Huawei ADS3.0 Smart-Fahrerlebnis: „End-to-End“ ist die neue Technologiewand

Die „intelligente“ Leistung des intelligenten assistierten Fahrens verändert sich rasant mit der rasanten Zunahme der Verbreitung neuer Energiefahrzeuge.

Nachdem Pilot Assisted Driving die Iteration des technischen Weges von „mit Bildern“ zu „ohne Bildern“ etabliert hat, ist „End-to-End“ zum neuen Ziel im Bereich des intelligenten Fahrens geworden.

Anfang dieses Jahres brachte Tesla die erste FSD v12 Supervised-Version auf den Markt, die mit einem „End-to-End-Neuronal-Network-Modell“ ausgestattet ist, gefolgt von einer Reihe von OEMs, die an der Spitze des intelligenten Fahrens stehen, darunter Hongmeng Zhixing, Ideal und Xpeng Die Massenproduktion von „durchgängigem“ intelligentem Fahren ist eines der wichtigen Ziele in der zweiten Jahreshälfte.

Kürzlich erlebte Dongchehui auch die „durchgängige“ intelligente Fahrleistung des neuesten Huawei ADS 3.0 auf öffentlichen Straßen.

Tatsächlich ist es ziemlich beeindruckend.

Die eigentliche Leistung von Huawei ADS3.0 „End-to-End“: intelligentes Fahren von einem Parkplatz zum anderen

Schauen Sie nicht auf die Werbung, sondern auf die Wirksamkeit.

Die Leistung des „End-to-End“-ADS3.0 im Straßenverkehr sollte den Nutzern am meisten am Herzen liegen. Auf der eigentlichen Anwendungsebene realisiert Huawei ADS 3.0 die physische End-to-End-Lösung „von Parkplatz zu Parkplatz“ .

Zuvor haben wir eine Probefahrt mit dem ersten Xiangjie S9 gemacht, der mit Huawei ADS3.0 ausgestattet ist. Dank des „End-to-End“-Modells des bionischen neuronalen Netzwerks kann der Xiangjie S9 landesweit gefahren werden und verfügt über die folgenden Funktionen: Parkplatzstart, Start am Straßenrand, Stopp am Straßenrand, jederzeitiger Zielwechsel und autonome Torüberquerung A Eine Reihe von Upgrades intelligenter Fahrfähigkeiten, wie z. B. Maschinen, zielen darauf ab, mithilfe intelligenter Fahrassistenz alle Szenarien zu durchdringen und „Fahren überall dort zu erreichen, wo es eine Straße gibt“.

Sehr interessant ist auch die offiziell geplante Probefahrtroute. Wir starteten direkt im Keller des Four Seasons Hotels in Suzhou und das Ziel war der Keller des Renaissance Taihu Hotels. Die gesamte Fahrt war über 40 Kilometer lang und dauerte etwa eine Stunde.

Da die Tiefgaragenplätze beider Orte gescannt wurden und vom Navigationssystem als „Häufig genutzte Parkplätze“ erkannt werden können, können wir den Stellplatz im Untergeschoss des Four Seasons Hotels auf den Stellplatz im Untergeschoss des Hotels einstellen Navigieren Sie im Renaissance Hotel und klicken Sie dann direkt auf die Schaltfläche „Smart Driving“ am Lenkrad. Der Xiangjie S9 parkt intelligent aus der Parklücke und fährt aus dem Keller des Four Seasons Hotels.

Auch wenn der Kellereingang zum Four Seasons Hotel eine sehr schmale rechtwinklige Kurve ist, ließ er den S9 nicht aus der Ruhe bringen. Er klammerte sich an die Wand und fuhr gekonnt heraus. Das Erkennungstor kann auch automatisch abbremsen und warten, bis der Hebel angehoben wird, bevor es beschleunigt.

Die Straßen im Hotelpark werden ursprünglich nicht auf der Navigationskarte angezeigt, aber die Umweltwahrnehmung und Entscheidungsfähigkeit des Xiangjie S9 wurden verbessert. Es kann nicht nur Expressfahrzeugen, sondern auch vorübergehenden Hindernissen ausweichen.

Auch vor Kreisverkehren war es sehr ruhig, es fuhr relativ schnell durch den Kreisverkehr und drehte das Lenkrad sehr schnell.

