--- author: Best Partners TV date: '2026-03-31' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=R7RxUUK7ZeI speaker: Best Partners TV tags: - ai-agent - product-strategy - agi-future - gpu-constraints - user-retention title: ChatGPT的未来：从技术演示到AGI时代的产品进化与商业洞察 summary: 本文分享了OpenAI ChatGPT负责人尼克·特利（Nick Turley）的深度访谈。内容涵盖ChatGPT从技术演示到拥有9亿日活用户的演变历程、产品策略、AI Agent落地路径、GPU算力限制、商业模式探索，以及对AGI时代的愿景和创业方向的洞察。访谈强调了用户留存、产品体验、主动性AI以及未来AI的进化方向，并探讨了如何平衡用户需求与技术创新。 insight: '' draft: true series: '' category: ai-ml area: tech-engineering project: [] people: - Nick Turley - Sam Altman companies_orgs: - OpenAI - Meta - Google - Apple - Reliance products_models: - ChatGPT - DALL-E 2 - GPT-3.5 - GPT-4 - GPT-4o-mini - Codex - NotebookLM - Pulse - Deep Research - OpenClaw media_books: [] status: evergreen --- ### 访谈背景与个人经历 **大飞**: 大家好，这里是最佳拍档，我是大飞。2026年3月16日，**OpenAI**的ChatGPT负责人**尼克·特利**（**Nick Turley**）接受了**BG2 Pod**的访谈。他首次披露了**ChatGPT**如何从一个只打算运行一个月的技术演示，成长为周活跃用户9亿的全球化产品，并详解了**AI Agent**的落地路径、OpenAI的**红色警报机制**、**GPU**算力的硬约束，甚至明确了**AGI**时代衡量AI成功的终极北极星指标。今天，我们就来分享一下这期访谈，看看OpenAI是如何思考产品和技术布局，以及未来AI的进化方向。 **尼克·特利**: 我与OpenAI的结缘源于一场偶然。当时我非常钦佩的一位从业者已经在OpenAI工作，我原本只是想请对方让我优先体验一下**DALL-E 2**。结果这位从业者告诉我，想要提前体验DALL-E 2，就必须参加OpenAI的面试。也正是这次面试，让我留在了OpenAI，一待就是三年半，而这三年半也正是ChatGPT从概念走向现实的关键时期。 ### ChatGPT的商业逻辑与用户增长 **大飞**: 谈到ChatGPT的商业底层逻辑，很多人都以为推出订阅制是为了营收。但是尼克却说，ChatGPT早期的订阅服务纯粹是一种限流手段。ChatGPT最初的定位只是一个技术演示产品，OpenAI甚至计划在产品上线一个月后就将它关停。所以最初采取了完全免费的模式。但是，让所有人没想到的是，这个技术演示彻底火了，用户的使用热情远超预期，ChatGPT也自然而然具备了产品的属性。而作为一款正式的产品，不可能在服务器达到容量上限时就随意下线。在算力资源不足、不得不拒绝部分用户的情况下，OpenAI推出了订阅服务。这是当时最公平、最合理的体面限流的方式，让真正有紧急使用需求的用户能够获得稳定的服务。 **大飞**: 目前，ChatGPT的全球周活跃用户已经达到9亿。而在这背后，ChatGPT的用户留存曲线呈现出了一种罕见的**笑脸形状**，也就是用户在流失几个月后，还会重新回流使用产品。 **尼克·特利**: 笑脸留存曲线的核心原因在于，用户需要时间去真正理解生活和工作中哪些部分是可以委派给AI处理的。