Z Waves｜专访百度搭子负责人李景秋：一个入口调度所有软件，百度要重做一遍白领的工作方式

今天，大模型竞争已经越过“能力秀场”，进入了毫无退路的实战阶段。个人办公 Agent，正在成为所有科技大厂必争的终极入口。

当垂直 SaaS 的碎片化体验让人疲惫，当传统的办公软件还在试图给旧系统“打补丁”，一个根本性的颠覆性观点正浮出水面：未来的白领可能不再需要打开七八个软件，而是只需要一个统一的对话框。 交互入口的重构，注定会带来整个办公生态与商业模式的剧烈洗牌。

在这个风暴中心，百度推上台前的是其全新的专业办公智能体平台—— 百度搭子。它不仅是百度全栈能力的新载体，更是大厂押注“重新定义工作方式”的关键一棋。

今天，我们特别邀请到了百度搭子的负责人李景秋。在这场对话中，他带放下了官方客套，抛出了许多极其犀利且颠覆认知的一线洞察：

• 关于工具终局： 为什么他认为 AI 不是在“辅助”Excel，而是正在让用户“彻底忘掉 Excel 公式”？

• 关于护城河误区：为什么说在开源模型和开放生态的今天，Agent“没有一招鲜的壁垒”，真正的竞争在于Harness能否从持续增长的用户提问中不断进化，并将数据积累转化为复杂任务执行和生成物质量上的效果优势？

• 关于赛道格局： 面对动辄数几百人投入的对手，依靠“芯片、算力、Infra 到模型”四层全栈打法的百度，将如何在中美大厂的夹击中杀出重围？

如果说上个时代的办公软件是在教人用工具，这个时代的办公智能体则是在重新定义“人与工作”的关系。

下面，让我们正式进入本期节目，听听来自 AI 商业化最前线的声音。

ZF： 先请您介绍一下百度搭子的发展历史：团队最初是如何思考这款产品的，又看到了什么机会？

李景秋： 大约在春节后立项的，但真正拍板启动是3月初的一个周末。

要说这个产品怎么来的，得先说说我们之前走过的路。过去几年，百度在AI落地这块做了不少尝试，Agent Builder、App Builder都做过。那时候我们验证的假设是：大模型要在产业里落地，得嵌入垂直场景，像打补丁一样，把AI能力增强到原有应用里去。智能客服就是在原有客服系统里塞个机器人；智能报销就是在既有流程里加个智能填单。这是过去很多年AI商业化的基本套路——AI服务于已有的垂直应用，提升局部效率。

但今年春节前后，我们几个核心成员坐下来聊，感觉风向变了。

模型调用工具的能力、复杂推理的能力、写代码的能力，都在肉眼可见地变强。上下文窗口也在不断扩大，从几万token到几十万token，这意味着模型能"记住"的东西越来越多。更关键的是，Skill、MCP这些协议开始成熟，工具接入的标准化程度提高了，整个生态像被打通了任督二脉一样，突然活跃起来。

我们当时就在想：如果Agent能处理的任务范围被大幅拓宽，那是不是意味着，过去"在垂直场景里加AI"的逻辑，可能要被颠覆了？

我们开始在白板上画一个更大的图景：未来的白领用户，可能不需要再打开七八个SaaS产品，在每个产品里找各自的AI功能。他们只需要打开一个对话框，就能处理客服、OCR、报销、写报告、做PPT、深度研究——所有这些事，由一个统一的入口来调度。

这个假设如果成立，那它就不是"增强某一款垂直应用"，而是"重新定义工作的入口"。

百度搭子要验证的，就是这个办公智能体的逻辑。

春节后团队开始密集讨论方向，3月初那个周末，项目组当时人很少，可能就十几个人。我们开了个会，有人说"要不先做出来看看"，大家一拍板，说干就干。有时候凌晨两三点，群里还在讨论某个功能要不要上。我们希望尽快把假设变成产品，再用真实使用来验证这个假设到底靠不靠谱。

ZF： 这个节奏很快。3月22日产品对外亮相，5月移动端又正式上线。

李景秋： 对，从产生想法到做出内测版本，大约只用了一周；从内测到正式对外发布，又用了一周。满打满算，产品从启动到上线不到两周。那个速度现在回想起来都有点疯狂，但那时候就是有一股劲儿，觉得窗口期不等人。