Die U-Turn-Szene, die früher übernommen werden musste, muss jetzt mit ADS3.0 nicht übernommen werden. Der intelligente Fahrer bewegt einfach das Lenkrad und die Kehrtwende ist vorbei.

Auch das Erkennen von Ampeln ist schärfer geworden. Wenn die grüne Ampel blinkt, hat das Fahrzeug dies bereits erkannt, im Voraus Vorhersagen getroffen und automatisch langsam abgebremst, um vor der roten Ampel gleichmäßig anzuhalten.

Bei einigen komplexen Szenarien zeigen sich die durchgängigen Vorteile von ADS 3.0. In einer Szene, in der es notwendig ist, die Spur ganz rechts zu nehmen, die erforderliche Spur belegt ist und die Straßenmarkierungen nicht klar sind, bricht Xiangjie S9 den Spurwechsel entschieden ab und beschleunigt umher, die Laufruhe ist vergleichbar mit der eines echten erfahrenen Fahrers , er machte Vorhersagen im Voraus.

Auf der Autobahn muss der Xiangjie S9 jetzt beim Auf- und Abfahren von Rampen nicht mehr übernehmen und kann auch bei ständigen Spurwechseln schnell reagieren.

Der einzige Nachteil ist, dass der Spurwechsel so aktiv ist wie eh und je. Ich habe das Gefühl, dass es nach einem Spurwechsel oft nicht notwendig ist, die Spur zurück zu wechseln. Wenn man bedenkt, dass Chefs oft in der hinteren Reihe des Xiangjie S9 sitzen, sollte ein solches Erlebnis beim Spurwechsel doch von den Chefs kritisiert werden, oder?

Vielleicht könnte der Xiangjie S9 eine speziell abgestimmte Smart-Driving-Version in Betracht ziehen, die bei Spurwechseln weniger aggressiv ist und sicherer fahren kann? Um diese Situation zu entschärfen, können wir versuchen, die Spurwechselpräferenz von NCA standardmäßig auf „sanft“ zu setzen, wodurch die Häufigkeit von Spurwechseln zum Überholen verringert wird. Wir können auch erwägen, die Spurwechselstrategie des intelligenten Fahrens auf manuelle Bestätigung umzustellen. Es ist jedoch unwahrscheinlich, dass auf diese Weise eine intelligente Fahrleistung ohne Übernahme erreicht wird.

Schließlich erreichten wir erfolgreich den Eingang des Renaissance Hotels, unserem Navigationsziel, und dann fuhr der Xiangjie S9 nahtlos und automatisch in die Tiefgarage, fand den Zielparkplatz und parkte selbstständig. Mit vollständiger NCA und Nullübernahme wird ein durchgängiges intelligentes Fahren von Parkplatz zu Parkplatz erreicht.

Ich denke, es ist einfacher zu verstehen und umfassender, die physische End-to-End-Leistung von Parkplatz zu Parkplatz zu nutzen, um den Wert von durchgängigem intelligentem Fahren zu messen.

Mit der Unterstützung des „End-to-End“-Modells entspricht die intelligente Fahrleistung von ADS 3.0 eher unserer subjektiven Vorstellung von intelligentem Fahren. Es fährt sich eher wie ein menschlicher Fahrer und auch die Verkehrseffizienz wurde erheblich verbessert.

Wenn Herr Yu zu diesem Zeitpunkt noch einmal sagt, dass „(Huawei ADS) unendlich nahe an L3 liegt“, dürften die Zweifel deutlich geringer sein.

Was sind die Unterschiede in der „end-to-end“ technischen Roadmap von Huawei ADS 3.0?

In der Smart-Driving-Lösung ADS 2.0 von Huawei schlug Huawei ein auf Laserfusion basierendes GOD-Netzwerk vor, das mit dem RCR-Straßentopologie-Begründungsnetzwerk zusammenarbeitet, um eine Smart-Driving-Leistung beim „Fahren mit oder ohne Bildern“ zu erreichen, die es Fahrzeugen ermöglicht, Objekte in der realen Welt zu identifizieren ihre eigenen universellen Hindernisse, im Grunde menschenähnliche Wahrnehmungsfähigkeiten und schließlich Massenproduktion, um kartenlose intelligente NCA-Fahrfähigkeiten zu erreichen, die „im ganzen Land“ gefahren werden können.

