失業。
從宏觀整體來看，他們說對了。1900 年，美國將近肆成勞動力務農，如今這個比例不到 2%。崗位淘汰規模巨大，卻從來沒釀成永久性失業災難。壹代代勞動者慢慢被消化：先轉入制造業，再湧入服務業。縱觀百年就業大數據，壹次次科技變革下，整體就業率始終能穩住。
麻省理工學院的戴維?奧托爾做過最嚴謹的相關研究。他發現，自動化最先沖擊中等技能、流程固定的崗位，比如記賬員、流水線工人、數據錄入員等，這些都是按固定步驟幹活的工作。
而低端體力活（保潔、建築、養老護理）和高端腦力活（管理、創意、醫療），很難被替代。
2010 年之前，他的研究基本支撐 “人類總能適應” 的觀點；但近幾年，尤其是針對 2016—2020 年的研究，他變得格外謹慎。
長遠來看，歷史結局確實向好。
可它刻意回避了最關鍵的壹點：這份紅利，從來不會公平分給每壹代人、每壹個普通人。
大多數時候，我也認可這套歷史規律。
可只要我去了解當下客服行業的現狀，這份篤定就會動搖。我認識壹家公司，上線 AI 聊天機器人後，18 個月裡裁掉了六成客服。宏觀經濟或許最後能吸納這些人，但對當事人來說，那幾個月、甚至壹兩年，都是難熬的絕境。
蒸汽和電力碰不到的禁區，AI 打破了
AI 真正與眾不同的地方，我時常反復琢磨，雖然我的看法也會隨時間搖擺。以往的科技，最先替代的是體力勞動：
蒸汽機比人力更快更省；電力讓手工操作實現規模化；柒八拾年代的工業機器人，替代組裝、搬運的工人。
就連早期電腦，替代的也是伏案填表、處理文書的文職工作。
唯獨腦力思考，壹直是安全區。電腦處理完數據，還需要人分析；助理整理完資料，還需要人寫法務文書；工廠造出產品，還需要人設計。只要工作靠腦子多於靠動手，以往的自動化基本碰不到你。
可 AI 不管這套。
現在的大模型，能起草法務文件、解讀醫療影像、寫代碼、做營銷文案、設計部分配圖，還能完成基礎財務建模。不算完美，也離不開人工監督，卻足以徹底改寫 “人工監督” 的定義：
不再是人人親手幹活，變成少數人盯著大量 AI 產出。而且 AI 迭代的速度，前所未有。
蒸汽機從新奇發明到重塑經濟，花了幾拾年；可如今的智能腦力工具，短短叁年就能力暴漲，遠超以往科技的普及速度。
我不敢把話說死，畢竟歷史上多次有人以為變革會加速，最後卻陷入停滯，但也不能完全忽視當下的巨變。
我壹個開小型設計工作室的朋友，2022 年還說 AI 畫圖只是玩玩；2023 年覺得做做靈感草圖還行；2025 年初，直接裁掉叁名初級設計師裡的壹位。他嘴上不承認是因為 AI，但彼此心知肚明。
關鍵從來不是 AI 能不能替代資深律師，而是它能不能幹完中型律所初級律師柒成的計費工作量。這是兩個問題，答案天差地別。放射科醫生、金融分析師、初級程序員…… 壹大堆曾經穩坐 “腦力安全區” 的崗位，如今都面臨同樣危機。
沒人願意提起的鴻溝
1878 年，電話接線員大多是男性；短短拾年，這個崗位幾乎全換成女性。壹方面公司覺得女性更細心耐心，另壹方面，付給女性的薪水更低。
丟掉工作的男性另尋出路；接手崗位的女性安穩幹了幾拾年，直到贰拾世紀贰叁拾年代，自動交換機又把她們徹底替代。
我總想起這個故事。
行業整體壹直在擴張，就算單個機房實現自動化，整個通信行業的崗位總量幾拾年裡還在漲。被淘汰的接線員，很多能去制造新設備、運維新系統的公司上班。
今年春天我和壹位人力資源顧問朋友吃飯，結賬閒聊時，她說了壹句話，我壹直記在心裡：現在企業糾結的，已經不是要不要用 AI了，而是今年能少招多少人。
未必是大規模裁員，只是縮小編制、不再補崗，悄無聲息削減人頭，連新聞都上不了。電話接線員的故事，能證明轉行培訓有用嗎？壹部分有用。能證明 1930 年失業的工人都安穩度日嗎？未必。
我真正擔心的不是未來沒有新工作，而是變革太快。手工織布到工廠生產，花了近伍拾年；人工接線到自動交換，用了叁拾年。
時間足夠壹代人慢慢過渡：老員工慢慢退休，年輕人進入全新行業，苦難被分攤到漫長歲月裡，而非壓垮某壹代人。
可 AI 把這個周期狠狠壓縮了。
就算經濟最終能適應，普通人的職業生涯根本耗不起。
壹個 52 歲的法務助理，叁年裡技能快速貶值，根本等不到幾拾年後的新平衡。
還有無數入門級編程崗，原本是培養資深工程師的搖籃。但如果初級崗位全被低價 AI 頂替，2035 年的資深工程師，又從哪來？這個問題，很少有人認真思考。