这个理解过程通常需要长达几个月的时间。而推动用户回流的两个核心杠杆是**搜索功能的升级**和**个性化体验的打磨**。在此之前，ChatGPT更像是一个偏向工作的工具，周末或暑假的使用量会出现明显下降。但是OpenAI转向**移动优先**的产品策略后，大部分流量开始来自手机，大量的个人使用场景被激活。而搜索功能的重大投入，让ChatGPT具备了极强的日常使用价值。同时，个性化功能让ChatGPT变得越来越懂用户，用户能在更多个性化的生活场景中感受到AI的价值。这两点的结合，显著提升了用户的回访率。当然，即便OpenAI对目前的留存率感到自豪，也绝不会止步于此，产品优化是一个持续的过程。 ### 核心目标与增长动力 **大飞**: 在用户数、付费订阅、留存、参与度等众多产品指标中，OpenAI的核心考核逻辑也在发生变化。 **尼克·特利**: ChatGPT的核心目标始终是打造一个**超级助手**，能够真正帮助人们达成自己的目标。所以衡量产品成功的核心标准从来不是单一的数据指标，而是产品是否真的帮到了用户。每个人使用ChatGPT的需求都不同，有人想通过它变得更加健康，有人想创业，有人想学习新知识，还有人只是想完成报税。如果要将100分全部分配给各类指标，我会把所有分数都押在**长期留存**上，而收入这类指标只是留存的自然结果，不应该成为直接追求的目标。 **大飞**: 在AI行业，竞赛往往呈现赢家通吃的特点。**Meta**和**Google**还拥有巨大的分发渠道，但是ChatGPT却实现了惊人的增长。 **尼克·特利**: 我将增长动力总结为三个核心部分。第一部分是经典的**消除摩擦**类工作，也就是优化产品的基础体验，比如移除登录墙。**山姆奥特曼**（**Sam Altman**）从ChatGPT诞生的第一天起就认为，用户不应该必须登录才能使用产品。第二部分是**核心产品投入**，搜索和个性化就是最典型的例子。OpenAI不仅对产品的UI和用户体验进行了迭代，还通过后期训练将这些优化植入了模型本身。第三部分是**模型本身的持续提升**，这既包括从**GPT-3.5**到**GPT-4**的跨越式技术进步，也包括大量不显眼的日常迭代，比如**GPT-4o-mini**的更新，就是OpenAI收集了大量用户反馈后，有条理地解决产品问题的结果。而这些优化也直接反映在了产品的留存率上。 ### 下一个10亿用户与产品进化方向 **大飞**: 在触达全球10%的人群后，ChatGPT的下一个10亿用户在哪里呢？产品形态又将如何进化呢？ **尼克·特利**: OpenAI的目标不仅是触达更多人，更是让AI的收益惠及每一个人。所以未来的发展核心不仅是增加用户数量，更是让现有的用户获得更有意义的价值，真正帮他们达成目标。而要吸引下一波用户，ChatGPT必须突破现有的聊天机器人形态，这也是当下AI产品发展的核心临界点。我坦言，**委派任务**对大多数人来说并不是一种天生的技能。ChatGPT就像一个功能强大的精密工具一样，但是它不会主动告诉用户怎么用，很多用户只能从社交媒体上学习使用技巧。这也是当下AI产品的核心痛点。所以未来的第一个进化方向是让产品具备更强的**示能性**，也就是更直观的功能引导。OpenAI需要把生活中那些可以用智力辅助解决的问题场景，明确地呈现在用户面前，让用户一眼就能知道AI能帮自己做什么。第二个进化方向是让产品的界面从计算机终端式向**软件或操作系统式**进化，降低用户的使用认知成本。第三个也是最核心的进化方向，是让AI变得更**主动**。在这个大家都忙得没空思考如何委派任务的时代，AI应该能够预判用户的需求并主动提供帮助。而在所有的技术演进中，我最期待的，是将**推理模型**产品化。目前推理功能还只有一小部分用户在使用，但是我坚信推理是具有变革性的技术。如果能以一种代表用户执行长周期任务、而用户甚至不需要感知推理概念的方式将它产品化，那将是AI产品的巨大飞跃。 ### AI Agent的落地与通用性 **大飞**: 当AI具备了主动预判的能力后，真正的核心问题就来了：AI什么时候能真正接管用户的长周期复杂任务呢？ **尼克·特利**: 执行任务和主动性是两个相辅相成的概念，二者结合在一起才能产生超级助手的复利效应。其实目前ChatGPT已经具备了一定的执行任务能力，但是这些能力的发挥空间有限，它还没有像一个坐在电脑前的人那样拥有完整的行动空间，而这正是OpenAI的核心目标。但是在这个过程中，时机至关重要。OpenAI此前也曾经尝试过早期的AI Agent能力，但当时的模型还没有达到真正的逃逸速度，技术没有突破临界点，用户就无法建立对AI的信任，甚至不愿尝试使用这些功能。而当产品的能力达到一定程度，用户开始尝试用它解决现实中真正有意义的问题时，正向循环就会开始。我认为，目前OpenAI已经即将达到**通用Agent**的技术临界点，模型的运行能力已经足够好，至少能让用户获得部分认可。而一旦拥有了一套可以持续精进的用例，通用Agent的能力就能快速提升。虽然内部人员也很难预测通用Agent落地的准确时间点，但可以确定的是，这一天已经越来越近。 **大飞**: 在AI的主动性探索上，OpenAI推出的**Pulse**功能就是一个很好的尝试。 **尼克·特利**: Pulse的核心目标是改变用户主动提示模型的传统模式，让模型根据对用户目标和兴趣的理解，主动发起提示，为用户提供个性化的服务。当然，目前的Pulse还有明显的局限，因为它还没有深入连接到用户的生活，无法直接替用户办事。但真正的技术魔法就发生在AI的行动能力与主动性结合的瞬间，因为二者结合后，AI就能开始进行预判性执行。只不过，要实现这种真正的产品形态变革，OpenAI还需要攻克多个技术难关。 **大飞**: 从技术落地的顺序来看，AI Agent的发展并不会一步到位实现通用形态，而是遵循从特定领域到通用领域的渐进式路径。 **尼克·特利**: 最先落地的必然是特定领域的AI Agent，**编程领域**就是最好的例子。目前编程领域已经完全进入了AI Agent的时代，这一点甚至超出了很多人的预期。现在有大量的工程师甚至从来不打开他们的集成开发环境，完全依靠AI完成编程工作。**Codex**及其同类产品显然已经达到了技术的逃逸速度，用户已经完全将其用于各种Agent化的工作。而对于这类已经成熟的垂直领域AI Agent，OpenAI的核心工作就是把用户正在做的事情做得更好用。而在编程领域之后，**定量知识工作领域**大概率会成为下一个AI Agent落地的核心领域，因为这类工作和编程拥有相似的属性：它们是可测试的，用户能明确知道AI的工作成果是否奏效，而且这类工作对强化学习非常友好，模型能通过持续的反馈快速迭代。目前特定领域的AI Agent工具已经跑通，而整个行业真正努力追求的是能处理几乎所有事情的通用AI Agent。但是通用AI Agent的普及面临着一个核心难题，那就是训练大众的使用习惯，这是所有消费级产品面临的最大挑战。OpenAI推出的**Deep Research**功能是第一个具备Agent特征的消费级产品，但是这还不够。消费者真正想要的，是随口下个指令，AI就能自动完成需要做的事情，而不需要任何重新训练。不过我坚信，这个目标迟早会实现，只是时间问题。 ### 对话模式的价值与局限 **大飞**: 而无论是特定领域还是通用领域的AI Agent，核心的发展逻辑都是让AI超越聊天机器人的形态。 **尼克·特利**: 我对此有一个核心观点：对话只是意图的入口，而非理想的输出形式。未来的AI要具备**指令直达结果**的能力。他表示，对话模式对于ChatGPT的成长意义非凡，也会是一种长期存在的重要模态。但是对话的核心价值不在于聊天，而在于**自然语言交互**。用户可以用对自己来说最自然的方式向机器表达意图，无论是通过文本、语音，还是由模型渲染的结构化UI。这种自然语言交互的能力非常强大，也会一直存在。但真正需要改变的是，对话虽然是表达意图和与机器沟通的好方法，却并不是一个完美的输出形式。用户使用AI的核心需求从来都不是和AI聊完天，而是获得一个具体的交付成果。比如用户想要一份旅行计划，真正需要的是一份行程清晰、包含交通和住宿的完整计划，而不是和AI的一系列对话。这才是用户真正关心的，也是OpenAI希望AI能实现的目标。所以未来的ChatGPT，对话会始终存在，作为用户明确意图和启动任务的入口，但它绝不会是最终的交付物。而这种指令直达结果的进化，会是一个平滑的过程，用户还有大量未满足的需求，这正是产品进化的最佳起点。 ### 用户需求平衡与产品设计 **大飞**: 在拥有海量用户后，一个核心的产品问题摆在了OpenAI面前：如何平衡大众用户的易用性需求和超级用户的深度使用需求呢？毕竟在ChatGPT的用户中，既有把它当作搜索引擎使用的普通用户或新用户，也有从中获得巨大价值的超级用户，二者的需求差异巨大。 **尼克·特利**: OpenAI对整个用户群都负有责任，甚至包括非用户。而在构建产品时，想象两个极端用户的需求会让产品的设计更有方向。对于那些完全不在乎AI、且生活非常忙碌的普通用户，OpenAI必须用极致的产品体验证明AI的价值。这就迫使团队必须把界面做得极其出色，并且以人们真正能理解的方式展示隐藏在模型中的能力，让普通用户能零成本使用产品。而对于超级用户群体，他们的价值则在于教会了OpenAI什么是可能的。AI是一项极具经验性的技术，很多产品功能和使用场景都是在发布后由用户发现的。OpenAI不可能仅靠自己完成所有的产品发现，而超级用户就是产品发现的核心力量。为了平衡二者的需求，OpenAI以**Mac OS**系统为产品灵感。我非常推崇Mac OS的设计逻辑，Mac OS的核心设计亮点是**复杂性的渐进式披露**。用户可以根据自己的能力，逐步探索产品的复杂功能，既享受极简的基础交互，又能拥有深度使用的所有选项。这也正是ChatGPT想要实现的产品状态。所以OpenAI从来不会只盯着周活跃用户这一个指标，而是会认真对待每一个细分用户群体，观察不同用户的使用频率和使用用例。而观察超级用户的使用行为，总能给我带来新的产品启发。 ### 定价模式、广告试点与合作伙伴战略 **大飞**: 随着用户需求的不断分化，ChatGPT的定价模式也在不断进化。 **尼克·特利**: 我坦言，在当前的AI时代，为用户提供无限量的AI使用计划就像提供无限量的电力计划一样不现实，因为有些超级用户的需求极大，而且从中获得了巨大的商业价值，无限量计划会让算力资源不堪重负。所以OpenAI会非常慎重地考虑定价方案和订阅级别的演变。而考虑到AI技术突破的力度之大以及随之而来的产品变革，如果ChatGPT的定价模式保持不变，那才是真正的意外。 **大飞**: 而对于那些偶尔使用的非订阅用户，如何让他们也能使用ChatGPT的先进功能，同时贡献商业价值呢？OpenAI给出的答案是广告试点。 **尼克·特利**: OpenAI商业模式的核心目标始终是提供技术准入，希望让能够使用最强大AI工具的人数最大化。而广告试点，就是OpenAI为了最大化技术普及而做出的探索。但是广告的加入必然会面临一个问题：如何在商业化的同时保持用户对ChatGPT的信任呢？对此，OpenAI制定了明确且严格的广告原则。在我加入OpenAI的这段时间里，团队多次讨论过广告加入的问题，共识始终是如果要加入广告，必须做得非常考究。去年年底，OpenAI让全公司参与讨论，确定了ChatGPT广告试点的核心原则：首先，ChatGPT的回答必须保持独立性，广告不能影响AI的回答结果；其次，对用户的隐私尊重至关重要，这是不可触碰的底线。从目前的试点数据来看，结果超出了预期。我当时焦虑又急切地查看后台数据，发现关于广告最常见的询问不是如何关掉广告，而是“我怎么才能在上面投广告”。OpenAI也希望能把广告这块业务做好，让商业化与用户体验实现双赢。 **大飞**: 在产品商业化和技术演进的同时，OpenAI还面临着一个核心的产品权衡：如何在维持现有产品稳定与推进跨越式创新之间找到平衡呢？而合作伙伴战略也成为了ChatGPT实现规模化发展的重要抓手。 **尼克·特利**: 合作伙伴关系是融合两个产品、让更多人接触到ChatGPT的极佳路径。而我在考虑合作时，最看重的是用户体验是否出色。归根结底，虽然通过合作可以引导大量用户点击使用ChatGPT，但是如果产品体验不够惊艳，用户最终还是会流失。所以合作的核心原则是**体验为王**，必须对用户产生增益。这也是ChatGPT与**Apple**、**Reliance**展开合作的核心逻辑。这两个合作分别瞄准了iOS用户和印度市场这两个巨大的用户阵地，让ChatGPT能触达更多不同地域、不同使用场景的用户。 ### 平衡创新与算力约束 **大飞**: 而作为产品负责人，尼克面临的最核心、也最外界不易觉察的权衡，是在优化现有用例与将跨越式技术产品化之间的取舍。 **尼克·特利**: ChatGPT诞生时是一个完全开放式的产品，当时没有人能准确说出它到底能干什么，但OpenAI做出了最正确的决定——把它推向市场。因为只有这样，才能让团队和整个世界一起发现AI的价值。而在产品发布之后，OpenAI就可以非常系统地去改进那些用户实际需要的功能，让产品的体验越来越完善。但是在OpenAI这样的技术驱动型公司，团队必须同时面对两个任务：一方面要维持现有产品的惊人势头，把延迟、可靠性等基础体验做到极致；另一方面还要应对研究端的跨越式技术突破，将最新的技术转化为产品功能。而平衡点就在于既要保证核心产品的基础体验足够好，又要为用户提供接触跨越式技术的渠道。但受限于团队规模，OpenAI并不总能做到完美，这也是我面临的最难的权衡之一。 **大飞**: 而让这种权衡变得更加艰难的核心因素，是GPU算力的紧缺。 **尼克·特利**: 我直言，当前的GPU算力已经成为比人才更稀缺的资源。OpenAI的产品规划必须从算力的硬约束出发进行倒推。在纯软件行业，企业很少会面临这种零和资源的限制，但是AI行业不同，算力是AI产品发展的基础，而GPU作为算力的核心载体，它的数量直接决定了产品的能力边界。OpenAI算力分配的首要原则是优先保证现有用户的体验，因为提供快速、可靠的产品是吸引和留住用户的至关重要的入场券。而在审视新功能的研发时，很多企业会用商学院的逻辑计算每个GPU能带来多少增量收入，但是这在AI产品决策中并不适用。产品决策更像艺术而非科学。OpenAI经常会推出一些从0到1的突破性能力，在真正把产品做出来之前，没有人能预料消费者是否会对这类产品有需求，但如果不去尝试，就永远不会知道答案。我透露，GPU的紧缺程度远超外界的想象。一方面，ChatGPT的用户群规模庞大且在不断增长；另一方面，OpenAI为单个用户提供的价值也在持续提升。如果观察单个用户的Token消耗趋势，尤其是在潜力巨大的企业级市场，会发现很多工作流对GPU的需求极其饥渴。即便GPU的价格在不断下降，算力的总需求却一直在飙升。但是，GPU是一个死板的零和资源，没有增量算力，就必须在用户体验上做极其艰难的取舍，而这也是我最讨厌的事情。这就是为什么OpenAI如此渴望拥有更多的GPU。也正是因为算力的硬约束，OpenAI在做产品规划时，会从最硬的资源约束出发，通过GPU算力倒推业务发展。而观察内部员工的AI使用情况，大概就能预见未来用户的算力需求趋势，而这些趋势的增长曲线确实非常惊人。 ### AI价值的体现与认知转变 **大飞**: 尽管面临着算力的硬约束，但ChatGPT的产品能力依然在持续提升，而用户对ChatGPT的认知也发生了本质的转变，让AI的价值在更多生活和工作场景中落地。 **尼克·特利**: 我以购物场景为例，表示购物其实是ChatGPT里一个非常自然而且已经跑通的场景。现在用户问它任何购买建议，它都能给出非常专业的参考。但是目前的体验离理想状态还差得很远，因为购物本质上是非常视觉化的行为，用户需要看实物图、做产品对比，而不是盯着大段的文字建议。同时用户也非常关心信息的来源，想知道去哪里能了解特定产品的详情。所以OpenAI接下来的重心是优化购物场景的搜索发现流程，让ChatGPT真正成为帮用户买到心仪好物的助手。而这种产品能力的提升，也让用户对ChatGPT的认知发生了质变。过去一年，ChatGPT越来越像是一个能陪用户深度思考、切磋想法的陪练。这种变化体现在方方面面，小到生活建议，大到工作场景，ChatGPT都像用户的第二大脑一样，提供全方位的智力支持。这种心理模型上的转变是非常本质的，也在用户的使用习惯里体现得淋漓尽致。