【图片】【自语自乐贴】编个麻将AI玩【人工智能编程吧】_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：16,661贴子：
【自语自乐贴】编个麻将AI玩收藏
【问题描述】我暑假回家跟同学打麻将赢了好多钱，他们说下次你不许上场，只许你的程序上场啊。好吧，不想废话，麻将的规则大家都懂，我们的目标是编一个能打麻将的AI。【编程计划】（1）第一步是写个垃圾的麻将AI，mahjongAI_v1.0.c，它至少能出牌，能按照输入输出样例格式运行。（2）第一步是编写交互控制程序，它能控制四个mahjongAI_v1.0.c坐在一起打完一局。（3）然后我们开始升级mahjongAI，mahjongAI_v2.0将拥有被赋予概率论的知识，它会判断向听数，能够判断胡牌的最大概率路径。（4）运用交互控制程序让四个2.0坐在一起打麻将完成几千万局，导出对局记录，运用统计分析，将统计性经验灌输进入程序得到mahjongAI_v3.0。（5）为AI加入牛逼的Genetic Algorithm或者Neutral Network 。当然怎么加我还没想好- -！不过走到这一步应该是半年后的事了。。然后我们就有了牛逼的mahjongAI_v4.0了哦也。【输入输出说明】交互式程序将给AI发送以下信息（1）第1行，手牌数n；第2行n个数，数字描述手牌，字牌东南西北中发白为1-7，万字8-16，筒子17-25，索子26-34。（2）第3行一个数表示对局从谁开始1234表示你、下家、对家、上家；第4行对局记录，正常位数字，如果有吃碰杠比如下家，即p2/c2/g2。胡记h，但一般用不到。出全局的第一张牌的时候对局记录为空，以0记。（3）第5行当前行动类型m=1,2,3,4 （1表示到你摸了牌轮你出牌，2表示你下家出了牌，3表示你对家出了牌，4表示下家出了牌）；第6行表示你摸到的牌或者是你出的牌，数字表示同上。输出要求：如果不轮你出牌，可以返回p/c/g/h ，如果不动作返回pass。如果轮你出牌返回出的牌，数字表示同上。【sample input】131 1 1 2 2 2 3 3 3 4 4 4 54045【sample output】h
日立长期致力于打造一个鼓励大家拓宽思路的环境,打造更高品质的生活
好啦今天开始编mahjongAI_v1.0，每天一小时，快乐搞AI。
AI1.0的基本思路是有吃就吃有碰就碰，不杠。弃牌的思路是从边张开始弃。这样应该就容易编了，刚开始我们主要从简单入手。
麻将的规则就各地的都不一样，自己都不太会，更别说还弄出电脑玩麻将表示这个玩的人比较少吧！选扑克牌都好些
楼主要期考了，开始偷懒。
哟 还公布源代码！！
过个年回来，我竟然找不到VC++了。。
这样看就爽了。
关注华为分析师大会2018,理解人工智能最新生态及产业趋势,即刻访问网站了解更多.
输入格式是这种样的
首先我们要写的就是一个判断是不是胡牌的程序。这个过程比我预想的要难，因为要判断复杂的牌型没什么特别的算法。所以我们要用搜索回溯。搜索回溯是算法基础，有兴趣的同学可以看看用搜索法思路很简单，首先枚举掉一个对子。然后我们知道麻将胡牌需要3张3张组起来，搜索的意义在于选择他们是组成刻子还是顺子，所以每一层空间只有2种选择，时间复杂度2^5
这是一个测试版的搜索回溯程序他会输出如下的结果
假设每个位置只有两种情况，那么可以看到程序已经把所有可能都考虑到了。因此只要拿这个程序为模板改动就可以写出判断胡牌的搜索程序了。
想请问LZ会用神马规则?然后，如果可以判断出危险牌的话(即可以凭他们出的牌知道他们在等的牌)那就需要给所有牌的资讯吧(思　　　　 ------咲夜真心碉堡了
不明觉厉……编程无能……
假期也忙死了。每天一个小时也很难抽出来，哎没前途了。。
考研完再搞
不入流的AI
牛人, 先搞个网络版的框架出来, 我们帮你测试.
