目录
微塑料为什么有害？科学家或许终于找到了原因
学外语先别急着背单词
动物刚演化出脖子时，脑袋其实转不动
停练数月等于白练？你的身体记得每一次流汗
不愿把未发表数据交给云端AI，科学家有了新办法
用AI写博士论文的毕业生，更不容易留在学术界
Nature 调查：中国科研人员满意度十国垫底但看好前景10月13日，《自然》（Nature）发布了2026年全球科研人员工作满意度调查报告。该调查于今年5月至6月开展，共收集来自133个国家的3882份问卷。结果显示，全球科研人员的满意度正从疫情低谷中恢复，61%的受访者对当前工作感到满意（高于2021年的58%，但仍低于2018年的68%），65%愿意向学生推荐科研职业。 在影响工作满意度的八项因素中，薪水仅排在第七位。科研人员更看重有意义且吸引人的研究、工作与生活的平衡、职业稳定性以及充足的经费。德国欧洲管理与技术学院的科学政策学者亨利·绍尔曼（Henry Sauermann）指出，尽管学术界收入明显低于产业界，但学者们往往拥有更大的研究自主权，也能从事自己感兴趣的研究。此外，加班虽未显著拉低整体工作满意度，但明显削弱了受访者对工作与生活平衡的满意感。 科研人员的工作满意度及其影响因素。61%的受访科研人员对当前工作感到满意（左上），其中处于职业生涯后期、收入较高以及拥有永久职位的科研人员满意度更高（右上）。影响满意度的主要因素包括工作意义、工作与生活平衡、职业稳定性、科研资源和职业发展机会（中）。52%的受访者看好自己的职业前景，但47%认为如今的科研职业前景不如前几代科学家（下）。| 图片来源：《自然》
在受访者超过100人的十个国家中，中国科研人员的工作满意度仅为51%，排名垫底，且较2018年大幅下降了24个百分点（同期美国仅下降3个百分点，意大利则稳定在64%）。中国受访者对同事关系、休假时间、工作生活平衡及职业发展机会的满意度均显著低于全球均值。同时，23%的中国科研人员将人工智能对自身领域的冲击列为主要职业挑战，几乎是全球平均水平（12%）的两倍。 不过，中国科研人员对未来并不悲观。高达71%的中国受访者对研究自主权感到满意，60%认同自身工作的意义，55%看好未来的职业前景。此外，37%的中国受访者认为自己的职业前景优于上一代科学家，高于31%的全球均值。 各国科研人员的工作满意度与职业前景。《自然》2026年调查显示，在受访人数超过100人的10个国家中，加拿大科研人员的工作满意度最高（76%），中国最低（51%），全球受访者的总体满意度为61%。全球65%的受访者愿意向学生推荐科研职业，其中印度比例最高（82%），英国最低（44%），中国为62%。| 图片来源：《自然》- 加拿大与德国：加拿大以76%的满意度位居榜首，在从事有趣项目的机会（81%，全球均值60%）、研究自主权、工作意义、远程办公、职场包容性及薪资福利等方面的满意比例均显著高于全球平均水平。德国科研人员的薪资满意度（68%）居十国之首，但受限于学术岗位稀缺与缺乏长期职位，仅47%愿意向学生推荐科研职业，提升工作稳定性成为他们的迫切诉求。
- 印度与美英：印度科研人员当前的工作满意度（59%）处于平均水平，但70%看好职业前景，82%愿意推荐科研职业，乐观程度居十国之首，受访学者认为，这可能与样本中职业早期研究者较多，以及年轻研究人员对创业和创新的热情有关。相反，美国（65%）和英国（63%）的当前工作满意度虽高于全球均值（61%），但看好未来前景的比例仅分别为34%和33%。英国仅42%的受访者对工作稳定性满意，美国则有27%的受访者将地缘政治影响视为主要职业障碍。
