本文共字，预计阅读时间。

文/联动优势模型分析总监曾伟雄、零壹财经资深分析师温泉

2019年7月16日，国家发改委等多部门联合印发《加快完善市场主体退出制度改革方案》，明确提出，研究建立个人破产制度，逐步推进建立自然人符合条件的消费负债可依法合理免责，最终建立全面的个人破产制度。

个人破产制度改革提上日程，标志着信用2.0时代的到来。我们之前一直处在信用1.0时代，这个时代的目标是“让负翁寸步难行”，而信用2.0则是给非恶意负翁一个重生机会。从金融行业的角度来看，个人破产制度将增加金融机构的坏账损失，这将迫使金融机构增加贷前风控投入，从而推动征信行业的发展。同时，个人破产制度可能会催生新的征信服务。

但是，面对新的市场机会，目前的征信市场却面临很多问题。而且按照目前的监管方式，有些问题互相冲突，难以解决。

因此，有必要考虑调整监管方式。将征信机构分类监管，拆分为征信数据机构和征信服务机构，或许是当下比较可行的方式。

现有个人征信数据割裂、服务不足

中国征信市场面临问题的焦点在于，市场上新兴的金融服务得不到足够的征信服务支持。

2008年前后开始，中国兴起了互联网金融浪潮，通过网络从事贷款、理财等业务的互联网公司蓬勃发展。但是，这些公司的致命问题是：很难获得征信服务。

到目前为止，获得合法授权、且实际上运营个人征信业务的机构只有两家：中国人民银行征信中心（下称“央行征信中心”）和百行征信。但是这两家机构目前在服务新兴金融服务方面发挥的作用并不大并且面临各自的问题。

央行征信中心的问题在于，其所覆盖的有信贷记录的人群不够广泛。

央行征信中心有全国商业银行报送的个人信用信息，但是其覆盖群体与新兴金融服务机构面向的人群有差异。根据央行征信中心官网公开数据（《征信系统建设运行报告（2004-2014）》），截至2014年底，央行征信中心个人征信系统已经为8.57 亿自然人建立了信用档案，但是其中有信贷记录的自然人只有3.5亿多人。这两个数字之间相差了5亿多人，新兴金融服务机构恰恰是服务这5亿多人，这些人在央行征信中心没有信贷记录。

但在互联网金融蓬勃发展的过去十年中，也就是2008年—2018年间，央行征信中心并没有接入从事网络借贷业务最活跃、发展最蓬勃的P2P公司、现金贷公司等。因此，到目前为止，央行征信中心还没法满足这些新兴金融服务机构的征信需求。百行征信的问题在于，百行征信的股权结构，使得其数据源成为一大问题。

2018年2月22日，百行征信获得个人征信牌照，随后5月23日，百行征信在深圳正式挂牌，目前其业务尚处在开拓期。百行征信有限公司有9位主要股东，除了中国互联网金融协会持股36%为最大股东外，还有8位各持股8%的股东，这八家股东分别为芝麻信用、腾讯征信、前海征信、中诚信征信、考拉征信、中智诚征信、华道征信、鹏元征信。2015年1月，央行官网上发布了《关于做好个人征信业务准备工作的通知》，《通知》要求上述八家机构做好个人征信业务的准备工作。可是后来，这八家都没有拿到个人征信牌照，根据《财新》报道，按照央行征信管理局的设想，开展个人征信业务准备的八家市场机构和中国互联网金融协会作为百行征信的共同发起人和主要股东，不再单独从事个人征信业务，原有部分征信业务将剥离并入百行征信，其他业务可存续为数据服务公司，通过这种方式，让个人征信方面的主要工作和方式聚焦在共商共建共享征信平台上。

问题在于，实际与设想有差异。2019年9月，根据FT报道，阿里巴巴和腾讯拒绝向百行征信提供客户信贷信息。在除中国互联网金融协会的8家股东中，仅3家同意将数据接入百行征信。根据媒体公开报道，除中国互联网金融协会之外，8家机构每家的股份占比都是8%，这是拥有大量数据的股东所不愿意的，因为这8家公司的数据体量是完全不同的。同时，从战略上考虑，巨头们也不愿把数据贡献给百行征信。如果接入百行征信，互联网巨头的数据只有输出，数据不能循环起来，只能获得经济上的一些收入，数据本身没用增值。如果不与百行征信共享数据，8家机构目前没有征信牌照，不能做个人征信业务，也不能有任何个人征信方面的收入，但是征信公司盈利并不丰厚，互联网巨头不在乎这点收入。如果央行一直不给这些巨头发征信牌照，这些巨头宁可不做征信业务。而且，不把数据贡献给百行征信，这些巨头未来还有获得牌照的希望。但是如果把数据贡献给百行征信，可能就彻底没有了做征信的希望。