Unter anderem kann das GOD-Netzwerk (General Obstacle Detection, allgemeines Hinderniserkennungsnetzwerk) Lidar + Kamera verwenden, um speziell geformte Objekte außerhalb der allgemeinen Hindernis-Whitelist zu identifizieren, wie im Spiel „Minecraft“, und zum Erstellen 3D-Pixelblöcke verwenden den dynamischen und statischen Zustand von Hindernissen identifizieren, aber auch Krankenwagen, Polizeiautos, Fußgänger usw. zuordnen und unterscheiden.

Mit dem GOD-Netzwerk hat das intelligente Fahrsystem keine Obergrenze mehr für die Erkennung von Hindernissen auf der Straße und kann Objekte wirklich „verstehen“.

Das RCR-Netzwerk (Road Cognition & Reasoning, Straßentopologie-Begründungsnetzwerk) soll das intelligente Fahren weiter von der Abhängigkeit von hochpräzisen Karten befreien, es mit gewöhnlichen Navigationskarten kombinieren, um die Realität abzugleichen und zu überprüfen, und dann mithilfe von Sensoren ein verfügbares Objekt umkippen und zeichnen Karte in Echtzeit.

Mit dem RCR-Netzwerk kann das intelligente Fahrsystem eine „konkrete Analyse spezifischer Straßenbedingungen“ erreichen und die Straße wirklich „verstehen“.

Es ist ersichtlich, dass das bisherige intelligente Fahren auf der Forschungs- und Entwicklungslogik „Wahrnehmung – Planung (Entscheidung) – Kontrolle“ basierte, bei der die Erfassungsdaten zum Abgleich und zur Identifizierung an die Steuerung übertragen und dann Steueranweisungen an die Steuerung ausgegeben wurden das Fahrzeug fährt.

Wenn „diese Frage“ (Informationen zur Verkehrslage), die vom Sensor erfasst wird, eine Frage ist, die in der Fragenbank gestellt wurde (Informationen zu trainierten Merkmalen), kann die Steuerungsseite eine „richtige Antwort“ (richtigen Entscheidungsplan) geben, was dies ermöglicht Das Fahrzeug lässt sich perfekt an die aktuellen Straßenverhältnisse anpassen.

Schließlich gibt es Tausende von Straßen und Sicherheit geht vor. Die Straßenbedingungen ändern sich schnell. Bei einigen untrainierten Szenarien ist das intelligente Fahrsystem ratlos und kann den menschlichen Fahrer nur dazu auffordern, das Fahrzeug zu übernehmen.

Um die Steuerungsleistung des intelligenten Fahrens zu verbessern und intelligentes Fahren wie ein Mensch fahren zu lassen, muss das intelligente Fahrsystem in der Lage sein, wie ein Mensch zu denken .

Infolgedessen hat Smart Driving damit begonnen, große Sprachmodelle wie ChatGPT einzuführen, die auf riesigen neuronalen Netzen basieren. Das Smart Driving-System verwendet direkt ein „End-to-End-Modell“, um die von den Sensoren empfangenen Sensordaten durchgehend zu verarbeiten den Prozess und die vollständige Beurteilung und Entscheidungsfindung sowie schließlich die Ausgabe von Kontrollanweisungen.

In ADS 3.0 wandelte Huawei sowohl GOD als auch RCR in neuronale Netze um und integrierte diesen Teil des Algorithmus in ein vollständiges neuronales Netz zur Wahrnehmung von GOD. Anschließend übergab es die Wahrnehmungsdaten an das neuronale Netz zur Entscheidungsfindung des PDP, um die Fahrtroute und die Ausgabe zu planen „Denkergebnisse.

Nach dem Aufbau des neuronalen Netzwerkmodells GOD+PDP nutzte Huawei dann seine eigene Cloud-KI-Trainingsplattform, um eine große Menge an Datentraining durchzuführen, sodass das Modell schnell iterativ aktualisiert werden konnte.

Nachdem ADS3.0 die mehrdimensionalen dreidimensionalen Wahrnehmungsfähigkeiten des GOD-Netzwerks verbessert und das PDP der „End-to-End“-Entscheidungsfindung verwendet, kann es eine De-BEV und ein Upgrade vom ursprünglichen „Objektverständnis“ erreichen. zum „Verstehen von Straßen“ Lassen Sie das intelligente Fahrsystem „die Fahrszene effizienter und genauer verstehen“, komplexe Straßenbedingungen autonom mit einer Entscheidungsgeschwindigkeit mit geringer Latenz bewältigen und den Benutzern häufiger ein reibungsloses, sicheres und unkompliziertes Fahren ermöglichen. Übernahme des intelligenten Fahrerlebnisses.