希望继续完成。学习学习。谁和谁打你同学和你电脑在网上打（自己做还是用现成的）？现实中（还有识别处理）？
你编出来了吗？
前辈，你这帖子沉了……
楼主，我想学编程，老死机，带带我。
我再挖一个坟 话说你的2.0做好了没？
登录百度帐号更多频道内容在这里查看
爱奇艺用户将能永久保存播放记录
过滤短视频
暂无长视频（电视剧、纪录片、动漫、综艺、电影）播放记录，
按住视频可进行拖动
&正在加载...
收藏成功，可进入
查看所有收藏列表
当前浏览器仅支持手动复制代码
视频地址：
flash地址：
html代码：
通用代码：
通用代码可同时支持电脑和移动设备的分享播放
用爱奇艺APP或微信扫一扫，在手机上继续观看
当前播放时间：
一键下载至手机
限爱奇艺安卓6.0以上版本
使用微信扫一扫，扫描左侧二维码，下载爱奇艺移动APP
其他安装方式：手机浏览器输入短链接http://71.am/udn
下载安装包到本机：
设备搜寻中...
请确保您要连接的设备（仅限安卓）登录了同一爱奇艺账号 且安装并开启不低于V6.0以上版本的爱奇艺客户端
连接失败！
请确保您要连接的设备（仅限安卓）登录了同一爱奇艺账号 且安装并开启不低于V6.0以上版本的爱奇艺客户端
部安卓（Android）设备，请点击进行选择
请您在手机端下载爱奇艺移动APP（仅支持安卓客户端）
使用微信扫一扫，下载爱奇艺移动APP
其他安装方式：手机浏览器输入短链接http://71.am/udn
下载安装包到本机：
爱奇艺云推送
请您在手机端登录爱奇艺移动APP（仅支持安卓客户端）
使用微信扫一扫，下载爱奇艺移动APP
180秒后更新
打开爱奇艺移动APP，点击“我的-扫一扫”，扫描左侧二维码进行登录
没有安装爱奇艺视频最新客户端？
如果人工智慧AlphaGO也打麻将（下）
正在检测客户端...
您尚未安装客户端，正在为您下载...安装完成后点击按钮即可下载
30秒后自动关闭
如果人工智慧AlphaGO也打麻将（下）">如果人工智慧AlphaGO也打麻将（下）
请选择打赏金额：
播放量12.7万
播放量数据：快去看看谁在和你一起看视频吧~
更多数据：
热门短视频推荐
Copyright (C) 2018 & All Rights Reserved
您使用浏览器不支持直接复制的功能，建议您使用Ctrl+C或右键全选进行地址复制
正在为您下载爱奇艺客户端安装后即可快速下载海量视频
正在为您下载爱奇艺客户端安装后即可免费观看1080P视频
&li data-elem="tabtitle" data-seq="{{seq}}"& &a href="javascript:void(0);"& &span>{{start}}-{{end}}&/span& &/a& &/li&
&li data-downloadSelect-elem="item" data-downloadSelect-selected="false" data-downloadSelect-tvid="{{tvid}}"& &a href="javascript:void(0);"&{{pd}}&/a&
选择您要下载的《
后才可以领取积分哦~
每观看视频30分钟
+{{data.viewScore}}分
{{data.viewCount}}/3
{{if data.viewCount && data.viewCount != "0" && data.viewCount != "1" && data.viewCount != "2" }}
访问泡泡首页
+{{data.rewardScore}}分
{{if data.rewardCount && data.rewardCount != 0 && data.getRewardDayCount != 0}} 1 {{else}} 0 {{/if}}/1
{{if data.rewardCount && data.rewardCount != 0 && data.getRewardDayCount != 0}}
+{{data.signScore}}分
{{data.signCount}}/1
{{if data.signCount && data.signCount != 0}}
色情低俗内容
血腥暴力内容
广告或欺诈内容
侵犯了我的权力
还可以输入
您使用浏览器不支持直接复制的功能，建议您使用Ctrl+C或右键全选进行地址复制目前麻将的人工智能研究到了什么地步？ - 知乎30被浏览<strong class="NumberBoard-itemValue" title="分享邀请回答0添加评论分享收藏感谢收起人工智能打麻将能赢人类吗 揭秘麻将AI算法麻将攻略-齐鲁财富网
人工智能打麻将能赢人类吗 揭秘麻将AI算法麻将攻略
近日，围棋AI“Master”引发人机大战讨论，那么人工智能打麻将能赢人类吗？之所以目前还没有能够战胜人类的麻将AI，主要原因还是人们在麻将AI研究方面的投入不够。目前的麻将AI基本都是麻将游戏制作团队为麻将游戏设计的，在单机上就可以运行，强度自然有限。
　　原标题：在围棋上碾压李世石后，人工智能在麻将领域能够战胜人类吗?