总的来说，新兴金融机构绝大部分无法获得合法授权征信机构的征信服务，导致了合法授权征信机构的数据与新兴金融机构的数据是割裂的。百行征信内部股东之间的数据也是相互割裂的。2019年9月2日，互联网金融风险专项整治工作领导小组、网贷风险专项整治工作领导小组联合发布《关于加强P2P网贷领域征信体系建设的通知》(下称《通知》)，支持在营P2P网贷机构接入征信系统，这项工作才刚刚开始，但是很多细则还不清楚，效果更是有待观察。

大数据公司在政策灰色地带徘徊

虽然现有的拥有法律授权的个人征信机构服务不足，但是由旺盛的市场需求推动，许多大数据公司却在实质上承担着“征信”的作用。

从数据量来看，商业银行外部产生了很多的数据，这些数据的体量将远超信贷数据。如腾讯、阿里体系，不仅自身有众多数据，它们还广泛投资了很多公司，渗透到每一个人日常的衣食住行。而且，这些互联网公司的数据维度广泛，涉及电子商务、社交、地理位置等等，其丰富程度远超传统信贷数据。

另外，从实际业务需求来说，总是存在“信用白户”怎样向“有信用记录的人”的一个转换问题。这些数据就成为获选方案了。这部分数据的效果怎样，有不同的观点，最好的办法是由市场说了算。

但是，目前我国的法律没有明确规定说可以用这些大数据可以用来做征信，也没说不可以用。这样导致许多大数据公司的业务游离在政策的灰色地带。甚至，有些没有拿到征信牌照的公司没有受到严厉的监管，因此其业务变成了“倒卖数据”。

这其中最引人关注的案例是数据堂。数据堂成立于2010年8月，2014年新三板上市，主要提供语音识别/资料库，被称为大数据第一股。据新华社新媒体2018年7月8日报道，山东破获一起特大侵犯公民个人信息案，共抓获犯罪嫌疑人57名，打掉涉案公司11家，查获公民信息数据4000GB、数百亿条。

数据堂不是第一个这样做的公司，也不是唯一一个。据媒体公开报道，2016年2月，江苏省淮安市公安机关网安部门发现，有人利用互联网大肆倒卖车主、车牌号、车辆类型等公民个人信息。同年，湖北襄阳，重庆巴南，江苏淮安等地纷纷破获侵犯公民个人信息案。当前，网络侵犯公民个人信息犯罪活动涉及人员众多，已经形成了黑色产业链。

监管遇到两难问题

要调整这个局面，对于监管来说，是个两难问题：

如果放开个人征信牌照，让具有一定数据体量的互联网公司都获得征信牌照，就会加强数据的割裂，也不利于个人隐私保护。会加强数据割裂，是因为大的数据公司因为竞争关系，不愿意将数据共享给对方。不利于个人隐私保护，是因为将个人信息分散的机构越多，个人信息保护的难度越大。

如果不放开个人征信牌照，就是目前百行征信的局面。数据体量较大的股东不愿意贡献数据，但是如果没有这些股东的数据，百行征信的所能获得的持续稳定的数据来源又不够，也很难形成与央行征信中心错位发展，使得个人征信陷入僵局。中国征信体系中的商业征信体系，过去就是因为没有持续稳定的数据来源而无法发展壮大。

拆分监管是值得探讨的方向

因此，在当下的环境中，将征信数据与征信服务拆分监管，是一个非常值得探讨的方向。

之所以把征信业务分为征信数据与征信服务两个部分，原因是这样的：

征信业务，是指专业化的征信机构依法对个人、企业等经济组织的信用信息进行采集、整理、保存、加工并对外提供服务的活动。狭义的征信业务主要包括征信登记、信用调查、信用评分，广义的征信业务还包括征信评级。此外，还有一些新的征信业务，如信用风险咨询、身份认证和防欺诈服务、信息市场营销服务等。征信机构则是指依照一定的法律条件设立，主要从事征信业务的机构。