Allerdings ist es nach den aktuellen ersten Trainingsergebnissen noch zu radikal, die KI direkt auf dem Fahrersitz sitzen und fahren zu lassen. Derzeit hat das End-to-End-Modell von Huawei auch ein „instinktives Sicherheitsnetzwerk“ hinzugefügt, um die Untergrenze des intelligenten Fahrens abzudecken und sicherzustellen, dass das entscheidungsrelevante neuronale Netzwerk die rote Sicherheitslinie nicht überschreitet.

Wu Xinzhou erwähnte einmal, dass End-to-End auf lange Sicht parallel zum traditionellen autonomen Fahr-Stack laufen wird. Zunächst wird das End-to-End-Modell im Schattenmodus laufen, um menschliches Fahren, traditionelle Stacks und End-to-Fahren zu vergleichen -End-to-End-Algorithmen im gleichen Szenario können auf der Grundlage menschlicher Rückmeldungen parallel sein, und nach der Reife können sich die beiden ergänzen auslaufen.

End-to-End-Algorithmen sind wie ein genialer Junge in seinen Kinderschuhen. Obwohl er in Zukunft Arzt werden könnte, braucht er im Laufe seines Erwachsenwerdens Grundschul- und Mittelschullehrer, die ihn unterrichten Mit der Zeit wird er Ende-zu-Ende zu einem mächtigen „Experten“ heranwachsen, der allein stehen kann.

Unabhängig davon, ob es sich um das durchgängige bionische Gehirn von Huawei ADS3.0, das Schnell/Langsam-System von Ideal AD oder die Xnet+Xbrain+Xplanner-Architektur von Herstellung und Fahrzeugsteuerung. Viele Einschränkungen und Redundanzmaßnahmen.

Im Allgemeinen besteht der aktuelle Zweck des durchgängigen intelligenten Fahrens darin, die Architektur des intelligenten Fahrsystems zu vereinfachen, ein einziges neuronales Netzwerkmodell zu verwenden, um die Wahrnehmungs- und Entscheidungsaufgaben des gesamten intelligenten Fahrsystems zu vervollständigen und die Abhängigkeit zu verringern auf massiven Szenenregelcodes und verbessern dadurch die tatsächliche Wirkung von intelligentem Fahren, um den tatsächlichen intelligenten Fahrbedürfnissen der Benutzer gerecht zu werden.

Wenn wir uns die bisherige Strategie des intelligenten Fahrens ansehen, ganz zu schweigen von der Nullübernahme des intelligenten Fahrens von einem Parkplatz zum anderen, in Bezug auf das Umfahren eines Kreisverkehrs und das Durchführen einer Kehrtwende, kann intelligentes Fahren selten normal und autonom fahren Zu diesem Zeitpunkt muss es den menschlichen Fahrer darauf aufmerksam machen, dass er übernimmt.

Einfach ausgedrückt: Basierend auf der tatsächlichen End-to-End-Erfahrung von ADS 3.0 werden große Modelle verwendet, um intelligentes Fahren menschlicher zu gestalten. Es kann aus dem ganzen Land gefahren werden, und es kann gefahren werden, wenn nach der Modernisierung eine Straße vorhanden ist.

Durchgängig intelligentes Fahren ist der allgemeine Trend, und die Automobilhersteller bemühen sich, aufzuholen.

Chinas Automobile machen rasante Fortschritte bei der Elektrifizierung und Intelligenz, was die Vorlieben und Entscheidungen der Verbraucher für Automobile verändert. Unter ihnen ist intelligentes Fahren zu einem herausragenden Merkmal der Intelligenz von Fahrzeugen mit neuer Energie geworden, und das Verständnis und die Wertschätzung der Verbraucher für intelligentes Fahren nehmen von Tag zu Tag zu.

Die Nachfrageentscheidungen des Verbrauchermarktes haben wiederum dazu geführt, dass Automobilunternehmen sich verstärkt auf Elektrifizierung und Intelligenz konzentrieren. Nur wenn wir bei intelligenten Cockpits und intelligentem Fahren gute Arbeit leisten, können wir in der zweiten Hälfte der Intelligenz Fuß fassen.