　　网易编辑注：AlphaGo的马甲Master近日取得了60连胜，震动棋坛。而有好事网友戏称AI未必能在打麻将上战胜人类，对此，网易科技在去年3月&人机大战&曾发文，说明人工智能在麻将上战胜人类很容易。本文作者为段昊/国际麻将联盟秘书，原文发于知乎，获得授权。
　　段昊/国际麻将联盟秘书
　　很高兴能借着AlphaGo的东风，和大家分享一下麻将AI研究的现状。
　　一. 麻将和围棋有什么不同?
　　从博弈论的角度来讲，围棋是完全信息动态博弈，而麻将属于非完全信息动态博弈。围棋中对局双方所掌握的信息是对称的，而麻将中各对局者间所掌握的信息不对称。虽然大家都能看到每位牌手打过什么牌，但你不知道我的手牌是什么，我也不知道你的手牌是什么。这种信息不对称的产生的根本原因是牌墙的随机性。
　　围棋与麻将(或者说棋与牌，弈与博)的上述区别，决定了它们获胜策略的根本不同。棋类项目本质上就是蒙特卡洛树，获胜策略就是选择或迫使对手选择一个分支，这个分支下面所有的结局都是自己胜。只不过由于棋类变化很多，连AlphaGo也远不可能遍历整个树，所以AlphaGo会通过价值网络来估计某一分支下胜结局的概率。其实人类的思维也是类似的，在围棋里平白被对手屠掉一条大龙，或者在象棋里平白送给对手一个车总是不好的&&在这些分支下，胜结局的概率大大降低了。
　　而牌类的获胜策略在于尽可能增大自己的得分期望(EV)。我并不知道我接下来要摸什么牌，或我的对手有什么牌，但所有可能的情形组成一个概率空间，我只需做出一个选择，使得自己的得分函数的期望最大。牌类策略的难点在于，影响这一概率空间的因素过多，且具体影响很难确定，比如对手打牌的习惯。
　　下图选自《科学化麻雀》，闲家愚形听牌打10% 危险度的牌对攻，x轴为自己和牌时得分，y轴为牌局巡次，z轴为自己的得分期望。
　　二. 何谓「获胜」?
　　选手的竞技水平如何衡量?麻将是否是「运七技三」的游戏?其实无论围棋还是麻将，区分选手的竞技水平都不可能只靠一局，就好比AlphaGo和李世乭要进行五番棋对决，AlphaGo赢第一盘时大家并不觉得AlphaGo一定比李世乭强一样。围棋有三番、五番、十番棋，对于竞技麻将(国标麻将、日本麻将)而言，区分顶尖选手的竞技水平至少需要手牌(如果采用类似桥牌的复式赛制，这一数字会大幅降低)。
　　至于衡量一个竞技项目的竞技性，单纯用运气所占比例是没有意义的。随着对局数的增大，运气所占比例会越来越小，选手的长期成绩必然会向其真实水平收敛。一个竞技项目的竞技性应当用「区分选手竞技水平所需必要对局时间」来衡量。比如围棋需要三番棋，麻将需要2000手牌，围棋一盘平均需要4小时，三番棋约12小时，而麻将一手牌约3分钟(网络对局)，2000手牌约100小时。麻将相比围棋有运气成分，并不意味着麻将选手的竞技水平无法衡量，而意味着麻将需要更多的对局时间来区分选手的竞技水平。
　　下图选自日本麻将平台天凤麻雀凤凰桌1000场以上玩家安定段位排行。这里的「试合」是指半庄，也就是两圈牌，考虑到连庄，平均一试合是10手牌，1000试合是10000手牌。可以看到牌手的竞技水平得到了很显著的区分，结果也与麻将圈内认知相似。
　　所以在这个问题下我们讨论麻将AI能否战胜人类，指的是麻将AI长期成绩(10000手牌以上)能否比人类更好，并不是单指一手牌。只打一手牌，谁都有可能和牌，这是牌类游戏的本质所决定的。
　　当然，这里也不考虑牌手或AI作弊的问题。如果通过作弊获得别人手牌的非法信息，麻将的竞技平衡就完全被打破了。再强的麻将AI成绩也不可能比作弊的人类好，反之亦然。事实上，现在很多单机麻将游戏的AI就是通过作弊来增加「智能」的。
　　三. 麻将会成为人类面对人工智能的「最后壁垒」吗?