迭代：办公智能体的五个"像人"的特征

ZF： 从立项、上线到现在，百度搭子已经迭代了三个月。结合这段时间的用户反馈，产品功能发生了哪些变化？团队对这款产品又形成了哪些新的理解？

李景秋： 这个问题我琢磨了很久。要理解我们的功能迭代，得先回答一个更底层的问题：一个真正的办公智能体，应该"像人"到什么程度？

我后来总结了一下，大概得有五个特征。

第一，它得能接受任务级的委托，而不是只回答零散问题。

你让它"查一下北京天气"，那是问答；你让它"帮我调研一下新能源汽车三电系统的技术路线，整理成一份带数据图表的分析报告"，那是任务。用户给出的是一个明确目标，Agent要完成的是一整个工作流，从信息搜集、分析、整理到输出，一气呵成。

第二，它得有很强的通用工具调用能力。

人接到任务后会先感知环境，然后拆解任务、规划路径，再判断需要用什么工具。Agent也得这样：能浏览网页、操作Office和邮箱，能调用各种SaaS服务，能处理本地文件，能写代码、调终端。它得像一个"数字员工"，公司里的各种系统它都得会用。

第三，它得能主动感知环境，并根据环境做判断。

如果你在PC上用它，它就调度本地工具；如果你在手机上用它，它就调用云端能力。端和云之间要灵活切换，不能让用户感觉到"换了个设备就断片了"。

第四，它得能执行复杂的长程任务。

过去的Chatbot也能生成PPT，但今年的变化在于，Agent开始处理跨格式、跨步骤的复杂工作了。举个例子，用户本地有个文件夹，里面有PDF、图片、视频、Excel表格，Agent得先把这些不同格式的内容全读一遍，理解它们之间的关系，再整理成一份逻辑完整的报告。这个过程中可能要切换十几个工具，处理几十个步骤，中间还不能出错。

第五，它得会自我反思和纠错。

人写完报告会检查一遍：内容符不符合最初的目标？有没有遗漏？数据有没有问题？Agent也得有这套机制。而且不只是检查，它得能验证、纠错、主动修改。比如发现某条信息没标来源，它得补来源；再检查发现用户特别强调的某个细节没覆盖，它得重新调研补上。这不是一次性生成，而是一个不断验证和修正的循环。

更深一层，它还得有自进化能力。Agent要有记忆，在反复执行同类任务、持续试错之后，逐渐理解用户的偏好和习惯。第一次帮你写周报，它可能还不了解你的风格；第十次之后，它应该知道你喜欢什么样的结构、什么样的语气、什么样的数据呈现方式。它会越来越"懂你"。

这五个特征，是我们产品迭代的底层逻辑。围绕它们，我们重点做了三件事。

第一件事是浏览器能力。

白领用户每天花大量时间在浏览器里，搜索、登录平台、处理业务。所以我们把浏览器能力当作基础设施来建。我们有PC端内浏览器，也有移动端的VNC浏览器——这个是国内首发。举个例子，你在手机上可以直接说："帮我查一下北京到上海最快的车票，要余量充足的。"它会自动打开12306，登录，筛选，然后告诉你："下午2点15分那班最快，二等座还有87张票，要不要买？"

这背后是VNC浏览器、端内浏览器、有头浏览器、浏览器插件等多种能力在支撑。我们甚至在做一些更复杂的场景，比如让Agent在浏览器里完成一套完整的电商运营流程：登录后台、看数据、分析竞品、调整投放策略。这些原来需要人坐在电脑前一步步操作的事，现在Agent能自动跑完。

第二件事是多端协同。

这个我感触特别深。我自己就是个典型的多端用户——早上在地铁上用手机处理邮件，到公司打开电脑写文档，中午出去吃饭又在手机上回消息，下午回工位继续用电脑。工作的场景是碎片化的，设备也是碎片化的。

市面上很多产品都说支持"手机遥控电脑"，但你真去用，会发现Session没法共享。什么意思呢？就是你在电脑上让Agent写PPT，刚出个初稿，你突然要出门，关了电脑打开手机想继续，Agent"失忆"了——它不记得刚才写到哪了，上下文全丢了。

