搜索“多模态”

景，宣称可在设备功耗与空间约束下实现每秒1000个token的推理性能。 ▲端侧智能方向产品布局（图源思敏威） 算力网络方向，该公司围绕Prefill-Decode分离、Attention-FFN分离，构建3D-HPU与XPU等其他AI计算单元协同的异构推理体系，面向企业私有化部署和私有数据中心。 ▲算力网络方向产品布局（图源思敏威） 具身智能方向，思敏威将多模态模型与世界模型的算子及数据流前置到芯片定义中，与机器人客户联合定义“模型—芯片—机器人系统”。 ▲具身智能方向产品布局（图源思敏威） 商业合作方面，该公司透露与大模型基础设施独角兽无问芯穹形成实际商业合作，并与领开半导体达成战略合作，双方将围绕3D堆叠存算融合架构及AF分层推理存储方案联合开发，目标是降低大模型推理对HBM显存的依赖和系统部署成本。 结语：3D存算进入资本密集期，流片兑现仍是关键 思敏威半年内连续完成两轮融资、累计近两亿元，且引入中兴通讯这样的产业战略投资方，反映出3D存算一体赛道正从技术验证走向产业化验证阶段。与微纳核芯、亿铸科技等同行类似，思敏威选择的路线是用3D堆叠架构在成熟工艺上逼近先进制程的算力密度，

匹配字段正文

S把这种工作方式叫做Loop Working。 四、产品体系覆盖通用、垂直模型与C端B端 早在2017年，APUS筹备A股上市，彼时公司估值约120亿元。2019年4月，该公司撤回了IPO申请。在2020年8月，APUS转向科创板再度冲击IPO，然而最终依旧终止了。 目前，APUS已经形成基座大模型+AI应用产品框架。 2023年，APUS发布了自研的千亿级多模态大模型“APUS大模型（AiLMe）”，此后，其于2024年4月联合开源了千亿参数MoE架构模型APUS-xDAN-4.0。 在大模型的基础上，APUS构建起了产品体系： 通用与语言模型包括天燕大模型和DeepSeek APUS加强版；垂直行业大模型包括奇黄大模型（医疗问诊）与智草大模型（中医诊断）等，覆盖教育、农业、网信、政务、传媒、金融、电商等领域。 基于大模型能力，APUS还推出了一系列直接面向用户的AI应用。C端手机应用包括APUS Launcher、APUS Booster、APUS Security、APUS Browser、APUS KATOO、APUS CutCut等；B端行业智能体有天燕商业智能体、智草中医智

匹配字段正文

《中国具身智能数据产业分析报告2026》指出，硬件门槛逐步突破，但量、质、异构三重数据瓶颈限制具身智能规模化落地。具身数据作为产业核心燃料，拥有物理交互、多模态耦合与时序连续的独有特性。行业可通过 “造治用通” 构建数据闭环，第三方评测、场景数据工厂等赛道蕴藏大量商业机会。 在易观分析近期发布的《中国具身数据市场分析报告2026》中，有超过120家企业登上图谱，这些企业也是2026年发展最快也是资本最关注的产业板块之一。 图1：2026年中国具身数据价值链产业生态图谱 虽然具身数据产业链仅初步形成，但是其对中国具身智能产业发展的关键性已经非常清晰。在这些关键环节中，几个重点板块可以关注： 1、仿真与数据合成板块 图2：中国具身数据产业生态图谱-仿真与数据合成板块 ◇ 头部企业已形成“仿真引擎+场景资产库+合成数据管线”全栈能力 ◇ 商业模式以SaaS订阅为主（年费+按调用量+一体机硬件），边际成本趋零，单条真机演示可生成百倍合成数据 ◇ 合成数据成本可降至真机1/10以内，是当前突破“百万小时级”瓶颈的关键引擎 ▲ 仿真与数据合成产业板块的发展驱动力 ◇ 突破量的瓶颈：真机采集成本高、