瑞士卢加诺大学的科研政策专家贝内代托·莱波里（Benedetto Lepori）认为，这种反差折射出全球科研格局的变迁。在他看来，对科研体系正在扩张、科研质量不断改善的感受，会影响从业者对未来的信心。中国和印度的科研投入增长提振了从业者的预期，而对科研体系衰退的担忧则加剧了美欧学者的不确定性。 相关来源：https://www.nature.com/articles/d41586-026-03226-5塑料通常被视为化学性质稳定、不易发生反应的惰性材料。然而，美国哥伦比亚大学闵玮（Wei Min）团队10月14日发表于《自然》的一项研究发现，当塑料分解成微小颗粒后，在实验中与水接触时，表面就会自发产生强氧化性的羟基自由基。这一发现为解释微塑料如何损伤人体细胞提供了全新线索。近年来，多项研究显示微塑料暴露与认知能力下降、心血管疾病等健康问题相关，其中可引发炎症与细胞损伤的“活性氧”被视为潜在诱因。但从纯粹的化学角度看，聚乙烯、聚丙烯等常见塑料本应具有化学惰性，有些甚至完全不含氧元素，为何能诱发氧化损伤？研究团队借助荧光显微镜和电子自旋共振光谱等技术，考察了聚苯乙烯、聚乙烯、聚丙烯等多种常见塑料微粒，发现水在其中扮演了关键角色：塑料与水接触的界面会形成电荷，可能促使水中的氢氧根离子（）失去电子，进而转化为具有强氧化能力的羟基自由基。微塑料的尺寸越小，这一界面效应就越值得关注。美国新墨西哥大学的马修·坎彭（Matthew Campen）指出，一个直径5毫米的塑料球若分解为直径50纳米的颗粒，数量可达千万亿个，总表面积将激增10万倍，原本隐藏在塑料内部的表面大量暴露，为化学反应提供了广阔场所。实验进一步发现，微塑料表面的电荷会吸引DNA等生物分子；微塑料还可促使蛋白质异常聚集，并损伤小鼠红细胞。即便将微塑料置于血清中，羟基自由基的生成虽有所减弱，但仍可检测到。新泽西理工学院的陈浩（Hao Chen）认为，该发现为理解微塑料与细胞的相互作用提供了重要起点。不过，这一机制在真实人体环境中的实际影响尚待明确。闵玮指出，受样本污染或假阳性等因素干扰，目前学界尚不清楚人体内究竟存在多少微塑料，以及它们如何被人体清除。坎彭也提醒公众不必过度恐慌：实验显示表面活性剂能够抑制自由基的生成，而人体内的一些脂质本身就具有表面活性。例如，微塑料进入肺部后会迅速被肺表面活性物质包裹，这可能改变其在实验室纯水环境中表现出的化学活性。此外，研究发现不同塑料产生自由基的能力存在显著差异：聚乙烯、聚丙烯等疏水性较强的塑料，其自由基生成能力明显高于聚对苯二甲酸乙二醇酯（PET）等相对亲水的塑料。这为设计更安全的塑料提供了新思路，但坎彭指出，化学活性较低的塑料在自然界中可能也更难降解，如何在降低健康风险与减少环境污染之间取得平衡，将成为新的挑战。相关论文：https://www.nature.com/articles/s41586-026-11141-y想要学好一门外语，先别急着死记硬背单词和语法，专注于“听发音”或许是更高效的起点。英国伦敦大学学院（UCL）与日本东北大学的一项最新研究发现，那些外语发音学得又快又准的人，往往拥有更敏锐的听觉分辨力。他们的大脑在处理陌生外语语音时，更像是在聆听普通的非语言声音（甚至随机噪音），而非现成的词汇。 通常情况下，人们在学习外语时会不自觉地调用母语的发音体系来理解陌生声音。一门外语的发音与母语差异越大，学起来往往就越困难。然而，总有一些善于学习语言的佼佼者能轻松攻克最棘手的发音难题。为了探明这一优势背后的机制，研究团队招募了67名以日语为母语的英语学习者展开测试。 研究人员首先评估了参与者对非语言声音的听觉敏锐度，测试他们能否察觉音高、时长和音调的细微变化；随后利用功能性磁共振成像（fMRI）技术，记录他们分辨日语中不存在的英语元音时的大脑活动。 大脑扫描结果揭示了两类学习者不同的处理方式：高听觉敏锐度学习者掌握新语言发音的速度更快、准确度更高。他们在听外语时，较少依赖负责语言加工的大脑左侧感觉运动系统，其神经活动模式反而接近处理普通非语言声音时的状态。研究者认为，较少受到母语固有发音模式的干扰，使他们能更直接、准确地捕捉并处理新声音的细节。 