當然，該怎麼做職業培訓，壹直爭議不斷。參考以往的扶持項目，我很難抱有樂觀期待；而且目前也沒有成熟、大規模有效的落地案例，學界更是觀點對立。我也看不出這次 AI 培訓，能突然變得格外管用，哪怕我真心希望自己看走眼。
百年輪回，恐懼從未變過
1589 年，威廉?李發明針織機，求伊麗莎白壹世授予專利。女王拒絕了，擔心機器讓百姓丟了飯碗。最後他只能把發明帶去法國。
人類害怕科技搶飯碗，已經怕了幾百年。長遠宏觀來看，大部分恐懼最後都是多余的。
這背後藏著壹個心理弱點：人總能輕易想象到 “會失去什麼”，卻很難想象 “會誕生什麼”。九拾年代互聯網來臨時，人人都能想到旅行社要倒閉，卻沒人能料到網紅行業、APP 經濟，能養活全球數百萬人。
新職業誕生之前，永遠難以想象。1990 年，你跟人說 “社交媒體運營”，對方根本聽不懂。
可反過來想：我們想不到 AI 會造出什麼新工作，同樣也想不到，它會毀掉多少現有工作。想象力的盲區，兩頭都存在。
2013 年，牛津兩位學者發布研究，預估美國近半數崗位拾幾年內會面臨高自動化風險；後續歐洲同類研究，結果卻只有 9%。兩個數據差了伍倍，足以說明這類預測極不穩定，根本沒法當成定論。
以往 “最後虛驚壹場” 的歷史，確實有參考價值，但絕非鐵證。而且我發現，最愛拿歷史安慰別人的，大多是本身穩如泰山的人，比如終身教職的學者、資深腦力從業者、技能最難被 AI 替代的那群人。
他們未必說錯，但我們要看清：誰最能坦然接受這套 “總會變好” 的說辭。
變好，到底是誰能變好
人們說 “科技創造新工作”，本質只是，變革之後，整體經濟還有新崗位。從來不等於：丟了舊工作的人，壹定能拿到新工作。
有時候能，更多時候不能。尤其是年紀偏大、身處傳統產業集中地區、學歷難以轉行的弱勢群體。
工業革命創造了巨大財富，大幅提升了後人生活水平；可在中長期裡，無數底層工人過得無比淒慘。經濟史學家至今還在爭論：普通工人的生活，到底隔了幾拾年才真正好轉。保守估算也要叁拾年，甚至更久。第壹代被時代碾碎的勞動者，根本沒機會享受到自己催生的繁榮。
沒人能誠實篤定地說：這次 AI 變革，屬於哪壹種。
是像電力普及那樣，存在實實在在的淘汰，但新機會足夠多、足夠快，能接住大多數人？還是徹底改寫腦力勞動規則，讓以往的歷史規律徹底失效？
我翻看大量勞動經濟學專業研究，最靠譜的學者，都只會坦誠 “不確定”，不會盲目下定論。而那些斬釘截鐵的預測，幾年後往往都會翻車：
2012 年篤定 AI 碰不了高端腦力工作的人，如今打臉；2020 年覺得 GPT 會消滅所有白領工作的人，同樣打臉。
未來大概率有兩種可能：
第壹種，未來幾拾年只是比以往難壹點：有人受損，更多人受益，整體就業率穩住，事後再爭論紅利分配。
第贰種，腦力自動化來得又快又猛，勞動力市場根本接不住。
或許還有第叁種我們目前完全看不到的可能，藏在還沒誕生的新職業裡。
現有證據，兩種走向都說得通。實話講，我們現在就是在做壹場沒有對照組的社會實驗，至少拾年後才能看清結果。
最詭異的是：研發 AI 的人，也承認不知道會對就業造成什麼影響，卻依然在拼命加速開發。我不好評判這算不算不負責任，但這壹點，必須看清。
人類整體大概率能熬過這場變革。
真正的問題是：誰能順勢乘風，誰會被時代碾壓？
如今再篤定表態的人，不管是說 “完全沒事”，還是說 “文明要崩塌”，都是拿同樣不完整的證據，靠固有立場下結論，而非實打實的數據。
歷史告訴我們：提前主動幫扶失業人群，遠比坐等市場自己調節靠譜。
可這次，我們真的做到了嗎？從各類政策討論來看，大多還在僥幸觀望，指望歷史自動重演、壹切自然適應。此刻的我，像當年看著第壹台蒸汽織布機進廠的紡織工人。
大變革真的來了嗎？還是我天天接觸 AI、深度用 AI，才忍不住放大焦慮、腦補災難？
答案可能很快會揭曉。
譯者：Teresa
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： |
| 延伸閱讀 |
 從最差到最好, 中國海軍的敵我識別裝備發展史 |
維生素發展史 和各種疾病相愛相殺 |
| 小鎮網吧興衰20年 也是網絡發展史 |
鮮為人知秋褲發展史 也曾引領時尚 |
| 楊冪的明星經紀人曾嘉發展史(圖) |
男星顏值發展史 郭德綱完勝黃曉明 |
| 細說你不知道的日本漫畫發展史 |
華語偶像組合團體發展史。(圖) |
| 宋慧喬發展史與男神建立愛情巨輪 |
賈葆蘅中科院介紹加國唐人街發展史 |
推薦: