航空业的大模型+数字身份的数智化转型双螺旋：深度解析LLM与DID融合驱动的产业级智能涌现

航空业的数智化转型：深度解析大语言模型与数字身份的融合与变革

走向未来 kdd.wang@gmail.com

以大语言模型为代表的认知智能，

解决运营流程中的复杂性与效率问题；

以去中心化数字身份为基础的信任架构，

重塑生态系统中的交互与价值交换模式。

全球航空业正站在一个历史性的技术十字路口。后疫情时代的客流复苏带来了运营压力的急剧增加，而旅客对无缝、个性化和安全旅行体验的期望也达到了前所未有的高度。与此同时，日益复杂的全球法规、支离破碎的数据孤岛以及持续存在的欺诈风险，共同构成了行业发展的巨大挑战。在这一背景下，单纯的流程优化已难以为继，航空业亟需引入能够引发范式转移的颠覆性技术。

国际航空运输协会（IATA）在其最新的探索性白皮书中，通过三个目标明确的概念验证（PoC）项目——“行业LLM项目”、“777项目”和“321项目”，精准地指出了驱动这场变革的两大核心引擎：人工智能大语言模型（LLM）与去中心化数字身份（Decentralized Identity, DID）。前者旨在通过认知智能解决复杂的非结构化信息处理难题，后者则致力于重构数字世界的信任基础与交互模式。

本文参考IATA的最新的前瞻性报告（IATA的这份前瞻性报告全文可以从“走向未来”【https://t.zsxq.com/xpWzq】知识星球中获取，为读者提供了宝贵的原始参考），将从技术逻辑、商业价值和战略意图的系统性剖析LLM和DID在航空业的应用。我们将深入探讨LLM如何重塑航空货运等关键运营流程的合规性与效率，并系统阐述去中心化数字身份如何通过可验证凭证（Verifiable Credentials, VC）技术，在B2B和B2C两大场景中彻底改变身份验证、授权管理和数据交互的模式。最终，本文旨在为航空业及其生态系统中的所有参与者——航空公司、机场、技术供应商、监管机构——提供一个清晰、深刻且具前瞻性的技术应用与战略发展蓝图。

第一部分：认知智能的注入——大语言模型重塑航空运营核心流程

大语言模型的崛起，标志着人工智能从感知智能向认知智能的重大飞跃。其强大的自然语言理解、生成和推理能力，为解决航空业长期存在的、依赖大量文本解读和专家知识的流程瓶颈提供了全新的武器。IATA的“行业LLM项目”选择从航空货运这一高度依赖文档和法规的领域切入，精准地展示了LLM的应用潜力。

第一章：核心痛点剖析——航空货运法规迷宫的突围

航空货运，特别是易腐货物的受理流程，是整个航空物流链条中至关重要且极其脆弱的一环。其核心挑战在于法规的极端复杂性与合规验证的高度人工化。

当前的货运受理流程严重依赖人工操作。受理人员必须对照航空运单（AWB）及随附文件，逐一核对国际航空运输协会的《易腐货物规则》（PCR）、始发地、目的地、经停地的国家法规、航空公司的特定政策以及随时可能更新的禁运信息。这是一个知识密集型且极其耗时的过程，即便是经验丰富的员工，处理一票复杂货运的单证审核也可能需要超过20分钟。

这种模式直接导致了三大痛点：

1. 效率低下与运营延误：人工审核速度慢，容易造成货物在受理环节的积压，任何单证瑕疵（如信息缺失、错误）都会导致整票货物的运输延误，对于易腐货物而言，延误即意味着巨大的经济损失。
2. 高错误率与合规风险：法规体系庞大且动态变化，人工操作不可避免地存在疏忽和错误，导致不合规的货物被接收，不仅可能面临罚款，更会损害航空公司的声誉。
3. 知识传承与培训成本高：该流程高度依赖员工的经验积累，新员工培训周期长、成本高，且知识无法有效沉淀和规模化复用，限制了运营的弹性与扩展能力。

正是这一“信息不对称”和“认知过载”的核心矛盾，使航空货运受理流程成为了LLM技术应用的理想试验场。LLM的核心能力——处理海量非结构化文本、进行上下文理解和逻辑推理——恰好能够对症下药。

第二章：解决方案架构——多元技术栈驱动的智能验证引擎

IATA的PoC项目并非构建单一的技术方案，而是巧妙地组织了一个由多家技术巨头（Infosys、微软、SITA、Snowflake）参与的多元化后端开发，这本身就传递出一个重要的行业信号：解决核心问题的方法论是通用的，而技术实现路径可以是灵活和开放的。

该PoC的整体架构可以解构为三个核心层面：

1. 用户交互层：项目设计了两种创新的交互模式，超越了传统的聊天界面。一种是由Dreamix开发的移动应用程序，允许现场工作人员通过拍照扫描纸质文档；另一种是由SITA开发的WhatsApp通道，将验证流程无缝集成到即时通讯工具中。这体现了将AI能力嵌入现有工作流，而非另起炉灶的设计哲学。
2. 集成与编排层：由卡塔尔航空IT部门构建的集成模块，作为连接前端与多个后端LLM服务的中枢。它通过标准化的API接口，管理交互会话、分发请求，并处理不同LLM解决方案的集成复杂性。在未来的生产环境中，该层将是连接航空公司核心货运管理系统（CMS）的关键，实现从扫描运单号到直接获取数字AWB数据的无缝衔接。
3. 认知核心层（LLM后端模块）：这是整个解决方案的大脑。所有参与的合作伙伴均采用了检索增强生成（Retrieval-Augmented Generation, RAG）作为核心技术框架。RAG框架的精髓在于，它将LLM的通用语言能力与一个专业、可控的知识库相结合。具体流程如下：
   • 知识库构建：将IATA PCR、各国法规、航空公司政策等海量文本进行处理，切分成语义块（Chunking），然后通过编码模型（Embedding Model）将其转化为高维向量，存储在专门的向量数据库中。
   • 实时检索：当用户提交货运单证后，系统首先提取关键信息（如货物类型、航线），并将其构建成一个查询向量。然后，在向量数据库中进行相似性搜索，精准地检索出与当前货物最相关的法规条文。
   • 增强生成：将检索到的相关法规条文作为上下文（Context），连同原始问题一起提交给LLM。LLM在此基础上进行推理和判断，最终生成精确、有据可查的验证结果（例如，“单证齐全有效”或“缺少植物检疫证书，依据XX国XX条款”）。

采用RAG而非单纯对模型进行微调（Fine-tuning），是该方案在技术选型上的一个高价值决策。RAG的优势在于：

• 减少“幻觉”：LLM的回答被严格限定在检索到的知识范围内，极大地提高了事实准确性。
• 易于更新：当法规更新时，只需更新向量数据库中的内容，无需重新训练整个大模型，成本低、响应快。
• 可解释性强：系统可以清晰地展示其判断所依据的具体是哪一条法规，满足了航空业对决策可追溯性的高要求。

第三章：技术路径深度比较与洞察

PoC中四家技术伙伴的后端实现，展示了达成同一目标的多种技术路径，这为行业提供了宝贵的选型参考。

• Infosys模块：基于Azure云生态，采用Azure Document Intelligence进行文档自动分类和多语言信息提取，利用GPT-4模型进行推理，并以FAISS（一种高效的相似性搜索库）构建向量数据库。其方案重点在于构建了一个清晰、分步的API管道（文档提取、强制性文件确定、综合验证），并通过监控Groundedness（扎实性）、Coherence（连贯性）等指标来确保负责任的AI实践。
• 微软模块：其架构核心是“代理确定性（Agentic Determinism）”设计模式。这是一个极具前瞻性的理念，它试图融合AI Agent的自主规划、推理能力（Agentic）与传统软件工程的结构化、规则化处理（Deterministic）。该方案使用GPT-4o多模态模型作为核心引擎，使其能够同时处理文本和图像信息。其亮点在于系统的可解释性（XAI），每个决策点都有明确的理由，并且验证规则可以动态更新和切换，这为多航空公司、多业务场景的复杂环境提供了极高的灵活性。
• SITA模块：构建了一个自包含的单体Python应用，同样使用GPT-4o多模态模型。其特色在于通过精巧的提示工程（Prompt Engineering）来指导模型完成特定任务。例如，通过不同的提示词，精确地指令模型从图像中提取结构化JSON数据、对文档进行分类、总结法规，甚至评估进口国与禁运国之间的地缘邻近风险。这展示了在不改变模型本身的情况下，通过优化与模型的“对话方式”来提升系统性能的艺术。
• Snowflake模块：充分利用其自身平台的一体化能力。它使用专有的多模态LLM Arctic-TILT 进行文档信息提取，该模型专为文档理解任务优化，相比通用LLM在精度上具有优势。同时，利用Cortex AI的特定任务函数处理分类和分块，并使用Cortex Search（一个混合搜索服务）来执行RAG。其方案的价值在于展示了领域专用模型（Domain-Specific Model）与通用能力结合的潜力，并通过平台化服务（PaaS）降低了构建和运维此类复杂系统的门槛。

核心洞察：这些不同的技术路径揭示了行业未来发展的趋势——混合型AI架构将成为主流。通用大模型提供基础认知能力，而领域专用模型、精巧的提示工程、可动态调整的规则引擎以及强大的数据平台，将共同构成解决方案的护城河。选择哪种路径，取决于企业现有的技术栈、成本敏感度以及对系统灵活性和可控性的要求。值得一提的是，这种以外部知识库增强大模型能力的技术范式，正是进行特定领域（如航空业）专业应用的关键所在。资深人工智能专家、浦东“明珠计划”菁英人才王文广在其最新力作灯塔书《知识增强大模型》一书中，对此有系统性的阐述。该书不仅在第4章“检索增强生成”中详细拆解了如本文所述的通用RAG流程，更在第3章“向量数据库”中为读者构建了实现高效知识检索的坚实技术基础。对于航空业及其他希望在垂直领域落地大模型的企业而言，这本书无疑提供了从理论到实战的宝贵路线图。

第四章：经济性考量与战略价值评估

引入LLM技术的成本是决策者必须面对的核心问题——除了开发和许可费用外的关键成本——基础设施与模型推理（Inference）成本。优化这些成本的策略包括：

• 优化输入：减少不必要的LLM调用。
• 批量处理：将多个文档检查合并为一次请求。
• 模型蒸馏：用针对特定任务微调过的小模型替代昂贵的大模型。

然而，成本优化必须与准确性和合规性进行审慎平衡。在航空货运领域，一次单证错误造成的损失可能远超数千次LLM调用的成本。因此，对RAG、高质量数据源和高能力模型的投资，本质上是对冲运营风险的战略性投入。

关于PoC达到的90%测试用例准确率，我们需要进行辩证看待。首先，测试集偏向于复杂和边缘的案例，这意味着在处理日常标准案例时，准确率可能会更高。其次，也是更重要的一点，评估AI系统的标准不应是追求100%的确定性，而是超越人类在该任务上的平均表现。LLM本质上是概率系统。如果一个AI系统能比人工操作更高效、更准确地处理95%的业务，并将剩余5%的复杂情况交由人类专家复核，那么它就已经创造了巨大的商业价值。这是一种人机协同的思维模式，也是AI在关键行业落地的现实路径。

第五章：从PoC到行业标准——构建数字监管生态的宏伟蓝图

“行业LLM项目”的真正价值，远不止于优化一个货运流程。它描绘了一个更为宏大的未来——构建一个API优先的数字监管生态系统。

IATA的长期愿景是，用结构化的、可通过API安全访问的、由AI驱动的工具，彻底取代目前以PDF等静态文档为载体的法规分发模式。这意味着：

• 信息的实时性与权威性：航空公司和技术合作伙伴可以随时通过API获取最新、最权威的法规数据，从源头上杜绝信息滞后。
• 价值的再创造：基于这些结构化数据，行业可以开发出更多增值服务，如自动风险评估、前瞻性合规检查，并将其无缝嵌入到航空公司的各种工作流中。
• 数据主权与安全：通过受控的API访问，可以确保数据完整性，并符合不同地区的数据安全与隐私要求。

这个PoC是迈向这个全数字化监管生态系统的第一块基石。它证明了LLM技术不仅能“读懂”法规，更能将其转化为可执行的、能创造商业价值的自动化流程。这一系列的技术演进与实践，无疑为行业从业者带来了深刻的启发。如果您希望更深入地探讨生成式人工智能、大模型和AIGC在航空及其他垂直领域的产品、技术和应用实践，欢迎加入“走向未来”知识星球，一起探讨如何使用各种不同的人工智能大模型和智能体来为工作增效，为生活添彩。点击链接（https://t.zsxq.com/xpWzq）即可加入，与行业同仁共同交流。

第二部分：信任的重塑——去中心化数字身份构筑未来航空旅行基石

如果说LLM是解决“认知”问题的利器，那么去中心化数字身份（DID）技术则是重塑航空业“信任”关系的基石。当前，无论是在B2B（航空公司与旅行社）还是B2C（航空公司与旅客）场景中，身份管理系统都普遍存在碎片化、高风险和低效率的问题。IATA的“777项目”和“321项目”分别从这两个维度，系统地展示了基于可验证凭证（VC）的DID架构如何颠覆现状。

第一章：基础困境——航空业身份管理的双重碎片化

1. B2B场景的信任赤字（项目777）：航空公司与旅行社之间的关系，在数字时代面临着严峻的身份验证挑战。当旅行社员工需要在各家航空公司的B2B门户网站上注册时，航空公司缺乏标准化的方法来验证此人是否合法地代表该机构。这导致了：

• 客户入驻流程冗长：为防止欺诈，航空公司的审批流程高度依赖人工审核，往往需要数天甚至数周，效率极低。
• 欺诈风险高企：存在不法分子冒用合法旅行社IATA代码进行预订，或离职员工利用未被及时注销的账户进行恶意操作的风险。
• 权限管理繁琐：当一名员工离职，旅行社管理员必须手动登录每一家航空公司的门户进行账户停用，操作繁琐且容易遗漏，造成安全隐患。

1. B2C场景的体验断裂（项目321）：旅客的旅行体验被多个独立的身份系统所割裂。航空公司、机场、休息室、Wi-Fi服务商各自为政，导致：

• 数据过度共享与隐私风险：旅客在不同环节需要反复提供护照号、出生日期等个人身份信息（PII）。PNR（旅客订座记录）的交换虽然必要，但也常常包含超出服务所需的多余敏感信息，增加了数据泄露和滥用的风险。
• 权益验证（Entitlement Verification）复杂低效：休息室准入、机上Wi-Fi使用等权益的验证逻辑日益复杂。资格可能与常旅客等级、信用卡合作关系、付费项目等多种因素挂钩，前台员工需要手动核对，耗时且易出错。近30%的旅客忘记常旅客密码，更是增加了机上服务的使用障碍。
• 缺乏互操作性：旅客的身份和权益信息被锁定在各个“数据孤岛”中，无法在不同服务商之间顺畅流转，造成了重复验证、排队等候等一系列负面体验。

第二章：架构革命——可验证凭证（VC）与信任注册中心（Trust Registry）

要解决上述问题，核心在于打破中心化的身份数据垄断，将数据控制权归还给用户，同时建立一种跨机构、可互信的验证机制。这正是去中心化数字身份（DID）架构的核心思想，其技术基石包括：

• 去中心化标识符（DID）：一种全球唯一、由用户自己控制的数字身份标识，不依赖于任何中央注册机构。
• 可验证凭证（VC）：一种数字化的、有防篡改加密签名的“声明”（如数字员工证、数字登机牌、数字护照副本）。它由签发方（Issuer）签发给持有方（Holder），持有方可以自主选择将其出示给验证方（Verifier）进行验证。
• 数字钱包（Digital Wallet）：持有方用来安全存储和管理其VC的应用程序。
• 选择性披露（Selective Disclosure）：持有方在出示VC时，可以选择只分享验证所需的最小信息子集（例如，只需证明“已成年”，而无需透露具体出生日期），这是保护隐私的关键技术。

然而，仅有这些技术组件还不足以构建一个产业级的生态系统。一个关键问题是：验证方（如航空公司）如何相信一个VC的签发方（如一家陌生的旅行社）是真实可信的？这就引出了整个生态系统的治理核心——信任注册中心（Trust Registry）。

信任注册中心是一个权威的、共享的基础设施。它维护着一份“受信任的签发方列表”，将签发方的DID与其在物理世界的身份（如旅行社的IATA代码）进行绑定。同时，它还定义了生态系统内允许签发的VC类型、数据模式（Schema）和展示规则。当航空公司收到一个VC时，它不仅会进行加密验证，还会查询信任注册中心，以确认：1. 签发该VC的旅行社是经过认证的；2. 该旅行社有权签发这种类型的VC。