依据上面的定义，征信业务包含了采集、整理、保存、加工、对外提供服务五个活动。其中信用信息采集、整理、保存是一个信息收集的过程，是一个数据流向永久存储介质的过程，这三者之间紧密相关、不可分割的一个完整的数据处理流程，少了任何一个环节数据处理流程是不完整的。而信用信息加工和对外提供服务这两个活动，是利用信用信息生产征信产品和和征信产品对外提供服务的过程，是一个信息从永久存储介质流向外部过程。

因此，我们以征信数据信息流的流向的方向可以将征信业务征信拆分为征信数据处理和征信产品服务，其中征信数据处理包括包含了采集、整理、保存三部分获得，而征信产品服务包含信用信息的加工和对外提供服务两个活动。

如果将征信数据与征信服务拆分监管，就可以解决目前监管面临的两难困境。

拆分监管模式架构

拆分监管的模式是将征信机构分为征信数据机构和征信服务机构，并且征信数据机构和征信服务机构不能是利益关联方，更不能是同一个机构。对相应的征信机构的监管拆分为对征信数据机构的监管与征信服务的监管。监管机构对征信数据机构发放征信数据牌照，对征信服务公司发放征信服务牌照。征信数据机构和征信服务机构都必须要持照经营。如图1所示。

图1：拆分监管模式

征信数据机构从事信用信息采集、整理、保存和加工等信息收集的过程。它的数据来源可以是个人、其他机构的合法数据，以及是自身合法业务的数据，它也可以通过购买数据来获得。例如，金融机构的信贷数据、征信数据机构可以通过市场规则的方式来获得。此外，个人提供的信息主要是征信修复的信息，机构主要是金融机构和有自身业务的大数据机构。

在采集完数据之后，对数据进行必要的整理、数据规范、数据转换等。征信数据公司可以保存客户的明细数据，因为征信服务机构有时候只有通过明细进行加工才能加工出准确的数据产品，而汇总后的数据则不能。例如，客户的多头借贷数据，一个C端客户在一个金融机构贷款，而这个金融机构接了几家征信服务公司的产品，每家征信服务公司如果没有为这个C端客户提供贷款的金融机构的名字，而只有一个数字“1家”，用了几家征信公司产品的用户都会看到“1家”，但是不知道这几个“1家”是否重合，指的是同一家金融机构还是不同的金融机构。

征信数据机构可以通过加工数据，可以加工标签和评分，这里的加工只是对其自身数据的加工，而不能从其他征信数据机构购买数据。

在销售方面，征信数据机构只能将数据销售给不能直接面对客户（征信数据基础库除外）的征信服务机构。

在征信数据机构中，有个特殊件的机构那就是征信数据基础库，它收集的是公共服务的数据。包括银行的信贷数据、社保数据、公积金数据、纳税数据等。它的数据来源是免费的，通过行政手段来收集。别的征信数据公司能够接的数据，征信数据基础库也一定可以免费接。定价这块，可以采用竞价的最低价形式。举个例子，100家征信服务公司来采购数据，每家都报价，报价范围在前一年价格的一半到两倍之间，按价格从高往低排，第90名的价格是1.1元，则报价多于1.1元的都算中标了，都按照1.1元的数据购买，低于1.1元的则不中标。这种方式有如下好处：1）基础数据免费收集，保障了我国基础征信的运行；2）市场化征信数据机构也可以接信贷数据等数据，使得征信数据基础库管理机构有外部竞争；3）价格竞标保障了基础征信的利益，征信数据基础库有收益来维持运转，并且这种价格是一种市场的，让需求强烈的征信服务公司得到数据； 4）购买数据没有中标的其他征信公司可以通过对接其他征信数据公司来获得这些数据；5）竞标竞争公平，使得征信数据基础库作为一个公共产品的价格在卖的过程中没有权力寻租空间。

征信基础数据库还有个特殊之处是它能够直接对接客户，但是只能免费对接，并且客户必须是国家机关。

征信服务机构则从事征信信息的加工（这里的加工有数据融合的功能）和对外提供服务两个活动。征信服务机构的数据来源只能从征信数据机构获取数据，不能直接从其他机构获取，也不能将自己业务产生的数据直接用于征信产品。在数据保存方面，除了分析、建模、研究需要的数据之外，不能保留明细数据，并且在保留的时候必须将隐私信息做不可逆的加密处理。征信服务机构最核心是利用自身的技术通过不同的数据源融合、加工、开发评分产品。征信服务机构可以直接将其产品销售给最终客户。

此外，对征信数据源的界定需要依据现在社会的实际数据情况，宜采用负面清单的形式，列出哪些类型数据明确不能用于征信，除此之外只要是合法业务来源的数据都可以用于征信，这样更加释放出数据的功效。征信服务公司的服务对象则白名单形式列出哪些类型公司能够查询征信报告，这样可以避免征信泛滥。此外，对征信服务机构服务对象的限制，也会通过市场行为传导到征信数据机构，他们自然会去选择有市场需求的数据源。

为什么是拆分监管模式

为什么不能照搬美国模式

长期的市场竞争，美国征信行业形成了“FICO+三大征信机构”的模型，FICO主要使用的是三大征信机构的数据，通过其自身的模型给出消费者个人或企业的信用评分，然后再自己售卖或者通过征信巨头售卖信用评分。征信机构也会有自己的征信评分，但是占主导地位的还是FICO评分。从这种模式看，FICO更多的是技术公司的职能，他的数据来源于征信公司，其评分也是会通过征信机构销售。

与现有的模式的差别在于以下几点：第一，他们是市场模式，而我们则持证经营（通过行政监管手段来的）。第二，美国征信公司和FICO都可以面对金融机构客户，我们的征信数据机构和征信服务机构拆分得比较彻底，即数据公司不能对金融机构提供服务；

上面的两者区别，是由于两国征信发展历史和文化环境不同导致的差异。

美国三大征信巨头形成一定行业格局的时候是在上世纪90年代互联网大规模商用之前，那时三大征信巨头已经具备各自的实力，他们面临的新的问题是如何把互联网数据纳入征信、同时也保护好个人隐私。而中国则是征信数据、大数据内部以及他们之间形成了数据孤岛，并且中国的金融服务也并不发达。中国征信业面临的情况是：征信市场化和金融服务市场化并行，同时互联网对金融产业产生巨大的改变，三个变化同时推进。

第二文化环境不一样，美国的文化是分工合作，将其中的某一个环节做好，这种文化环境下，自然能够产生征信公司和技术公司，他们之间会相互配合。而我国的文化则是相反，大部分公司做生态，在这种环境下很难产出很难打破孤岛。

最后是时效。通过市场分工和竞争，即使能形成良好的征信行业的局面，至少需要几年甚至是十几年。因此需要国家的行政政策去引导提高时效，通过这种牌照关系将顶层关系设计好，然后让他们再去竞争。

在中国社会法治尚不成熟的情况下，如果放任市场发展，法律不加以平衡，会造成商业利益严重侵犯个人隐私，这将使全社会为几家巨头的商业利益付出巨大的代价。作为个人隐私保护意识启蒙的案件，徐玉玉案就是前车之鉴。

对现有模式的优化在哪

拆分监管的模式与现有模式的差异在于，通过更加市场化的方式来化解监管的两难问题。

现有监管模式如果实施最终形成的结果也是将征信数据和征信服务分离，但是是通过利益绑定的方式，即八家准征信机构持牌成为百行征信的股东，百行征信从事征信服务，这八家要么贡献数据和技术给百行征信将百行征信做大，从而大家共同受益。

但是由于这种撮合不是通过市场竞争选择的结果，存在着利益分配“大锅饭”的情况。从目前实施的情况来看并不理想，因有媒体曝出阿里、腾讯拒绝向百行征信提供数据的报道。

此外，由于现状的这种模式只有百行征信、央行征信中心，目的是两者之间形成错位互补，形成不了适度的市场竞争，从而较难推动行业的发展。

本模式是通过利益切割的方式，使得征信机构要么持有征信数据牌照，要么持有征信服务牌照。切割的目的有三：一是为了避免拥有大量数据的公司垄断整个征信服务市场，避免征信服务受商业利益牵制而失去公正；二是保证拥有大量数据的机构获得合理的、与自身商业价值相匹配的回报；三是更好地利用互联网数据，改变目前数据孤岛的局面，使得征信服务真正服务于提高全社会的福利。