　　一言以蔽之，麻将AI不是做不了，而是没人做。之所以目前还没有能够战胜人类的麻将AI，主要原因还是人们在麻将AI研究方面的投入不够。目前的麻将AI基本都是麻将游戏制作团队为麻将游戏设计的，在单机上就可以运行，强度自然有限。如果像AlphaGo一样，世界顶级团队制作，背后庞大资金支持，使用1000个CPU运行，想要设计一个轻易战胜人类顶尖麻将牌手的AI没有任何难度。
　　首先，麻将的复杂度要远远小于围棋。单就自己的14张手牌来说(总牌数136张)，组合共有种(计算方法详见麻雀の数学)，远远小于围棋的2.08&10^170。不足10^12的手牌种类意味着麻将AI完全可以提前计算好每手牌的打法估值并储存在资料库中，打牌时调用即可。
　　下图选自日本麻将研究者らすかる的个人网站麻雀の数学。
　　当然，打麻将也要考虑别人打的牌以及各家的得分。各家分差的复杂度是很小的，而别人打的牌虽然复杂度会很高(136张牌的牌墙组合为4.3&10^185种，甚至超越了围棋的复杂度)，但别人打的10张牌大多只有1~2张是有用的信息，AI只需要识别这种模式并搜索对比以往对局的牌谱即可。
　　其次，人类对麻将的研究远不及围棋，顶尖麻将牌手的训练水平很低。相比围棋研究几千年的历史，麻将诞生不过百余年，人们真正开始利用科学手段(统计学、大数据)来研究麻将只是近十年刚刚起步。例如「间四间」是上世纪流行的日本麻将理论，指的是别人打过中间相隔4张的2张同花色数牌，则这2张牌的内侧筋牌是危险牌。如别人打过三筒、八筒(中间相隔四五六七筒)，则四七筒是危险牌，这是因为别人手里一开始可能是三五六八筒，三八筒效率较低被打掉，留下的五六筒要四七筒。这一理论在近十年的大数据研究中已被证明是完全错误的&&别人要四七筒的概率并没有显著性的上升。　　
　　可见，目前人们对麻将的研究还处在很初级的阶段，通过别人打过的牌来分析别人想要的牌的科学研究才刚刚开始。麻将界也没有围棋那样3岁开始学棋，10几岁就和世界顶级高手过招，接受世界顶级指导的职业选手。麻将本身复杂度低，人类顶尖牌手水平又不高，被人工智能击败会比围棋要容易得多，不可能是「最后壁垒」。
　　四. 现在有哪些比较强的麻将AI?
　　竞技麻将方面，目前国标麻将和日本麻将都有比较强的AI(高于人类平均水平)。日本麻将的AI目前最强的当然是「爆打」。
　　「爆打」是由东京大学工学系在读博士生水上直纪开发的日本麻将AI，他所在的课题组就是专门研究麻将AI的。爆打和AlphaGo一样，也具有自我对局和分析并学习人类牌谱的能力。水上发表过的论文题目为《Realizing a Four-Player Computer Mahjong Program by Supervised Learning with Isolated Multi-Player Aspects》，全文详见http://www.logos.ic.i.u-tokyo.ac.jp/~mizukami/paper/jousho_2014.pdf。
　　爆打从2015年开始在最大的日本麻将平台&&天凤麻雀上开始运行，至2016年2月已经打了1.3万多场(约13万手牌)。2015年9月，爆打达到天凤麻雀四段，2015年12月更是一度冲进天凤七段，长期成绩显示平均为六段以上。这意味着什么呢?