反之，低听觉敏锐度学习者更依赖大脑左侧感觉运动网络，倾向于套用母语既有的发音模式去解码陌生的外语语音。 论文第一作者、伦敦大学学院教育学院第二语言教育教授 Kazuya Saito-van Poeteren 谈及“英国人不擅长学外语”的刻板印象时表示，这未必源于生理或天赋缺陷，更可能的原因是缺乏有意义的语言接触，以及教学方法未能充分训练学习者的听觉技能。 他表示，当学习者每周只能接触和使用几个小时的外语时，“一副好耳朵”会带来巨大优势。听觉敏锐的人能高效利用有限的语言输入，而其他人则需要大量额外接触，才能在大脑中建立起对陌生发音的认知。因此，外语教学不应止步于词汇、语法和机械的“多练”，而应投入更多精力进行声音训练，根据学习者的听觉特点帮他们培养“语言的耳朵”。 英国兰卡斯特大学认知学教授帕德雷克·莫纳汉（Padraic Monaghan）评价称，传统语言学习依赖结构化练习，但人脑天生擅长通过语言接触来习得语言。这项研究再次印证了“听”在语言学习早期的关键作用——想要说好一门外语，不妨先训练耳朵跳出母语框架，听清那些细微的声音差别。相关论文：https://doi.org/10.1037/xge0001991在鱼类向陆生四足动物演化的过程中，头骨与肩部骨骼分离、形成独立的“脖子”，是关键的演化转折之一。长期以来，科学界普遍认为，脖子的出现让最早登陆的脊椎动物得以自由转头或抬头，以便在陌生的陆地环境中观察四周。然而，10月14日发表于《自然》（Nature）的一项研究颠覆了这一传统认知：早期四足动物的脖子其实异常僵硬，脖子最初的诞生可能根本不是为了“转头”，而是为了帮助动物在陆地上稳步前行。 这项针对生活在约3.9亿至3.3亿年前早期四足动物（干群四足动物）的研究通过模型估算发现，尽管这些登陆先驱已经拥有独立的颈部，但多数动物的头部向左右摆动的幅度不足6度，向后仰的幅度不足3度，且完全无法绕颈轴旋转——远没有现代陆生脊椎动物那样灵活。 在大多数鱼类体内，支撑鳃盖的骨骼将头骨与肩带牢牢连接在一起，限制了头部的独立活动。有趣的是，控制颈部活动的肌肉早在登陆之前就已埋下演化伏笔——化石证据显示，在头骨与肩带尚未分离的古老盾皮鱼类中，专门的颈部肌肉便已伴随颌关节一同演化出来。随着鱼类向陆地演化，连接头骨与肩带的鳃盖骨消失，头肩正式分离。人们很自然地认为，解除了骨骼枷锁、又具备现成肌肉的四足动物，理应获得灵活转头的能力。 现代人类等陆生脊椎动物之所以能灵活转头，依赖的是颈部复杂且相互咬合的骨性椎骨关节。而在人类胚胎发育早期，支撑身体中轴的是名为“脊索”的软组织，随后骨化的椎骨才逐渐取代脊索。但在早期四足动物体内，这一“交接”尚未完成：它们成年后的颈部仍保留着原始结构，主要由脊索和软组织支撑，缺乏完整的骨性椎骨。由于软组织极难保存为化石，传统的三维骨骼建模一直无法测算这些远古动物脖子的真实灵活度。 为了绕开这一技术瓶颈，由 Korneisel 等人组成的研究团队找到了一种独特的现代生物参照——湖鲟（Acipenser fulvescens）。与绝大多数已演化出完善骨性脊柱的现代鱼类不同，湖鲟至今仍保留着以脊索和软组织为主导的中轴骨骼，与早期四足动物的颈部解剖结构高度相似。 研究人员对未经化学处理的新鲜湖鲟中轴骨骼进行了生物力学测试，并结合早期四足动物化石的骨骼形态，推算出其脊索与肌肉的尺寸和位置，进而定量计算出远古动物颈部的刚度以及肌肉力量所能驱动的弯曲幅度。 计算结果打破了直觉假设：即便没有完整的骨性椎骨限制，这种由脊索主导的原始颈部依然十分坚硬，使早期四足动物几乎无法转动头部。 既然脖子最初并未带来灵活的头部运动，那么头骨与肩带分离的演化驱动力究竟是什么？ 研究团队指出，当早期四足动物试图征服陆地重力时，用前肢支撑并推动身体前进是一项至关重要的演化创新。头骨与肩带的分离，更有可能是为了在四肢行走时保持身体稳定而产生的力学结果——换言之，脖子最初的演化是为了服务于身体运动，而非头部转动。