核心洞察：信任注册中心是实现规模化互信的关键，它将双边信任关系（点对点建立）转变为基于共享治理框架的多边信任关系，极大地降低了生态系统的准入门槛和交易成本。这是从技术PoC走向产业应用必须跨越的一步。

第三章：B2B转型实践——“777项目”的7秒愿景

“777项目”旨在将旅行社员工的入驻流程从“7天”缩短到“7秒”。其PoC验证了7个核心工作流，覆盖了员工数字ID的签发、注册、审批、认证（移动端/桌面端）和撤销全生命周期。

其生态系统蓝图清晰地定义了各方角色：

• 签发方（Issuer）：旅行社。负责为其员工签发包含姓名、员工ID、职位等信息的“数字员工VC”。
• 持有方（Holder）：旅行社员工。通过手机或网页版的数字钱包存储和管理自己的VC。
• 验证方（Verifier）：航空公司。在其B2B门户集成VC验证服务。

当员工注册时，只需通过钱包出示其VC，航空公司的系统便能立即完成加密验证和信任注册中心查询，实现自动化的身份确认和账户创建。更重要的是，当员工离职时，旅行社只需在自己的系统中将该员工的VC状态更新为“已撤销”，所有集成了该体系的航空公司在下次验证时便会自动拒绝其访问。这种集中管理的撤销机制，从根本上解决了权限管理的难题，极大地提升了整个生态的安全性。

第四章：B2C体验革命——“321项目”的1键点击愿景

“321项目”则聚焦于将旅客在机场的各项服务体验（如休息室准入）从“3分钟”缩短至“1次点击”。PoC覆盖了三个高频、痛点明确的场景：地面Wi-Fi接入、休息室准入和机上Wi-Fi接入。

这个生态系统比B2B场景更为复杂，涉及多个签发方：

• 护照副本VC签发方：一个受信任的第三方（或未来由政府主导），通过扫描实体护照MRZ码和读取NFC芯片，为旅客签发一个基础的数字身份凭证。
• 常旅客VC签发方：航空公司A（雅典娜航空）为其顶级会员签发一个包含会员等级的VC。
• 登机牌VC签发方：航空公司B（克洛诺斯航空）为旅客签发一个包含航班信息的VC。

旅客在克洛诺斯航空的休息室外，只需扫描二维码，其钱包就会收到一个验证请求。旅客授权后，钱包会将常旅客VC（来自雅典娜航空）和登机牌VC（来自克洛诺斯航空）一同出示给克洛诺斯航空的验证服务。系统通过验证这两个VC，并结合后台的合作协议规则（雅典娜航空的顶级会员可以进入克洛诺斯航空的休息室），即可瞬间完成准入判断。

核心洞察：这个流程的革命性在于，它实现了跨机构的、基于数据的实时动态授权。克洛诺斯航空无需访问雅典娜航空的常旅客数据库，也无需处理任何多余的旅客个人信息。它只需验证两个经过加密签名、来源可信的数字凭证，即可做出精准的商业决策。这不仅极大地提升了旅客体验，更重要的是，它建立了一种“数据最小化”和“隐私保护”的新型数据共享模式，为解决跨航司、跨联盟的客户识别和权益互认问题提供了终极解决方案。

第五章：互操作性——规模化推广的生命线

两个PoC项目成功的关键，在于它们都开发并遵循了一个互操作性规范（Interoperability Profile）。这份规范详细定义了生态系统所采用的开放标准，如：

• VC签发：OpenID for Verifiable Credential Issuance
• VC出示：OpenID for Verifiable Presentations (OID4VP)
• 数据格式：SD-JWT VC（支持选择性披露）
• 撤销机制：OAuth 2.0 Credential Status List
• DID方法：did:web（一种将DID锚定在现有Web域名上的方法）

坚持开放标准是确保生态系统健康发展的唯一途径。它避免了供应商锁定，允许多家技术公司在同一套规则下进行创新和竞争，从而降低了航空公司的采用成本，促进了技术的普及。IATA在其中扮演的角色，正是推动这些标准的制定和采纳，并搭建互操作性测试平台，帮助行业参与者平稳过渡。

第六章：商业价值与采纳路径

引入去中心化数字身份的商业价值是多维度的：

• 成本节约：大幅降低人工审核、客户服务和后台对账的成本。
• 效率提升：实现旅客和合作伙伴的自助化、实时化服务。
• 安全增强：从根本上减少欺诈和数据泄露风险。
• 收入增长：更高的登录率和更精准的客户识别，将为个性化营销和辅收创造新的机会。