　　上图是天凤麻雀平台日的段位成绩分布图(来源オンライン対戦麻雀 天鳳 / ランキング)。天凤平台具有非常科学的段位和Elo Rating体系，越是和高水平牌手对局，获胜后Rate增加越多，失败后Rate减少越少;越是和低水平牌手对局，获胜后Rate增加越少，失败后Rate减少越多。最终段位和Rate值的稳定值就代表了牌手的真实实力。
　　可以看到，天凤麻雀平台的活跃用户数约为17万人(不包括新人僵尸号)，而六段以上的用户总数为5793人，约占3.4%。也就是说，爆打打麻将比96.6% 的麻将玩家要好，全世界麻将打得比爆打好的人，数量仅有几万人左右(包含所有麻将规则的估算)。这只是一个课题组，用时一年多研究出的，在一台电脑上运行的麻将AI，就已经基本赶上AlphaGo早期版本所取得的成绩了。
　　国标麻将方面，目前最强的AI大概是我本人目前正在参与设计的国标麻将AI了。最初的版本只加入了最常用的十几个番种的分值判断，防守端几乎没有做，实测对随机牌手和牌率就已经达到24% 左右，基本与国标麻将平均和牌率24.3% 持平(国标麻将数据可见国标麻将、日本麻将对局时，「点炮、自摸、流局」的比例分别是多少? - 段昊的回答)。实际水平大概处在所有牌手中上位10~20%左右的水平(低段位牌手多，大部分牌手的水平处在平均以下)。
　　五. 麻将AI的算法应该是什么样子的?
　　最后，我来浅谈一下麻将AI的基本算法。
　　1. 基础牌效率
　　麻将的牌效率指的是能使手牌更快和牌的打牌方法，是麻将的基本功。来简单举个例子：
　　下图牌画取自联众国标麻将(http://gbmj.lianzhong.com)。
　　这是一手13张牌的手牌，现阶段是一上听(差1张牌就可以听牌)，那么哪些牌是有用的牌，或者说我摸到哪些牌会留下呢?这些有用的牌称为「有效牌」，最有用的当然是能让我直接听牌的牌，这类牌称为「第一类有效牌」。
　　第一类有效牌：能使手牌向和牌前进一步(上听数降低)的牌，包括：
　　除了第一类有效牌，有用的牌还有以下这些：
　　第二类有效牌：不能使上听数降低，但能使第一类有效牌增多的牌，包括：
　　比如摸到九索，一般情况下应该选择留下九索打掉三索，因为第一类有效牌变多了：
　　计算采用天凤牌理オンライン対戦麻雀 天鳳 / 牌理。
　　第三类有效牌：不能使上听数降低，也不能使第一类有效牌增多，但能使第二类有效牌增多的牌，包括：
　　比如摸到五索，一般情况下应该选择留下三五索拆掉八九索，虽然第一类有效牌张数没变，但三五索相比八九索多了1种第二类有效牌&&六索(原是第三类有效牌)。
　　(也许看到这里，你有点算不过来，或者感觉这和你平时打的麻将压根不是一个游戏。没关系，这很正常，你可以找张纸，在纸上仔细算一下每种第二类有效牌都新增了哪些第一类有效牌。)
　　可见，对于一开始一上听的13张手牌而言，除了七八九筒外的所有数牌都是有用的牌。麻将的牌效率就是这样&&不断通过有效牌增大自己的进张面，最终使得和牌的概率越来越大。也许你已经发现，麻将牌效率的本质就是一个搜索树，最开始的手牌
　　经过多轮选择后可能对应多种结局(和牌)，例如：
　　路径：摸到第一类有效牌八万或七索听牌，再自摸另一张和牌(最大概率结局)。
　　路径：先摸到第二类有效牌一万或七万后打掉三索，然后摸到一万或七万的另一张听七索，或者摸到七索选择听一万和七万对倒和牌。
　　路径：先摸到第三类有效牌三筒后打掉三索，然后摸到四筒后拆掉八九索，之后和牌。
　　对于一个两上听以内的手牌来说，这个树的深度最多也就是4~5步，每一步的分支平均在15种左右，也就是说复杂度最多在10^5数量级。由于每条路径都对应着一个确定的概率，一个好的麻将AI完全可以做到遍历这个树，比较两种或更多种打牌选择之间所对应结局的和牌期望之和。
　　对于三上听以外的手牌(由上文图中可知三上听以外的手牌约占手牌所有组合的80%)，由于手牌中会存在大量的孤张或简单搭子，只需单独比较孤张或简单搭子的效率即可，计算量更小。