我们觉得这太不丝滑了。人不会这样，人关了电脑打开手机，脑子里的思路是连续的。Agent也得这样。所以我们花了很多精力做多端协同，让上下文能在PC和手机之间无缝传递。你在电脑上写到一半的PPT，手机上打开，Agent接着往下写；你在手机上搜了一半的资料，回到电脑上，Agent记得你搜到哪了。

这个是国内首家做到的，而且我们做得比较深。前半程在PC上，后半程在手机上，或者反过来，只要登录同一个账号，任务就能续上。这背后有不少技术挑战，比如上下文怎么压缩、怎么同步、怎么保证一致性，但我们觉得这是必须啃下来的骨头。

第三件事是通用Skill和专业套件的集成。

百度搭子接入了百度内部很多生态资源，数字人生成、百度地图、百度搜索、百度秒哒，这些过去分散在不同产品里的能力，现在都能在百度搭子的统一入口里被调度。同时我们也支持钉钉、飞书、腾讯文档、腾讯会议这些第三方办公产品。

最近我们还推出了面向自媒体从业者的专业套件。这个方向挺有意思的——办公智能体开始从"通用办公"往"专业办公"渗透。

但专业场景有个难点：产品和技术团队再懂智能体，也未必懂博主的工作流程。你知道小红书爆款笔记的逻辑是什么吗？你知道B站视频脚本的节奏怎么把握吗？你知道不同平台的内容调性差异吗？这些"隐性知识"不在技术文档里，在从业者的日常经验里。

所以我们从一开始就没闭门造车，而是邀请了一批KOL和博主来共创。产品和研发直接对接这批专业用户，他们提需求，我们改产品。比如有博主说"你们生成的小红书文风不对，太像广告了"，我们就坐下来跟他聊：到底差在哪？是语气太正式？是emoji用得不对？是结构不符合平台习惯？聊完之后，一周内连发两个版本迭代。

现在专业套件保持每周迭代，每次更新先交给真实博主测试。我们给他们一个任务：用你日常工作中最挑剔、最复杂的活来试。比如"帮我写一篇小红书探店笔记，要模仿这个博主的风格，带emoji，结尾要引导互动"。如果生成的内容博主觉得"这发出去能火"，那才算过；如果觉得"这太假了，粉丝一看就知道是AI写的"，那就回去改。

我们关注的是：它能不能真正完成图文创作、视频生成、特定风格仿写这些专业工作，并且达到"可交付"的精细度。不是"能用"，是"好用"，是"专业用户愿意把它当成生产力工具"。

护城河：三层架构，没有一招鲜

ZF： 您如何理解百度搭子这类产品的护城河？目前各家的产品形态大同小异，有观点认为模型选择和迭代速度决定了产品体验；也有人强调生态资源的重要性。您认为模型能力在其中发挥了多大作用？百度文档等内部生态又能带来什么价值？

李景秋： 这个问题我们内部也争论过很多次。我的结论是：办公智能体没有一招鲜的护城河，它考验的是全栈能力。

我把它拆成三层来看。

最上层是SaaS生态资源。

目前行业上大家还没有形成差异化壁垒，原因是大家心照不宣地没有搞封闭生态。腾讯的好应用没有封杀百度，字节也没有，大家都用标准MCP、标准Skill，谁都可以接。百度也一样。所以最上层目前是开放的，各家在SaaS资源上的差距不大。

第二层，我更愿意把它叫作Harness层。

模型能力是基础，但决定Agent能否稳定完成复杂任务的，是Harness如何组织模型、上下文、工具和执行路径。百度搭子的Harness会根据任务动态调度模型和工具，并在执行过程中持续检查、纠错和迭代。模型负责推理和生成，Harness负责将这些能力转化为稳定、可交付的结果，二者协同才是关键。

这套协同已体现在评测成绩上：百度搭子登顶PinchBench，前两名成绩为93.3%和93.2%，并在DeepResearch Bench中位列第一。6月升级后，百度搭子还通过Harness及工程优化，在保持任务效果不受影响的前提下，将相同任务的Token消耗降低75%。

第三层是模型以下的推理引擎和Agent Infra。

这一层我觉得可能是未来差异化竞争的关键。包括安全、推理稳定性、推理性能、单位算力下的规模承载能力，还有网关、沙箱技术。长程任务很容易跑崩，有些产品跑复杂任务时经常卡住或出错，有些就相对稳定；有些响应很快，有些就很慢。这些差异背后，是硬核的技术积累。