监管要点

制定条例，推动立法

为了推动这种模式的有效进行，监管机构除了现有的相关条例之外，还需要制定新的条例，主要包括：

基础征信数据的界定：即什么数据是必须免费上报给征信基础数据库的。

两种机构的职能划分：划分出两者的职能，使得两者之间没有重叠，且有相互促进的作用。

两种机构的准入条件：对两者的准入条件做限定，例如注册资本、实缴资本、数据来源、公司治理、数据安全等方面。同时对征信服务机构还需要有分析能力的准入条件。

两种机构相关利益方的鉴定：出台征信数据机构、征信服务机构之间相关利益方的鉴定，主要是防止某家征信数据机构与某家征信服务机构之间存在着相关利益，导致之前数据割裂的局面重现。

在保护客户隐私不受侵犯的前提下，减少一些繁杂的流程和环节。例如，客户授权可以采用行业授权的形式，征信服务与征信数据公司之间流转则不需要授权，除非个人有明确声明信息不想给哪家公司。

同时，依据实施的实际经验去提炼法律条文，在时机成熟的时候，推动立法，为整个行业的长期健康发展保驾护航。

行业指导管理

征信行业需要一个行业自律协会，这种协会主要承担具体行业规范的制定，主要包括行业接口和规范的制定，行业信息交流，行业研究等。

监督机构指导行业协会工作。这样将监督与具体事务进行分离，各司其职，但又不会相互脱节。

防止横向联盟和垄断

无论是对征信数据机构还是征信服务机构，都要防止他们各自的横向联盟和垄断。

征信数据机构横向联盟形成垄断，一方面可能对数据源方面形成垄断价格，进行价格压榨，另外一方面对征信服务公司形成垄断价格，统一提高价格。由于我国现在的数据源集中在几家大公司，而不够分散，这种联盟相对比较容易。

征信服务机构横向联盟形成垄断，主要是对征信数据公司形成垄断价格，进行价格压榨，尤其是对基础征信数据库的危害更大。

防止纵向利益关联和垄断

这里的纵向联盟和垄断是指一家或几家与征信数据公司与一家或几家征信服务公司形成协议垄断。

虽然在一般行业学界普遍认为，纵向垄断协议对社会的负面影响更小。但是对于目前的征信行业而言，纵向联盟垄断的危害要高于横向垄断。因为垄断一旦形成，数据割裂、数据孤岛的现象必然重现，从而将失去征信数据公司与征信服务公司的良性互动，制约整个行业的发展。此外，由于目前有“做闭环，做生态”的商业氛围，如果预防不当，形成纵向垄断的可能性是非常高的。

为了防止纵向垄断的形成，可以从下面几个方面去监督：

第一，从准入上监管，规定征信数据机构和征信服务机构不能是利益关联方。监管机构需要对股权结构进行多层穿透管理，防止出现征信数据机构与征信服务机构存在利益关联方。

第二，从征信数据机构的收入上监管，规定一年内来自一个征信服务机构的收入不能超过总收入的一定比例。

第三，从征信服务机构的支出上监管，规定一年内付给一个征信数据机构的支出不能超过总支出的一定比例。

当然，也可以将第二条、第三条联合起来判断。

拆分监管的优势

将数据放在阳光下监管

互联网大数据时代的到来使得征信数据来源更加分散。与过去信用数据主要分布在政府和银行两大系统不同，大数据时代的到来使得互联网上的任何行为数据都可能可以用来辅助判断信用。这就使得更多的公司可以成为数据源。

但是以往这些数据源很难拿到合法的征信牌照。由于需要进行个人隐私保护的原因，征信必须是一个强监管行业，需要持牌经营。以往，我们的个人征信牌照尚未放开，很多掌握数据的公司难以拿到征信牌照，但是市场又需要他们的数据，这样就形成了数据买卖的灰色地带。

与此同时，监管并不明确。比如，对大数据是否做能当做征信数据、哪些大数据可以当做征信数据，一直没有很明确的监管条例。实际上，这在业界也是需要不断通过实践探索来回答的问题，还没有完全的定论。可是，这导致大多数大数据公司游走在灰色地带，不知道红线在哪里，甚至还有些走入犯罪深渊。