Daher tun diejenigen Automobilhersteller, die beim intelligenten Fahren keine herausragenden Wettbewerbsvorteile haben, ihr Bestes, um die Mängel des intelligenten Fahrens auszugleichen.

Genau wie der kürzlich umstrittene Ji Krypton wurde wenige Monate nach der Einführung des 2024 Ji Krypton 001 das Modell 2025 sofort auf den Markt gebracht. Die neue Computerplattform wurde von Dual Mobileye EyeQ5H auf Dual NVIDIA OrinX aktualisiert. Im Vergleich dazu verfügt das Modell 24 nur über eine Rechenleistung von 48 Tops, während das Modell 25 über eine Rechenleistung von 508 Tops verfügt, was zehnmal leistungsstärker ist.

Obwohl dieser Schritt bei vielen alten Autobesitzern für Unzufriedenheit sorgte, war er für Ji Krypton der letzte Ausweg.

Laut der Antwort von Jikrypton wird der Jikrypton 001 2025 zu diesem Zeitpunkt auf den Markt gebracht, um mehr potenzielle Benutzer zufrieden zu stellen:

Das mit JKr 007 ausgestattete Haohan Intelligent Driving-System wurde von Benutzern und der Industrie gut angenommen. Viele potenzielle Benutzer von JKr 001 forderten die Wahl der Haohan Intelligent Driving-Lösung Die Umfrage ergab außerdem, dass intelligentes Fahren ein Faktor ist, der Benutzer dazu beeinflusst, sich für Jikrypton 001 zu entscheiden. Aus diesem Grund haben wir intern beschlossen, eine selbst entwickelte Lösung für intelligentes Fahren auf den Markt zu bringen, um den Benutzern eine weitere Auswahl zu bieten.

Im Vergleich zu den intelligenten Fahrlösungen von Mobileye kann die große Anzahl selbst entwickelter intelligenter Fahrlösungen offensichtlich den Ruf einiger Benutzer in Bezug auf das intelligente Fahrerlebnis wiederherstellen. Ich befürchte jedoch, dass der Umstieg auf selbst entwickelte intelligente Fahrlösungen zu spät sein wird Eine solche Häufigkeit von Upgrades und Updates wird zwangsläufig das Vertrauen potenzieller Benutzer im Hinblick auf den Werterhalt beeinträchtigen.

Während die Studierenden mit schlechten Noten in den Fächern entschlossen sind, ihre Defizite durch harte Arbeit auszugleichen, haben die besten Studierenden bereits damit begonnen, sich mit den Themen für das neue Semester zu befassen.

Für diejenigen Autohersteller, die „intelligentes Fahren“ zu einem prominenten Markenzeichen gemacht haben, wie Hongmeng Zhixing, mehr Beginnen Sie mit der Entwicklung einer ganzheitlichen intelligenten Fahrlösung für Großmodelle.

Sie alle haben ein ähnliches Ziel: den Arbeitsweg des Nutzers vom Verlassen der Tür bis zum Betreten der Tür vollständig abzudecken und ihn vollständig dem intelligenten KI-Fahren zu überlassen. Im Vergleich zu herkömmlichen Lösungen für intelligentes Fahren, die den Regeln folgen, werden durchgängige Lösungen für intelligentes Fahren die Transformation des intelligenten Fahrens von der Algorithmentechnik zur Datentechnik fördern.

Um am End-to-End-Pokertisch Platz zu nehmen, benötigen Sie genügend Chips

Bei der Iteration von ADS1.0 zu ADS2.0 stellte das ADS-Team von Huawei einmal sein selbst entwickeltes Full-Stack-KI-Trainingssystem vor.

Die solideste Grundlage und das sicherste Vertrauen für den Aufbau eines groß angelegten intelligenten Fahrmodells bietet Huaweis eigene Cloud-KI-Trainingsplattform. Zu diesem Zeitpunkt hatten sie bereits eine ultrahohe Rechenleistung eingesetzt, die den meisten Mitbewerbern überlegen war, um 24 Stunden am Tag Modelltrainings durchzuführen und dabei eine Upgrade-Geschwindigkeit von einer Iteration alle fünf Tage zu erreichen.