如果你是云厂商，多年做基础设施的经验会在这里体现出来。比如沙箱技术，能不能在一个隔离环境里稳定支持越来越长的任务链？视频处理、代码执行、多步骤网页操作，这些对底层Infra的要求很高。

除了这三层，还有一个维度是技能生态。第三方Skill目前看谁先做，快就是优势，壁垒还没有形成绝对的壁垒。但这个赛道有价值，大家都在抢，就看谁执行得更快。

所以总结下来，未来的护城河可能会在三个方向逐步形成：复杂长程任务的专业效果、agent infra的硬核技术、Skill生态。各家会找到自己的优势方向。

竞争终局：用户正在"忘掉Excel公式"

ZF： 目前团队考核的核心指标、北极星指标是什么？竞品考核的是DAU，DAU / MAU，他们好像暂时也不考虑Token消耗量或者成本之类的，百度搭子是怎么思考这个事情？

李景秋： 我们会关注DAU、ARR、DAA，但百度搭子更看重任务效果：复杂任务能不能完成、完成得够不够深，交付物是否达到可直接使用的质量。DAU看规模，ARR看付费意愿和付费率，DAA看每天有多少智能体在真实执行并交付结果。Token消耗和成本也会关注，但不能以牺牲任务效果为代价。

ZF： 有一种观点认为未来协作文档都会被替代掉，您觉得终局是这样吗？

李景秋：我可以分享一个案例。栗噔噔是前腾讯产品经理、雪服品牌创始人，现在全职运营自媒体，探索“一人公司”的工作方式。运营一周年时，她的月收入实现了5倍增长，但产品研究、选题策划、写稿、排版、做图、改短视频，过去往往需要多人接力完成。

她用百度搭子把这条内容生产链串了起来：连接本地Obsidian知识库，调用过往素材生成初稿，再继续完成公众号排版、封面图生成、后台同步，并把图文拆成短视频脚本。整个流程下来，5分钟就能完成从内容整理到发布准备的主要工作。过去需要几个人配合的事，现在她一个人借助百度搭子就能连续推进。这也是办公智能体和普通问答工具的区别：不是只完成一个环节，而是把一整段复杂工作跑通。

我自己也有这种感受。以前要算个数，赶紧打开手机计算器哐哐按；现在习惯了直接打开百度搭子输入框，说"帮我算一下"，甚至不用说完，它就知道我要算什么。这种习惯一旦养成，就很难回去了。

还有信息获取。以前我每天早上上班第一件事，就是打开浏览器刷一圈：AI领域有什么新闻？友商发布了什么？用户规模到哪了？现在百度搭子帮我设了个定时任务，上班路上它就已经把信息整理好了。而且不是那种Chatbot式的表面摘要，它会跳到小红书看产品评价，跳到B站解析友商发布的视频，深度和广度都比上个时代的Chatbot好太多。

我现在花在浏览器上的时间明显少了，邮箱也是。以前会不定时刷未读邮件，现在告诉百度搭子"每两小时帮我看一次，有重要的再提醒我"。如果它说"没什么需要关注的"，我就不看了。甚至审批流也是，原来一天可能花很多时间在各种审批单上，每个单都要研究半天要不要批。现在我把审批规则灌给百度搭子，它帮我预审，我只需要看结论就行。

这种变化是润物细无声的。不是某一天突然发生的，而是你用着用着，发现自己对传统工具的依赖越来越低。办公智能体确实在蚕食原来分配在传统办公软件上的时间。

但我也要说一句客观的话：现在还没到"彻底卸载"的程度。比如做网站开发，有很多个性化素材、视觉设计、交互处理，这些比较重人工操作的部分，AI还替代不了。所以当前的状态是共存——办公智能体解决80%到90%的通用需求，垂直SaaS保留那10%到20%的深度专业功能。未来会不会完全取代？短时间看还有一段路要走。

ZF： 您怎么理解AI Native产品之间的竞争？从海外来看，Codex跟ChatGPT合并，Atlas也不做了，2C产品基本上现在都收敛到一个工具里面。您觉得国内也会这样吗？未来AI竞争对手会是什么情况？

李景秋： 我确实觉得Chatbot和任务式产品会做一定的合并。就在上周，百度搭子升级了智能路由能力：简单问题打到Chat Harness，复杂问题打到Cloud Harness，涉及本地PC操作的任务打到本地PC Harness。用户不需要手动选，系统自动判断。