匹配字段正文

。据介绍，这款产品专为大模型边端侧落地打造，并不片面追逐峰值纸面参数，而是围绕模型部署、现场推理、系统协同做设计，采用6nm工艺，具备256TOPS混合精度算力，原生支持FP4，内存带宽可达273GB/s，最大支持128GBLPDDR5X内存；硬件搭载AXLink芯片级联与PCIe5.0高速互联，同时具备64路视频解码、16路视频编码能力，适配多路视觉感知与多模态分析任务。 爱芯元智创始人兼董事长仇肖莘表示：“我们要做客户长期稳定的算力底座，让企业聚焦业务创新，不用为算力迁移分心。爱芯元智致力于让智能抵达每一个现场，AX8860系列大算力芯片的发布，正是这一承诺的兑现。” 展区内还展出了原力灵机依托爱芯大算力平台自研的DM0.5通用具身大脑，可以完成接口插拔质检、通用工业插入作业、灵巧手柔性切削实操演示，覆盖电子装配、精密制造、工业质检、柔性加工场景。爱芯元智认为，对于严苛的工业现场而言，现场智能的完整闭环，必须同时满足"看得见、算得准、反应快、稳定执行"四项要求。只有现场设备实现了"感知—判断—执行"的闭环处理，智能才能在事件发生的最前沿即时响应，推动边端 AI 真正转化为驱动产业升

匹配字段正文

的A轮追加轮融资，总融资额达到7400万美元。 世界/视频模型走向实时交互，对基础设施提出新的要求 技术的变革首先出现在模型端，Google DeepMind的Genie 3能以24 FPS的帧率生成720p交互式世界；StreamDiT在单张H100上实现了16 FPS的文生视频，阿里、腾讯、包括NVIDIA也都发布了交互式的视频模型或世界模型。 在生成式多模态模型发展的早期，它生成的是一次性、被动的内容，大家都有用提示词批量化“抽卡”的经历。 但交互式视频模型，尤其是可交互的世界模型出现后，模型的形态变了，这些模型本质上是经过学习的物理引擎。通过观察数十亿个样本，它们内化了底层的物理规律，从而“懂得”火会蔓延、水会溅起、金属受击会凹陷。用户置身于环境中进行操作，模型则以逐帧的形式实时给出反馈。 新形态的模型，也催生了新形态的应用，实时视频、游戏以及数字人领域涌现出了大量新的交互形态。 模型对于基础设施的要求变了，但支撑这些模型在生产环境中运行的基础设施却未能同步跟上。原有的基础设施，是为批处理（batch）需求构建的，它在底层架构上与实时推理需要的基础设施有根本差异。 实时推理所需

匹配字段正文

率异步（如腕部相机 30Hz、机器人状态 60Hz、低阶技能 2Hz）下的闭环控制难题，在双臂机器人“给牛排撒调料”等长时程任务中验证了模块组合的高效性。 但是，各模块之间受限的信息流动，使其难以充分吸收不同任务之间的协同效应。 这就引发了一个更深度的思考：神经网络能否直接将感知、记忆、规划与控制融为一体？如果放弃人工预定义的原语与模块划分，转向端到端统一的多模态大模型，将包含丰富物理规律的视频预测与动作生成联合训练，组合能力能否在模型中自动“涌现”？ 围绕这一课题，团队展开了两次尝试。第一次是视频生成预测+动作控制器；第二次是视频-动作联合训练模型。 然而，随后的实机与仿真实验表明，问题的复杂程度远超预想。 ▎ 试错一：视觉预测转动作指令，难以胜任富接触操作 为了吸收跨任务的协同效应，研究团队展开了第一次尝试：利用通用的视频生成模型预测未来画面，再将视觉预测翻译为机器人的具体动作。 这一路线对应团队发表于 ICLR 2024 (Spotlight) 的 AVDC 框架。 原文链接：https://arxiv.org/pdf/2310.08576 其动作提取流程分为三个核心阶段： 1.

匹配字段正文

」爱诗科技香港首席代表潘援介绍。 PixVerse R2 现场亮相，多模型为香港各行业赋能 今年以来，爱诗科技PixVerse R系列模型持续引领通用实时世界模型行业发展。与传统AI视频「预先录制、固定时长、单向输出」的形态不同，通用实时世界模型可对画面、声音等信息进行实时生成与交互建模，使视频流在用户输入文本、语音、图像或操作指令的过程中同步变化。依托原生多模态建模、自回归流式生成与瞬时响应引擎，模型兼顾跨模态理解、长时序一致性、角色与场景状态延续以及低延迟反馈，实现「边生成、边交互、边演化」。 开幕现场，爱诗科技于展厅内向嘉宾与传媒展示了近期发布的全球首个具备Scaling能力的通用实时世界模型PixVerse R2。该模型不仅能让虚拟世界「有记忆地活着」，还能「听懂各种语言」，并对用户的每一个动作做出符合因果关系的反应。现场来宾在游戏、互动影视及数字人等多个场景中，亲身体验了以自然语言指令即时修改角色状态、环境变化、镜头走向与叙事分支等，从「观看」走向「言出法随」的实时互动世界，近距离感受AI视频技术的前沿进展。 谢旭璋向雷峰网表示，未来公司将持续探索包括PixVerse R2在

匹配字段正文

来评估长期记忆、任务专注度与持续执行能力，专业任务评测还覆盖法律、金融和健康等领域。 官方演示中，Muse Wonder能够直接操作浏览器、跨应用获取信息，并根据用户的个人偏好制定周六跑步计划。这类演示呈现的，正是Meta希望强化的能力，也即让模型结合个人背景持续推进任务。 在基础规格上，两款模型的上下文窗口均为100万token，支持文本、图像、视频和音频多模态输入。 安全方面，Meta称Muse Wonder是其迄今对齐程度最高的模型，并强化了对化学、生物、放射性和核相关风险（CBRN）及网络滥用的防护，以及对抗性指令应对和私人信息处理能力。 三、分手厨房、魔方模型，效果和Opus 5.5对打 模型一经发布，一众网友纷纷上手测试，智东西收集了一些案例，看看Muse Wonder系列模型的能力如何。 有开发者使用Muse Wonder制作了3D可旋转魔方模型，从画面上看，光影效果、清晰度和旋转细节都相当有质感，该开发者称这完全是和Claude Opus 5.5一个级别的。 Meta研究员用Muse Wonder打造了一个Muse版的分手厨房，画面清晰、交互流畅，Alexandr Wa

匹配字段正文

exagon NPU全面升级 2025年骁龙峰会发布的骁龙8 Elite Gen 5，是高通移动平台AI能力的重大迭代： Qualcomm AI Hub：开放生态的核心引擎 Qualcomm AI Hub截至2025年中期的关键数据： 1,800+企业使用AI Hub优化和部署AI模型，包括Meta、三星、亚马逊； 175+预优化模型，覆盖CV、生成式AI、多模态任务； 15+主流LLM优化端侧运行； BYOM/BYOD； Bring Your Own Model/Data，与Amazon SageMaker协作。 AI Hub的差异化在于"真实设备部署"而非模拟或理论性能：支持从PyTorch和ONNX自动转换、实时性能基准测试、100+预优化模型可直接在骁龙设备上测试。 多模型合作生态 Meta Llama 3.2-3B Google Gemma 4 IBM Granite 4.0 Mistral AI Nexa AI 通过NexaSDK for Android，应用可直接调用Hexagon NPU、Adreno GPU和Oryon CPU运行Llama、Granite等模型。IB

匹配字段正文

小脑”（小模型）感知用户状态——声音、图像、通信连接等；端侧“大脑”（大模型）完成多步任务闭环；云侧“超脑”协同处理更复杂的任务。高隐私、低时延的任务留在端侧，复杂任务交给云侧超脑。而麒麟9050 Pro则为这样的架构提供了硬件基础和技术底座。 得益于逻辑折叠，采用新一代达芬奇架构的NPU，性能提升140%，功耗降低66%。此外，通过SoC中的灵犀微核，实现多模态低功耗的环境感知。华为认为，大脑最终要协助用户完成任务，核心是多步规划能力，这依赖于模型的尺寸。 经华为研究，30B大模型是一个基本条件，但在手机侧运行30B大模型，将面临两大挑战：内存和功耗，既要放得下还要跑得久。 在麒麟9050系列中，通过率先支持多级存算协同的技术，设计了麒麟芯片亲和的MoE架构，大模型加载性能提升25%、内存节省75%，30B MoE大模型占用内存小于2.5GB——最终实现“小空间装载大模型”。 此外，通过联合应用团队，麒麟开发了大模型场景自适应的方案。模型可以根据任务的复杂程度来自动地加载不同规模的参数，从而进一步节约场景功耗20%到50%。 现场，华为演示了几个应用，包括基于本地Agent的图库整理

匹配字段正文

忆。 2025年发表于CVPR的论文《EgoLife: Towards Egocentric Life Assistant》，便针对这一问题展开研究。研究团队通过AI眼镜收集了6名参与者一周内约300小时的生活数据，涵盖交流、购物、做饭等场景，并提出EgoButler系统，尝试解决长时间第一视角信息的理解与检索问题。 图源：论文《EgoLife》 研究展示了多模态模型结合检索机制处理长期生活信息的可行性，但同时也暴露出当前模型在人物识别、跨时间信息关联等方面的局限。这意味着，AI眼镜即便能够记录大量日常信息，也未必能准确找出其中的关联，更难保证长期记忆始终保持更新。 而比记住信息更复杂的，是判断什么时候应该主动介入。目前不少主动式AI功能仍依赖预设条件或特定工作模式。比如，天气变化可以触发提醒，在会议期间，AI也能持续分析对话。但在更加开放的生活环境中，用户的需求并不总是如此明确。 今年7月，大连理工大学、东京大学及Alaya Lab的研究人员公开了论文《Vinci2: Providing Proactive Assistance in Continuous Egocentric Vi

匹配字段正文

十年的距离，在镜头切换之间变得可感可触。 62 亿个高斯，一座城镇级世界模型的数据底座 23.5 平方公里的城镇外业数据采集，由 3 名采集人员历时 7 天完成。 空中，无人机挂载采集设备，逐片飞过闽宁镇上空；地面，灵光 L2 Pro 空间扫描仪与灵视 P1 空间相机走进街区、道路与村落。18.6 万张影像、150 亿个雷达点云，激光与影像、俯瞰与平视，海量多模态数据在 7 天里汇聚而来，每一条街巷、每一片屋顶，都被耐心而细致地记录下来。 此后，数据在本地完成处理。LCC Studio 的“空地融合”功能，将空中与地面两种视角的数据汇入同一个空间；Multi-SLAM将激光数据解算为 150 亿个点的点云，确立屋檐、道路与建筑之间的几何关系；LCC Studio 再以这些多模态数据训练出 62 亿个高斯椭球，还原光影、色彩与材质。最终，重建几何精度达到厘米级，重建误差优于 2cm，整片区域可以自由视角浏览、沉浸式呈现。 更难的是“单体”。大范围场景通常分块重建再拼接，接缝、色差与几何错位难以避免。数字闽宁镇以一个连续模型承载全部23.5平方公里，从镇口到村尾，没有断点。正如这座镇本身，

匹配字段正文

开展数据资产管理应用。加强数据资产全过程管理，有序推动行政事业单位、企业依法对数据资源进行相关会计处理，稳妥做好数据资产确认、计量和信息披露等工作。探索完善数据资产评估机制和管理制度，创新作价出资、融资担保、证券化等数据资产开发利用模式。 三、强化智能引领，培育壮大数字产业 （一）加强数智技术创新 1.加强数智关键技术攻关。深入实施人工智能科技创新行动，加大多模态智能、生成式智能、类脑智能、具身智能、群体智能等研发支持力度。强化数据科技、量子信息等前沿技术基础研究，推动集成电路、工业软件等领域实现技术创新突破。 2.加强数智科创载体建设。推进人工智能创新平台体系化建设，围绕数据、高端软件、未来网络等领域，布局建设重点实验室、技术创新中心、制造业创新中心、新兴产业创新中心等创新平台。鼓励引导有条件的企业牵头打造创新联合体，引领带动产业链协同创新。 3.加强数智科创成果转化。部署建设一批面向人工智能和数据领域的概念验证、中试基地、检验检测等平台，打通数智技术攻关、产品研发、验证测试、场景应用全流程，加速成果转化应用。 （二）建设人工智能产业发展高地 1.壮大数据产业。坚持培育一批、拓展一批

匹配字段正文

学位。他最具代表性的成就是Swin Transformer，2021年胡瀚作为唯一通讯作者和共同第一作者，与团队提出了基于移位窗口的层次化视觉Transformer架构，凭借这一成果获得ICCV 2021最佳论文奖——马尔奖。 在产业经历方面，胡瀚曾就职于百度研究院深度学习实验室；2016年12月加入微软亚洲研究院，担任研究员；2025年，他加入腾讯负责混元多模态大模型，负责视觉语言模型（VLM）和具身智能基础模型团队。 有业内人士指出，胡瀚创立的Winverse AI严格来说不算具身智能公司，它的业务更偏底层基础设施，专注于模型加速技术。其目标是让机器人能够理解语音指令、处理现实世界中的复杂任务，而不仅是执行预设动作或完成运动控制。 这也意味着，梁文锋此次下注，与其说是追具身智能的风口，不如说他在押注自己熟悉的战场：模型效率、训练提速和底层架构。 值得一提的是，今年8月DeepSeek已入局具身智能赛道，以1.41亿元参与宇树科技IPO战略配售，双方签署战略合作备忘录，约定在通用人工智能、高性能通用机器人和AI大模型三大方向开展深度合作。 与此同时，有媒体报道，梁文锋近期密集关注具身

匹配字段正文

更好地应用于图像分类、目标检测、语义分割等多种视觉任务。 凭借这一成果，团队获得ICCV 2021最佳论文奖，这也是计算机视觉领域具有代表性的学术荣誉之一： 此外，胡瀚还曾入选2022年《麻省理工科技评论》中国区「35岁以下科技创新35人」榜单。 回顾他的研究经历，可以看到一条相对清晰的技术路径—— 早期主要围绕计算机视觉、视觉基础模型展开研究，随后逐渐进入多模态大模型，并在腾讯时期进一步参与具身智能基础模型研发。 至于融资方面，据彭博社报道，DeepSeek拟领投Winverse AI 数千万美元种子轮融资 ，美团旗下龙珠资本也作出了投资承诺。 如果交易顺利落地，这将是DeepSeek成立三年多来，对初创企业规模较大的一笔投资。 此次融资还有一层值得关注的背景—— 据了解，腾讯也是DeepSeek新一轮融资的潜在投资方之一，如今，腾讯前科学家创立的机器人AI公司，又获得了DeepSeek及美团系资本的关注。 从大模型技术研发到具身智能创业，头部科技企业之间的人才与资本联系，也开始更多地延伸至机器人领域。 而对于DeepSeek来说，此次投资也延续了其今年以来在机器人领域的布局。 今年

匹配字段正文

如果环境错误地奖励某些不安全的捷径，模型也可能学会不符合预期的行为。因此，团队需要精心设计训练任务、反馈机制和奖励方向。 官方还设计了FocusBench，专门评估Agent遇到障碍、环境变化和任务中断时的持续执行能力。 这里真正值得关注的技术方向是：Meta不再仅仅为一个通用语言模型外挂Agent工作流，而是从预训练和后训练阶段，就针对长期记忆、持续执行、多模态理解等Agent能力进行优化。 当然，官方尚未公布完整模型架构、参数规模及底层记忆算法，外界仍无法复现这些核心技术。 3D实测暴露短板 技术介绍之外，Meta同步放出了一批实际应用演示。其中最直观的是3D厨房游戏。模型接收用户提供的图像，生成一个可交互、能够游玩的三维厨房场景。 另一段演示展示了健康与生活场景下的Agent任务，以及保险理赔辅助。模型需要理解不同材料、处理信息，并持续推进多步骤工作。 但发布之后，开发者们很快拿出了不那么漂亮的测试结果。X用户Max Blade让Muse Wonder Full和Claude Opus 5.5使用同一提示词，分别生成一款可以驾驶割草机、同时喝啤酒和抽雪茄的AAA级模拟游戏。 对比

匹配字段正文

ITA 大模型，把 “回答” 变成有角色感的硅基伙伴 文旅场景最直观的痛点：很多机器人只会预设话术，游客一问开放式问题就失效，只能完成固定流程，谈不上真正交互。智元自研WITA 硅光动语全模态具身交互大模型，是全国首款完成合规备案的具身智能交互大模型，解决真实乐园里复杂环境下的人机交互难题。 l 适配嘈杂场馆环境的感知交互：面对广播、背景音乐、人群喧闹，通过多模态定向拾音（声音 + 唇动）、多模态降噪、人声增强，结合大模型语义理解，过滤无关杂音，捕捉游客表达，支撑问答、游戏、点播等体验。支持免唤醒主动交互，游客走近机器人即可主动打招呼，不需要喊唤醒词，还原自然社交状态。 l 长程多轮交互，从单次问答走向完整游戏体验：依托长程任务 Agent，承接对话上下文。游客挥手即可开启答题、猜谜闯关，机器人记住对话脉络，持续推进游戏进程；支持猜拳、音乐表演等手势语音动作联动，游客可以参与共创表演内容，而不是被动观看演示。 l 五维 IP 定制，让机器人拥有统一角色人格：通过音色、表情、人设、动作、服装造型五个维度定制，结合场景知识库、检索增强生成技术，机器人可以支持多国语言、方言科普讲解，把长