当然，规模化部署也面临成本挑战，主要是VC验证的技术服务费和过渡期内新旧两套系统的并行成本。白皮书明确指出，技术供应商必须提供成本合理、可扩展的解决方案，特别是在初期，采用“按需付费”等灵活的商业模式至关重要。

未来的采纳路径将是渐进式的。随着政府发行的数字身份（如数字驾照、移动身份证）日益普及，旅客将习惯于使用数字钱包进行身份验证。航空业应顺势而为，首先从休息室准入、Wi-Fi登录这类非强制性、以改善体验为目标的服务场景切入，逐步培养用户习惯，并探索与酒店、租车等其他旅游生态伙伴的凭证互认，最终构建一个覆盖整个旅程的、无缝的数字身份网络。

结论：双轮驱动，迈向智能与可信的航空新纪元

IATA通过其概念验证项目，不仅展示了两项前沿技术的应用潜力，更深刻地揭示了航空业未来数字化转型的核心逻辑：以大语言模型为代表的认知智能，解决运营流程中的复杂性与效率问题；以去中心化数字身份为基础的信任架构，重塑生态系统中的交互与价值交换模式。

“行业LLM项目”的成功，预示着一个由API驱动的、动态的“数字监管即服务”时代的到来，它将航空公司的合规管理从被动的、静态的文本解读，转变为主动的、实时的、嵌入业务流程的智能决策支持。

而“777项目”和“321项目”的探索，则为构建一个以用户为中心、保护隐私且高度互信的旅行生态系统奠定了基础。通过可验证凭证和信任注册中心，航空业可以超越传统的数据库共享模式，建立一种更安全、更高效、更灵活的数据协作范式。

然而，从概念验证走向产业现实，前路依然充满挑战。这不仅需要持续的技术创新和投入，更需要全行业的共同努力：

1. 拥抱开放标准：坚决抵制技术孤岛，共同建设和维护互操作性框架。
2. 共建信任基础设施：支持IATA等中立机构，建立和运营如信任注册中心这样的行业级公共服务。
3. 培育人机协同文化：正确认识AI等新技术的边界，培养员工与智能系统协同工作的能力。
4. 探索可持续的商业模式：航空公司、技术供应商和行业组织需要共同探索能够激励所有参与方、促进生态繁荣的商业模式。

总而言之，航空业的未来，将是一个由数据和算法深度驱动的智能世界。大语言模型与去中心化数字身份，正是驱动这一历史性跃迁的双引擎。它们将共同作用，不仅提升航空旅行的效率与安全，更将重塑人与服务、企业与企业之间的信任关系，最终开启一个真正无缝、智能且值得信赖的全球航空新纪元。而要将这一宏伟蓝图变为现实，行业不仅需要清晰的愿景，更需要可落地的技术策略和实施指南。正如技术专家王文广在其灯塔之作《知识增强大模型》中所强调的，企业在应用知识增强技术时，应有清晰的策略。书中不仅提供了如RAG这样的基础应用框架，更前瞻性地探讨了结合知识图谱的GraphRAG（第九章）等更深层次的推理增强范式，这为航空业在构建下一代智能决策系统时提供了更丰富的思路。此外，书中第10章提出的应用选型“四三二一”原则和面向不同类型企业的实施策略，对于指导航空企业如何在控制风险的同时，稳健、高效地拥抱这场由大模型引领的技术革命，具有极强的现实指导意义。

这场变革的旅程才刚刚开始，技术的探索永无止境。欢迎加入【走向未来】知识星球！在这里，我们共同探索生成式AI、大语言模型与AIGC的无限可能——从技术原理到产品落地，从应用实践到未来趋势。无论是AI和智能体为工作提效，还是为生活添彩，这里都有你想了解的答案，和一群志同道合的伙伴。在【走向未来】知识星球，你可以轻松学会调用各类大模型与智能体，解锁高效与创意并存的新方式，一起见证AI如何重塑我们的日常，一步步走近AGI的精彩未来。点击链接【https://t.zsxq.com/xpWzq】或扫码加入我们，马上启程，和我们一起——走向未来，不负热爱！