如果这种模式深入下去，普通用户会越来越分不清"这是Chatbot"还是"这是Work工具"。你看Copilot最早有三个tab：Chat、Work、Code，现在也在逐步合并，因为用户确实分不清，看见一个大框就往里输入，返回的结果也差不多。

但我并不认为国内会一家通吃。这不像搜索引擎或社交软件，它有很强的个人偏好属性。我自己就用好几个：偏创作类找百度搭子，数据分析、画复杂结构图找别的工具。用多了你会摸到每个产品的"性格"，知道什么样的事找什么样的工具解决。

而且现在的深度用户，基本都是多平台共用的状态。重合用户非常高，大家不是"下了这个就不用那个"，而是"这个好用用这个，那个好用用那个"。

ZF： 现在应该还是专业用户阶段，普通用户渗透率没有那么高。如果产品到了一定阶段，普通C端用户都进来之后，他们应该是要么选这个、要么选那个，不可能这个20刀、那个20刀、那个20刀。

李景秋： 前期专业用户确实偏多。后面普通用户进来之后，最终人均不会只用一个，但也不会用太多，可能最多两三个。市场会收敛，但不会收敛到一家独大。

ZF： 现在这个竞争格局，大概十几二十个产品，什么时候会收敛？

李景秋： 短期内不会马上收敛，要到Q4或者明年再看。但收敛速度应该会比较快。

原因是这类产品有规模效应。办公智能体具备自进化能力——接触的用户越多，遇到的复杂任务越多，解决的问题越多，产品就进化得越好。这是一个飞轮：更多用户→更多问题→更快修复→更好体验→吸引更多用户。

如果今年某家产品能积累更多用户，它的Harness进化速度就会比别人快，半年或一年后，在复杂任务稳定性上就会形成显性体验差距。用户会自然选择效果更好的产品。所以先发散，后收敛，这是大概率事件。

ZF： 你怎么理解这个产品未来的级别？它是微信级别的产品，十几亿月活、几亿日活？还是次一点，钉钉或飞书级别的MAU产品？终局这个赛道会是什么情况？

李景秋： 终局来看，它服务的是偏To P的专业白领群体，这部分在中国大概1.2亿人，所以DAU上限不会特别高。

它更像是一个"专业工具"，服务于工作提效。

ZF：目前 Codex 这个类型的产品，基本上都是由美国定义出来， Codex 出来之后，中国厂商跟进。包括其他几个友商，他们用户增长基本上都是别人出什么功能，我抄什么功能，可能第二天就把这个功能迭代出来了，以此实现了某些功能，用户的增长。您觉得从中国厂商有没有领先美国厂商去做用户功能定义的能力？百度它的优势是什么？

李景秋：我认为它未来的发展上，我是更看好国内的这种产品的发展。

从应用的广泛性和这种深度来说的话，在这个时代下，我们发展得更快，它能给当前的 Agent 时代去调度各种 MCP 或者Skill，是能奠定更多的基础的。因此，我认为从这一点上，我认为国内的产品可能未来在整个 MCP 或者 Skill 的一些调度上，它应该是有具备优势的。

我认为百度它的核心的优势在于，办公智能体，拼的是一个生态的抗衡，它不是单一能力的抗衡，你很难看到办公智能体这种产品，模型好就好，没有推理，没有服务器，也是不行的，光空有技术，没有算力，没有 Agent Infra，那任务跑不起来的。

空有模型没有 Skill 那也不行。所以它其实是既要看应用，又要看模型，又要看 Agent Infra 技术，又要看底层的算力资源，所以它基本上这四层的架构，最好都比较强，产品它才能比较强。所以这是一个生态之间的一个抗衡，是一个全矩阵的这种全栈能力的这种抗衡。我认为百度是国内的鲜少的我们四层架构都有涉足和布局的这么一家企业。