直到后来，随着咬合椎骨关节的独立演化以及内脏器官在胚胎发育中向胸腔下移，陆生脊椎动物才真正解锁了灵活修长的脖子。 这一发现揭示了一个充满反差感的演化图景：当我们的远古祖先第一次拖着身体爬上陆地时，受限于僵硬的脖子，它们其实很难转过头去打量这个崭新的世界。相关论文：https://www.nature.com/articles/s41586-026-11158-3因为受伤、生子或工作缠身而中断健身数月后，许多人重返健身房时都会产生一种“一切归零”的挫败感。长久以来，人们普遍认为运动带来的健康益处“用进废退”，一旦停止训练，往往会在几周内退回原点。 但汗水真的白流了吗？美国伊利诺伊大学厄巴纳-香槟分校的运动生理学团队发现，过去付出的努力并未完全消失。人体的肌肉和肝脏细胞能够储存过往锻炼的“记忆”，即便经历了漫长的停练期，这些细胞层面的印记依然能帮助身体提升耐力、控制血糖，并在恢复训练后更快找回状态。 研究团队在小鼠身上采用了“训练—停练—再训练”的实验方案：让小鼠先接受4至8周的运动训练，随后完全停止运动一段时间，最后再次恢复训练。 结果发现，骨骼肌的“记忆”显著加速了肌肉的二次生长。与从未受训的小鼠相比，恢复训练的小鼠不仅整体肌肉体积增长更快，其内部的单根肌纤维也变得更加粗壮。 深入细胞层面的分析显示，有过训练史的肌肉细胞更擅长“按需分配”能量，能够在身体最需要的时候高效调动能量储备。这种能力在停止运动后依然得以保留；即便给小鼠喂食高脂肪饮食，此前运动留下的代谢记忆也依然稳固，持续发挥着抵御不良饮食负面影响的作用。 更有意思的是，肌肉并非唯一能从运动中“学习”的器官。运动中的肌肉需要燃料，而肝脏正是训练期间及训后的核心能量供应站。研究人员发现，无论是小鼠还是人类，在经历“训练—停练—再训练”的周期后，其肝脏都会释放更高水平的羧酸酯酶（carboxylesterases）。这类酶能够切碎血液中循环的脂质，将脂肪转化为肌肉易于摄取和燃烧的形式，从而更高效地为肌肉生长“供能”。 在另一项针对小鼠的研究中，研究人员让公鼠在交配前运动3周，母鼠在受孕前2周及整个孕期运动。与父母均不运动的后代相比，亲代运动改善了成年子代的葡萄糖耐量，这一益处到1岁时仍可观察到；父母双方都运动的雄性子代体重也更低。研究人员推测，孕前或孕期运动可能通过多种途径影响后代，例如通过胎盘释放的信号分子影响胎儿的代谢发育，或者改变母体乳汁的成分。不过，父母的生活方式究竟如何重塑子代健康、带来跨代健康优势，其确切机制仍有待进一步解开。在传统生物学认知中，具备“记忆力”的细胞屈指可数：神经元通过突触连接储存记忆，免疫细胞通过记忆更快地识别并歼灭曾遭遇过的病原体。除此之外的绝大多数细胞曾被认为是“健忘”的——它们只在受到刺激时做出反应，随后便恢复基线，不留痕迹。 然而，这一传统假设正在被彻底颠覆。近年来的研究陆续发现，皮肤干细胞能“记住”曾经发生的炎症，从而在几个月后遇到新伤口时实现更快愈合；人体脂肪细胞会保留肥胖经历的“记忆”，即便体重已经大幅减轻，这种“记忆”依然存在，可能有助于解释人们恢复高热量饮食后容易迅速复胖的现象。 研究人员因此提出一个更大胆的猜想：人体内的每一种细胞，都可能在某种程度上记住过去的运动经历。未来需要弄清的是，这些记忆究竟能保存多久，以及能否通过干预延长其持续时间。当然，过去的运动不能替代现在的锻炼。停止训练后，身体仍会失去一部分已经获得的健康益处。但至少，这些研究提供了一个令人欣慰的消息：曾经付出的运动努力，可能比我们想象中保留得更久。下一次重新穿上跑鞋时，你的身体或许并不需要从零开始。相关来源：https://doi.org/10.1152/ajpcell.00451.2025https://doi.org/10.1016/j.molmet.2026.102418“我可不想让Claude向别人透露我的研究结果。”