匹配字段正文

会、数智生态文明新形态，实现高质量发展、高品质生活、高效能治理。 （一）提升数智经济发展能级 1.加强数智技术创新 发挥青岛科创大走廊作用，统筹崂山实验室、国家高端智能化家用电器创新中心、国家虚拟现实创新中心（青岛）等高能级科创策源平台布局建设，支持开展“从0到1”的原创性、颠覆性数智技术研究，形成一批具有影响力的源头创新成果。强化“模芯云用”协同创新，加大多模态智能、智能体、具身智能、群体智能等技术攻关，重点支持以海洋大模型、港口大模型、工业大模型等为代表的垂直领域大模型研发，探索打造一批“Data for Science”（数据驱动的科学研究）协同创新中心。鼓励创新主体布局数据领域概念验证、中试基地、检验检测等平台，促进数据技术成果产业化应用。推动数据领域重点实验室、研发中心等创新载体建设，加快数据供给、流通、利用、安全等关键技术攻关，鼓励开展非结构化数据清洗、多模态一体化自动标注、数据编织、高性能隐私保护计算、多模态数据合成等关键技术研究和应用。积极发展零信任安全架构、隐私计算、量子密钥分发等数字安全新技术。 2.推进“10+1”创新型产业向智向新发展 优先发展先导产业。加快建设

匹配字段正文

控股、上海国投旗下上海科创及上海未来产业基金、奇绩创坛、智谱系基金星连资本及某头部产业投资方联合投资。 据官方披露，本轮融资资金将主要用于全模态实时交互智能的研发与能力建设，以及全球商业化落地。 模思智能孵化于复旦大学教授邱锡鹏带领的OpenMOSS团队。2023年2月，邱锡鹏团队推出国内首个类ChatGPT开源模型MOSS。此后，该团队陆续推出语音、视觉及多模态系列模型。 ▲邱锡鹏 与智谱、DeepSeek等在通用大模型、推理及Coding等领域持续投入的厂商相比，模思智能更加聚焦语音、视觉及实时多模态交互，让AI能够持续感知和理解真实环境，并应用于AI眼镜、智能汽车、机器人等终端场景。 一、半年推出20多个模型，瞄准全模态实时交互 2026年以来，模思智能进一步加快模型迭代，在半年多时间里发布了20多个模型，并持续推进开源。 其已陆续推出MOSS-TTS、MOSS-Audio、MOSS-Transcribe-Diarize、MOSS-VL、MOVA等系列模型，覆盖语音生成、音频理解、语音识别、视觉理解及内容生成等领域。 其中，仅4月7日至13日一周，MOSS-VL和MOSS-Aud

匹配字段正文

AI未能完成证明，其尝试也可能帮助数学家更好地理解问题、发现新思路。 1; 有了AI，人的科研能力是否会退化 2; 杨振宁数学与基础物理研究所揭牌 | 一周动态 3; 从失控入侵到擅自行动，人工智能为何频频“闯祸”？ 1; 应用“酷农工具”，推动加拿大大西洋地区农业迈向净零排放 | MDPI Sustainability 2; 当生成式AI走进移民成人教育：多模态学习内容设计的新思路 | MDPI Multimedia 4; 可解释的医学图像诊断与自关注变压器：卫生保健领域可解释人工智能综述 | MDPI BioMedInformatics 5; Informatics：人工智能时代的健康数据管理 | MDPI 特刊征稿 6; 人工智能会取代我们吗？大学教师角色的转变 | MDPI Societies 7; 对话 Information 期刊2024最佳论文奖得主采访：AI欺骗时代，揭开虚假现实与错误信息威胁的面纱 8; 论文选题灵感：神经调控| MDPI Brain Sciences 9; 时隔11年再获诺贝尔物理学奖，中微子研究有多特别 10; 学生称宿舍床位爬梯致多人摔伤，乐山师

匹配字段正文