Im Zuge der End-to-End-Entwicklung von ADS3.0 wurde die Rechenleistung für Lernen und Training von den vor einem halben Jahr angekündigten 3,5E FLOPS auf 5E FLOPS aktualisiert (Herr Yu sagte auch, dass die 3,5E-Rechenleistung bereits erreicht sei). Platz zwei und drei in China zusammen) beträgt die tägliche Trainingskilometerleistung des Modells 35 Millionen Kilometer. Darüber hinaus ist diese Rechenleistungszahl kein Endpunkt für Huawei ADS, sondern wird die Investitionen weiter erhöhen und sich weiter verbessern.

Da intelligentes Fahren in tiefe Gewässer vordringt, ist das Training großer intelligenter Fahr-KI-Modelle untrennbar mit umfangreichen und vielfältigen Daten hoher Qualität verbunden. Gleichzeitig ist auch ein automatisiertes und hochwertiges Datenverarbeitungssystem von entscheidender Bedeutung. Man kann sagen, dass Daten bis zu 80 % der Forschungs- und Entwicklungskosten bei der ganzheitlichen Entwicklung intelligenter Fahrsysteme ausmachen werden.

So wie große Sprachmodelle zuvor die große Anzahl von Parametern betont haben, besteht auch bei multimodalen End-to-End-Modellen ein starker Bedarf an Daten. Tesla übernahm die Führung bei der Implementierung des End-to-End-Modells auf FSD V12, und Musk sagte einmal:

Das Training mit 1 Million Video-Slices reicht kaum aus; 3 Millionen sind etwas besser; 10 Millionen werden unglaublich sein.

Daher werden intelligent fahrende Fahrzeuge, die von Automobilherstellern in Massenproduktion hergestellt werden, zu den besten Datenerfassungstools. Wenn genügend massenproduzierte Smart-Driving-Fahrzeuge auf der Straße unterwegs sind, werden die von ihnen gesammelten realen Daten zu einer Schlüsselressource für die kontinuierliche Optimierung und Iteration von Smart-Driving-Algorithmen.

Nach Angaben von Automobilunternehmen verfügt Tesla in Nordamerika über eine Nutzerflotte von etwa 3 bis 4 Millionen Fahrzeugen. Bis Ende 2024 wird die Zahl der mit dem intelligenten Fahrsystem von Huawei ausgestatteten Fahrzeuge voraussichtlich 500.000 überschreiten Ende 2024 hat Lideal in diesem Quartal mehr als 700.000 Fahrzeuge ausgeliefert, und alle Modelle sind standardmäßig mit intelligenten Fahrfunktionen von AD ausgestattet. Stand April 2024 erreichte die Gesamtzahl der NIO-Nutzer für intelligentes Fahren 495.300, und die Gesamtzahl der NOP+-Nutzer erreichten 245.800.

Hinter der enormen Rechenleistung steckt daher die Ergänzung aus Selbstforschungsstärke, reichlich vorhandenen Mitteln und einem hohen Marktanteil.

Die Massenproduktion von Huaweis ADS3.0 reicht aus, um zu beweisen, dass ein durchgängig intelligentes Fahrmodell in Massenproduktion hergestellt und kommerzialisiert werden kann. Es handelt sich um einen führenden Hersteller, der Datenressourcen, ausreichende Mittel und Technologieakkumulation beherrschen muss Festhalten an der richtigen technischen Route und langfristige Investitionen können erreicht werden.

Aus dieser Perspektive wird das „End-to-End“-Modell des intelligenten Fahrens, das weiche und harte Fähigkeiten integriert, zu einer „KI-Technologiewand“ für intelligentes Fahren.

Durchgängig intelligentes Fahren, das auf jeder Straße gefahren werden kann, ist offensichtlich ein neuer Maßstab im Bereich des intelligenten Fahrens. Allerdings gibt es außerhalb der technischen Grenzen immer noch eine große Anzahl von Automodellen, die das Versprechen des intelligenten Fahrens nicht erfüllen können das bundesweit gefahren werden kann.

Wer endlich am Pokertisch-Wettbewerb „End-to-End Smart Driving“ teilnehmen kann, braucht nicht nur den Mut, nach vorne zu schauen, sondern auch kurzfristig genügend Chips.

# Willkommen beim offiziellen öffentlichen WeChat-Konto von aifaner (WeChat-ID: ifanr). Weitere spannende Inhalte werden Ihnen so schnell wie möglich zur Verfügung gestellt.

Ai Faner |. Ursprünglicher Link · Kommentare anzeigen · Sina Weibo