美国佛罗里达大西洋大学的神经科学家伊恩·戈代（Ian Gaudet）平时喜欢向AI聊天机器人提问，但涉及自己的研究数据时却坚持断网。据《自然》10月12日报道，出于数据隐私、研究可重复性和成本考量，一些科学家开始在处理研究数据时减少对ChatGPT、Claude和Gemini等性能顶尖的云端大模型的依赖，转而利用Ollama、LM Studio等低门槛工具，在个人电脑上部署完全由自己掌控的本地AI。 隐私安全是科学家转向本地部署的首要动因。2025年的一项分析指出，亚马逊、Anthropic、谷歌、Meta、微软和OpenAI六家公司的消费级AI产品默认可将用户输入用于训练模型。为防止未发表成果或敏感信息外泄，芬兰坦佩雷大学的艾哈迈德·法鲁克（Ahmed Farooq）开发了本地系统TAUCHI-GPT，让研究人员在不离开校内网的情况下检索受欧盟《通用数据保护条例》保护的资料。 美国马里兰大学医学院的生物信息学家德米特里斯·利沃夫斯（Dmitrijs Lvovs）也开始通过Ollama在本地运行谷歌Gemma 4模型，替代学校提供的微软Copilot，以分析包含基因活性与患者治疗反应的数百张肿瘤数据表。尽管离线模型无法像联网的Copilot那样实时检索外部文献，但他认为保护患者隐私远比获得最先进的性能重要，“即使参与者同意收集数据，把所有数据集中在少数几家公司手里也是不对的”。 科学出版商Wiley对全球约2400名学者的调查显示，68%的受访者曾使用AI检索或审阅文献，而受访专家表示，这些工作本地模型已经能够很好地完成。科罗拉多大学安舒茨医学院的凯西·格林（Casey Greene）利用本地模型将科研资助摘要转化为数学向量，构建了基于内容含义的“语义搜索”系统。在为一项艾滋病病毒（HIV）研究寻找合作者时，该系统不仅找到了直接研究该病毒的团队，还挖掘出一位项目标题未提及“HIV”、但研究抗逆转录病毒疗法的潜在合作学者。 同校的眼科AI研究负责人贾亚什里·卡尔帕西-克拉默（Jayashree Kalpathy-Cramer）则借助阿里云通义千问（Qwen）和英伟达Nemotron模型，在本地免费整理了近十年的开放获取论文，每天为系主任自动生成新论文推荐简报，并利用数据库聚类分析寻找研究空白。她不仅让三四个模型交叉处理同一问题再汇总，还会用PubMed核查引文真伪，并要求AI标明结论在PDF原文中的具体出处。本地运行无需按调用次数付费，不仅适合此类高频任务，还能保障科研至关重要的“可重复性”——云端模型常在未通知用户的情况下更新，导致相同提问前后结果不一；而本地部署可以固定模型版本与参数，确保每次生成完全一致的检索索引。 如今部署本地AI已无需复杂编程，用户通过Ollama输入一行命令即可启动谷歌医学模型MedGemma，或通过LM Studio的图形界面像ChatGPT一样对话（不过其7月推出的Bionic智能体在运行数千亿至数万亿参数的超大模型时仍需调用云端）。 真正制约本地AI普及的是不断攀升的硬件成本。自2025年年中以来，AI企业对内存芯片的庞大需求持续推高消费级硬件价格。虽然最小版本的Gemma 4仅需8GB内存，但流畅运行可靠模型通常需要64GB内存。牛津大学计算生物学家克里斯托弗·索普（Christopher Thorpe）指出，运行好一点的可下载模型至少需96GB内存，电脑起步价约5000美元（如售价4699美元的英伟达DGX Spark）。好在整理和查询文献要求不高，利沃夫斯所在大学计算集群里2017年生产的闲置英伟达处理器依然完全够用。 在能力边界上，法鲁克团队2025年对18名研究人员的测试发现，与办公软件、搜索引擎等常规工具相比，本地AI在文本编辑和摘要生成上耗时更短、满意度更高，但在头脑风暴和实验设计等任务中，参与者对常规方法的效率和满意度评价更高。同时，本地模型同样无法避免“幻觉”。