　　除了上述穷举手牌搜索树的方法，还可以采用模拟的方法。比如让麻将AI在短时间内模拟两种打法各1000手牌，哪个和牌率更高就选哪种打法。虽然这样不太精确但已经足够保证比人要强了。
　　2. 和牌限制与番数价值
　　很多麻将规则对和牌有限制，比如国标麻将必须八番起和，四川麻将必须缺一门，太原麻将和牌必须包含指定牌张等等。我们只需在上述基础牌效率算法搜索树的基础上，「砍掉」那些结局不符合要求的分支即可。
　　有些时候我们不仅关注和牌的概率，也关注和牌的大小，比如有些牌我们宁可损失一些进张也想去做清一色，追求更高的和牌得分。我们只需为树的所有结果赋值(和牌得分)，并用结局对应的值与路径对应的概率求出不同打法的得分期望并进行比较。
　　3. 副露判断
　　「这个牌该不该碰」似乎是打麻将时比较令人头疼的问题。但其实副露判断只是计算量大，并不需要特殊的算法，依然是对比碰与不碰两种选择所对应的所有结局的得分期望即可。日本麻将中的立直(报听)判断也是同理。
　　只不过当我们在考虑「打哪张好」的时候，两种打牌选择之间所对应的路径和结局有大部分都是重合的;而我们在考虑「该不该碰」的时候，两种选择所对应的路径和结局基本是完全不同的，这无形中增大了计算量。其实人脑在做蒙特卡洛树搜索时，比较容易做到「想得很深」，比如职业棋手可以提前算到20甚至30步棋;但难以做到「想得很广」，通常情况下大脑只能做到从两种选择中找几个概率较大、有代表性的结局样本做比较。所以副露判断显得难，其实只是计算量的问题，而对于麻将AI来说，这不是问题。
　　4. 防守端
　　防守端需要解决的是攻守判断和防守打法两个问题，即「什么时候要防守」和「要防守应该打什么」。解决这些问题最好的方法是让麻将AI自己通过大量的牌谱(千万场量级)进行自我学习。正如前文我所提到的，其实人们对于麻将应该如何科学防守的研究也才刚刚开始，想要分析一个打过三筒和八筒的人真正需要的是几筒，需要大量的牌谱作为样本进行研究。这部分研究现在还要等待电脑去完成，未来的麻将AI在这方面要比人类做得更好可以说是必然的。
　　对大量牌谱所做的出牌模式研究还可反过来应用于牌效率算法的改进中。比如早巡打过八万的人手牌中有九万的概率较小，那么牌墙中剩余九万的概率就有所上升，牌效率中利用九万的路径的概率就可以做出相应的修正。
　　5. 状况判断
　　状况判断指的是麻将的「大局观」，如为了争取第一名或者为了规避第四名而采取不同的策略。状况判断其实就是对得分期望做进一步的修正。比如某状况下我必须自摸13番牌才能逆转，那么最终结果是13番以下的牌的得分期望可以进一步降低，而13番及以上的牌的得分期望则可以提高。
　　总之，麻将的复杂度较低，算法上可以用搜索树穷举法以及大量牌谱的自我学习来解决，只要有大量牌谱资料，有人肯花时间，有人愿意出资，开发一个能胜过人类的麻将AI，非常容易。
责任编辑：谭雅文
齐鲁财富网移动客户端
24小时热点
自日起，在上海市、福建省(含厦
3月21日，美团打车正式登陆上海，这意味着
要将齐鲁财富网设为上网首页吗&&&&&&&&
要将齐鲁财富网添加到收藏夹吗
齐鲁财富网,
门户( qlmoney.com) 服务于大众的财经信息网,部分资讯引用互联网金融信息,如有侵权,我们将立即删除!
All Rights Reserved.&& 备案号 : 鲁ICP备号在围棋上碾压人类后，人工智能在麻将领域能够战胜人类吗？_36氪
市场合作，请您联系： media_
品牌广告合作，请您联系： media_
企业创新合作，请您联系： corp_
地方合作，请您联系：
满足以下场景，获得更高通过率： 1. 新融资求报道 2. 新公司求报道 3. 新产品求报道 4. 创投新闻爆料
36氪APP 让一部分人先看到未来
为你推送和解读最前沿、最有料的科技创投资讯
一级市场金融信息和系统服务提供商
聚集全球最优秀的创业者，项目融资率接近97%，领跑行业