如果用拆分监管的方式，则可以很好地解决这个问题，可以将所有的数据都置于阳光下。目前，很多金融机构、互金公司也在接外部的大数据公司当做风控数据的一种补充，实践证明有些大数据是有效果的。监管机构可以采用负面清单的形式，明确列出哪些明确不能用于征信，除此之外只要是合法业务来源的数据都可以用于征信，同时要求征信数据机构需要持牌经营，这样就使得有数据、并且想将数据变现的机构都去拿牌照，最终使得数据全部暴露在阳光下监管。这样大数据从业人员也不会整日惊慌失措不知道红线，也能够让数据发挥更大的功效，并且也能大大减少灰色地带的数据买卖。

数据安全而无孤岛

数据安全是指数据公司直接卖明细给外部机构，并且征信服务公司不能输出明细数据，除用于建模样本之外，也不能保存明细数据。

存放在不同公司，则是安全的，任何一家公司没有全量的明细，一定程度上保障了数据的安全性。而征信服务机构整合数据、加工数据，但是不保留和输出明细数据。这样保障了数据分开存储而不影响数据功效。

现在数据孤岛的形成的主要原因是由于征信公司直接面对客户，而有数据的征信公司不愿意卖数据给竞争对手。征信数据和征信服务公司拆分监管模式，则使得征信数据公司不能直接卖给客户（主要是银行、金融公司等B端），只能卖给征信服务公司，而征信服务公司有客户没有数据，只能去不同的征信服务公司购买数据源。这样数据就在征信服务公司进行了整合。

形成良性互动

在拆分监管架构下，征信数据机构和征信服务机构可以形成良性互动。

对于征信数据机构来说，由于征信数据机构与征信服务机构之间没有“利益关联方”，因此对于一个征信数据公司而言，可以将征信数据依据市场规则销售给征信服务公司，而不会顾忌“利益关联”问题决定销售给谁，不销售给谁，把自己的销售对象限定。

对于征信服机构来说，征信服务公司自身没有数据，但是有客户，他们只能从数据征信公司购买数据。由于没有利益关联方，他们可以依据征信数据公司的数据覆盖度、饱和度、数据的区分度、以及数据带来的增益、数据价格等来决定跟谁合作。并且由于各大征信数据公司的数据各有特色，因此他们也不会预设性地去排斥特定的一家。

这将彻底改变目前数据孤岛的局面。在拆分监管架构下，由于无论是征信数据公司还是征信服务公司，都比较多，谁也不是不可或缺的，因此征信数据公司和征信服务公司之间能够形成良性的互动。而不会像现在，一方面握有数据的机构掐着数据不放，另外一方面，这些机构也只能去购买自己生态体系内的数据，而无法用到竞争对手体系内的数据。

这种良性互动将带来双赢的市场局面。一方面双方的使得双方联系更加密切，最终客户的需求能够通过征信服务公司传导到征信数据公司。另外使得征信数据公司提供更好的数据以及更好的服务给征信服务公司。

形成互补与良性竞争

在这种拆分监管的模式下征信数据机构之间、征信服务机构之间形成良性竞争，打破了之前的由于某几家拥有绝大数据公司的的征信公司形成的垄断。

在征信数据机构之间，将形成征信基础数据与大数据之间的互补。在大数据公司之间，也将形成互补。因为其他征信数据公司也可以通过市场规则获取一些征信基础数据公司的数据，因此不会出现征信基础数据公司获得数据却不作为的情况。只不过是它获得数据的没有数据源的成本，而市场的征信数据公司则有数据成本，征信基础数据库有一定价格优势。市场化的征信数据公司则是需要不断提高自身的数据获取能力、数据处理能力、加工能力以及销售能力，才能加工出征信服务公司更加满意的数据产品。

此外，由于现状数据比较广泛，绝大部分数据单独的增益都比较弱，因此数据本身不会形成一家独大的情况。

在征信服务公司之间的竞争，主要在用性价比高的数据源生产出区分能力强的产品，然后卖给客户。良好的竞争环境使得能够研制出更好的产品。

本文仅代表作者个人观点，不代表所在单位意见。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。