“如果结果至关重要，就必须由人类专家审核，”他说道。他还补充说，这适用于任何本地或云端人工智能模型。 目前，需要复杂推理和实验设计的工作仍是云端大模型的强项；而在处理敏感数据与高频文献任务上，本地AI正成为极具吸引力的选择。正如利沃夫斯所言，本地与云端模型的性能差距正迅速缩小，未来的竞争重点不再只是模型本身有多强大，而是如何将其整合进真正实用的科研软件系统中。相关来源：https://www.nature.com/articles/d41586-026-03227-4如今，越来越多的博士生开始使用人工智能撰写论文。一项针对美国22万多名理工科博士毕业生的研究发现，2026年前5个月，近三成博士论文摘要含有AI生成的文本。更引人注意的是，使用AI撰写论文的博士毕业生，进入学术界工作的可能性更低，而进入企业工作的可能性更高。据《自然》（Nature）10月16日报道，美国国家经济研究局（NBER）的研究人员分析了2019年1月至2026年5月期间，美国高校超过22.6万名科学、技术、工程和数学（STEM）领域博士毕业生的学位论文，并利用AI文本检测工具Pangram分析论文摘要。结果显示，AI生成文本首次出现在2023年的博士论文摘要中，当年占比仅为1.7%，到2025年已升至18.8%。2026年前5个月，这一比例进一步上升至29.4%。其中，数学和计算机科学领域的使用率最高，36%的论文摘要被检测出AI生成文本。研究还发现，曾在非英语国家接受教育的博士毕业生，约41%的论文摘要被检测出AI生成文本，而来自英语国家的毕业生这一比例为23%。研究人员进一步利用职业社交平台LinkedIn上的教育和就业信息，分析了博士毕业生的职业去向。在美国完成本科学业的博士毕业生中，论文摘要使用AI生成文本的人，在学术界就业的可能性比未使用AI的人低17%，进入企业工作的可能性则高16%。对于本科阶段在美国以外接受教育的毕业生，AI使用与学术界就业之间的关联相对较弱。研究作者之一、经济学家丹尼尔·格罗斯（Daniel Gross）担心，博士训练的重要价值在于让学生独立提出、组织和完善科学论证。如果学生把这些工作交给AI完成，可能无法充分锻炼写作与批判性思维能力。“如果我们的学生只完成了一半的工作，剩下的都交给AI，他们真的具备成为优秀科学家所需的深刻理解吗？”格罗斯问道。澳大利亚新南威尔士大学的工程学者刘昂（Ang Liu）指出，AI在已有大量知识积累的领域可以提供很大帮助，但科学研究往往需要探索尚无明确答案的问题。当研究进入知识不完整、充满不确定性的前沿领域时，严格的科研训练就显得更加重要。不过，这项研究尚未经过同行评审，也无法证明使用AI导致博士生科研能力下降，或直接造成他们离开学术界。格罗斯提出了另一种可能：原本就打算进入企业工作的博士生，或许更愿意用AI撰写论文，因为他们认为自己未来不太可能因此受到评价。悉尼科技大学的学习科学研究者卡米耶·迪克森-迪恩（Camille Dickson-Deane）也认为，博士毕业生的职业选择受到多种因素影响，包括个人意愿、就业市场和薪资待遇。与企业相比，学术界提供的职位更少，薪酬往往也更低。她指出，随着生活成本上涨和工作负担加重，学术职位已经不像过去那样令人向往。对于许多博士毕业生来说，是否留在学术界，本身就是一个需要重新权衡的问题。相关论文：https://www.nber.org/papers/w35859注：本文封面图片来自版权图库，转载使用可能引发版权纠纷。
特 别 提 示
1.『返朴』提供按月检索功能。关注公众号，回复四位数组成的年份+月份，如“1903”，可获取2019年3月的内容目录，以此类推。
2. 投稿、转载、应聘、商务合作等，皆可联系：[email protected]
版权说明：欢迎个人转发，任何形式的媒体或机构未经授权，不得转载和摘编。
长按下方图片关注「返朴」，查看更多历史文章
周舒义、平生约 21 分钟