而OpenAI把主动性和任务处理做得越好，这也会从根本上改变用户使用AI的初衷。 **大飞**: 而ChatGPT在育儿场景的落地，更是让尼克看到了AI的核心价值。 **尼克·特利**: 身边的父母几乎表示过，ChatGPT已经成了他们不可或缺的育儿军师。当父母遇到一个非常具体、甚至觉得是自己独有的育儿困境时，ChatGPT能提供即时的支持，帮他们找回育儿的信心。而新手父母往往是最缺乏安全感的群体，而AI能让他们感觉到有一份自主权和掌控感。在这个过程中，用户增加的睡眠时长也成为了OpenAI衡量AI价值的完美北极星指标。我笑着表示，这不是一句玩笑，OpenAI内部真的经常讨论这个指标。从精神层面上说，这非常接近OpenAI希望实现的目标——帮助用户实现任何他们认为的自我实现，无论是多睡一会、多开心一点，还是达成创业、学习等任何其他目标，这都是AI的终极价值所在。 ### 竞争、专注力与AI Agent **大飞**: 在AI行业的激烈竞争中，如何保持产品的核心竞争力，成为了所有企业的核心问题。而OpenAI内部，也有一套应对竞争的独特机制，那就是红色警报机制。 **尼克·特利**: 现在AI行业的竞争异常激烈，如果要剖析公司可能失败的原因，那多半会是专注力的缺失。因为随着AGI越来越近，AI行业的机会实在太多，很容易在各种机会中迷失方向。而**红色警报机制**就是OpenAI内部强制建立专注力的一种核心工具。在OpenAI这样充满奇思妙想的研究实验室，有很多不同的研究和产品工作在同时进行，大家都在追求各种超前的想法。但有时，公司需要全公司拧成一股绳，打破团队边界，去解决最迫切的问题。去年冬天，OpenAI就曾经启动过红色警报机制。未来只要公司需要重新集中火力解决核心问题，依然会动用红色警报这个工具。 **大飞**: 对于**OpenClaw**创始人彼得的加入，尼克表示非常开心。 **尼克·特利**: 因为彼得是奥地利人，而我自己是德国人，两人终于能在公司里用德语交流了。而OpenClaw的愿景也让人振奋，因为它把OpenAI脑海中那个全能AI的愿景真正具象化。OpenClaw的很多设计理念对整个AI行业都有启发，我也非常期待向彼得学习，一起打造真正的全能AI。好戏还在后头。 ### AGI时代的创业方向与长效技能 **大飞**: 最后，主持人将话题引到了大家最关心的一个问题上：AGI时代的创业方向是什么？ **尼克·特利**: 如果我今天要创业，会重点关注两个方向。第一个是深入企业内部，通过亲力亲为的专业服务来落地AI的公司。因为现在的AI行业，单纯的模型跑分已经没有意义，真正的价值在于把AI技术落地到企业的实际业务中，解决具体的商业问题。第二个是直接为那些有硬核需求的客户执行合同的公司，进入企业的业务现场，承诺解决具体问题并交付成果。我认为，现在的AI模型已经解决了那些显而易见的简单问题，接下来的行业机会就藏在这些需要深度落地的深水区。同时，我也非常认可**NotebookLM**这类产品，认为它具备极强的差异化，能帮用户高效学习新东西。而AI有一项被低估的能力，就是**跨媒介转化**。比如OpenAI刚刚推出的动态数学块功能，能让用户在ChatGPT内部通过视觉化的方式理解数学知识。而学习是AI的核心场景，未来如果能将内容从文本转化为视觉，乃至视频，会释放出巨大的AI价值。 **大飞**: 而对于学生和职场人来说，在AGI时代，哪些技能是值得深耕的长效技能呢？ **尼克·特利**: 我给出了两个答案。第一个是**好奇心**。我表示，如果机器能回答所有问题，那么提出好问题就变得至关重要。而拥有好问题的唯一方法，就是始终追求那些真正让自己感到兴奋的事物。第二个是**写作**。这个答案可能有些出人意料。我表示，这并不是因为AI不会写作，而是因为写作这项技能会迫使人们清晰地梳理自己的逻辑和表达。而在AGI时代，只有把自己的需求清晰、准确地传递给AI，才能让AI更好地为自己服务。所以我认为，任何涉及深度思考和清晰写作的职业，前景都非常稳固。这些职业不会被AI取代，反而会因为AI的加持，释放出更大的价值。 **大飞**: 好了，以上就是本期访谈的主要内容了。感谢收看，我们下期再见。