百度智能云发展了这么多年的基础云的能力，包括 Agent Infra 的能力，中间呢我们也有自己的模型，再往上，也有百度原来 To C 积累的很多优质的应用，布局是比较全的。在布局比较全的状态下，我认为就是考验的我们是不是能真的把层与层之间，应用于模型于 Infra 到推理引擎，再到 MaaS 服务，再到算力，我们之间的协同效应能够发挥出来，我认为这个是很重要的。刚好因为有这种办公智能体，它做一个牵引。你看像现在我们去立项做这个产品，我们是真的是跟四层架构都有交互的，我们会把需求提到芯片，提到推理引擎，提到这个 MaaS 服务平台，提到上层的SaaS，封装成Skill，再提到模型层，这个模型可能需要具备什么样的能力。

因此，就算是把各层其实是在串起来，再一起往前走，所以我认为未来拼的就是不同层之间大家的协同能力，这个是核心的抗衡点，就百度的优势就在于我们是比较全的，但是协同的好不好，我认为这个肯定是要边走边看的。

里程碑、用户画像与团队

ZF： 您希望百度搭子下一个里程碑是什么？比如说到年底或者团队自己设置的里程碑。

李景秋： 里程碑还是看付费率和ARR。这两个数据我们更关心。

百度搭子到现在一直没有做特别大范围的激进投放。我们更看重高价值用户的筛选——那些希望用百度搭子解决严肃办公生产场景的用户。我们希望提升复杂任务场景下的执行稳定性和效果，推出更多专业套件，让这些用户能够真正留下来、愿意付费。

ZF： 咱们现在已经有To B的销售了吗？

李景秋： 有。

ZF： 个人用户跟企业用户对产品有哪些需求差异？

李景秋： 差异挺大的，我举两个例子。

数据分析场景： 个人版处理本地Excel、调研网上报告、整理年报金融数据，差不多就够了。企业级要求直接跟业务数据库打通，做更深入的数据洞察，而且得是上生产级的，能跨各种系统做分析。

代码开发场景： 个人做小程序、小工具，深度到这儿。企业级要求健壮性、稳定性、代码安全性，整体通过企业级审核，开发的应用得能跟企业内部系统API互通，UI风格也得符合企业规范。

所以企业版比个人版多了管控后台、企业级技能共享、知识库共享、专业套件共享，还有团队协作支持、安全审计方案、席位资源消耗管控等。

ZF： 这两个怎么安排优先级？现阶段先做好个人用户还是企业用户？

李景秋： 目前个人版和企业版同步发展，由两个团队同时推进。但个人版的Harness核心主对话，在企业版是完全复用的，所以每周迭代也会同步上线，确保共用功能保持一致。

ZF： 还有一种说法，几家文档厂商非常焦虑，觉得以后SaaS产品按座席收费基本上已经凉了，事实上按座席收费都是负毛利。以后可能有一个工具类产品，不管是Codex还是百度搭子在前面，所有通过调用而来收费，您觉得这种可行吗？

李景秋： 这个问题我们最近内部也在反复讨论。

现在的发展趋势是，智能体产品确实在往深处做，大家都在推专业工作台模式，试图渗透专业SaaS场景。而且效果确实不错，能把对应垂直场景的问题解决到80%甚至90%。

但要说彻底取代垂直SaaS，现在大家都还没做到。比如网站开发里的个性化素材、视觉设计、交互处理，这些重人工操作的部分，AI还替代不了。所以当前是共存状态，未来完全取代还有一段路要走。

ZF：百度搭子在百度里是什么级别？很多大厂里基本上说是全村的希望，百度也是这样吗？

李景秋： 从我的实际感受来看，百度搭子是百度今年推出的少数新入口级Agent产品之一，在Create大会也是第一个新产品亮相，因此在百度内部具有很高的重要性。

ZF： 我再补充一个问题：从现有用户画像来看，百度搭子的高频使用场景有哪些？用户类型是否已经呈现出明显倾向？

李景秋： 高频场景主要有几类：深度网页浏览与信息抓取、应用开发、本地文件处理、内容创作，还有一些长尾需求比如处理零散工作任务、跨系统任务等。

用户画像方面，年龄相对更成熟，30岁以上用户占比很高。能感受到辐射的是一群最先对智能体或AI领域比较熟悉、愿意尝鲜，且工作复杂度确实很高的用户。职业分布非常广泛，有老师、HR、律师、医生等。

ZF： 区域分布方面有观察吗？用户是否主要集中在一线城市？

李景秋： 区域分布还没有做过细致分析，基本上全国都有。

ZF： 以上就是今天的访谈，感谢景秋的时间。

李景秋： 谢谢！