黑法老：水漫金字塔

简介：纪录片《黎明墙》(The Dawn Wall)首曝预告，讲述两名男子徒手征服“世界最难攀登绝壁”黎明墙的经历，热血沸腾鼓舞人心[并不简单] 2015年1月，Tommy Caldwell和Kevin Jorgeson开始攀登，两人在陡峭的垂直悬崖上生活了数周，引发了全球媒体的狂热关注。对Caldwell来说，这不仅仅是一次攀登，也是证明自己的强大之处的机会：22岁时，Caldwell被吉尔吉斯斯坦叛军挟持为人质，不久后他在一次事故中失去食指。两人耗时将近20天，成功登顶加利福利亚约塞米蒂国家公园的埃尔卡皮坦山，创下了徒手攀上黎明墙的世界纪录。 　　在此之前，两人花费了6年的时间规划路线，于2010和2011年两次尝试攀爬，均以失败告终。1958年首次有人征服黎明墙，目前约有100多条攀登路线，但从未有人徒手登顶。奥巴马也曾在两人成功后表示祝贺，称“一切皆有..请观看视频，

简介：拉西·彼得森失踪时已怀有八个月身孕。人们展开搜寻，结果却以悲剧告终。这部系列纪录片对这起 2002 年的谋杀案进行了深入探究请观看视频，

简介：请观看视频，

简介：1961年的一个炎热夏日，正在拍摄《动物园探索》的大卫?阿滕伯勒从一名马达加斯加当地男孩手中，接过了一些巨大的蛋壳碎片。这些碎片是男孩在覆盖着沙粒的河床上发现的，它们属于世界上最大的鸟类——已经灭绝的重达半吨的象鸟。自从大卫在马达加斯加拍摄完《动物园探索》后，这里就发生了巨大的变化：80%的雨林遭到破坏，而人口却激增了四倍，当地特有的50多种哺乳动物在灭绝的边缘挣扎。阿滕伯勒珍贵的蛋壳碎片能解释远古象鸟的消失之谜吗？我们能从象鸟的命运中领悟到拯救马达加斯加野生动物的方法吗请观看视频，

简介：影片讲述了巴西传奇车手埃尔顿·赛纳传奇的一请观看视频，。一级方程式车手赛纳在其职业生涯中参加了161场大奖赛、41次冠军、65次排头位、三次一级方程式大奖赛年度总冠军，以其勇敢、智慧，奔驰在赛场上10年，创造出了不平凡的成绩，成为当代世界最优秀的赛车手，被誉为“赛车王子”……不幸的是， 1994年5月1日在圣马力诺的伊莫拉赛道上撞车身亡，年仅34岁。　　1960年3月21日，塞纳出生于巴西的圣保罗市。其父亲是一位拥有百万资产的企业家，经营一个汽车零配件厂。塞纳4岁时，他父亲便专门为他定做了一辆一马力的轻便小赛车。小塞纳似乎天生就对汽车有一种偏爱，7岁那年，他便敢独自把父亲的轿车开到街上。塞纳10岁时，父亲送给他一辆真正的小型赛车，从此，他就对赛车着了迷。他在作文中写道：“将来我一定要成为一名一级方程式赛车手。” 1973年，年满13岁的塞纳首次参加在家乡举行的小型赛车比赛，初战告捷，从此节节胜利，17岁时便夺得了南美冠军。此后，他又多次获得小型赛车的巴西全国冠军和南美冠军。但是，塞纳并不满足，他的愿望是向世界一流车手挑战。　　1981年，塞纳到了赛车运动的圣地——欧洲，开始参加方程式汽车比赛。不久，塞纳夺得福特1600方程式和福特2000方程式的冠军，在赛车界崭露头角。　　1983年，塞纳集中全力角逐三级方程式的比赛，结果荣膺全英冠军。在1981～1983年的短短三年间，塞纳先后夺得了44站的胜利，轰动了整个赛车界，创造了“塞纳现象”。　　1984年， 24岁的塞纳开始一级方程式赛车的生涯。塞纳不仅在晴天比赛时是一名优秀车手，就是在乌云翻滚、暴雨倾盆的恶劣条件下，也能以他超人的胆量和妇熟的技术在赛道上奋勇争先。在塞纳职业车手历史中，不乏雨中夺魁的出色纪录，他的第一次一级方程式冠军就是在雨中创造的。　　1985年4月22日，在葡萄牙大奖赛的埃斯托利尔赛道中，连日不断的大雨使本来就已颇具危险的比赛变得更加艰难，车手们面临着严峻的考验。法国车手普罗斯特的车原地打转熄火了，巴西著名车手皮盖特的车也退出了赛场。然而，勇敢的塞纳却沉着地驾驶赛车冒雨飞驰，终于以先于第二名1分30秒的绝对优势取得冠军。这是塞纳参加一级方程式大赛的第一场胜利，由此，塞纳也以“雨中塞纳”而闻名。　　80年代末至90年代初是塞纳赛车生涯的辉煌时期，他每站比赛排位几乎总是最前，最先冲刺的也几乎总是他；他三次夺得了世界一级方程式车赛年度总冠军，各著名车队用尽招数争夺塞纳，他成为年薪最高的车手。塞纳一时间几乎成了赛事的代名词，赛纳这个名子在巴西、南美和欧洲家喻户晓。　　1993年，塞纳在其家乡圣保罗出尽风头。比赛时，大雨如注，赛手们纷纷畏惧不前，唯有塞纳勇往直前，其熟练的驾车技术博得成千上万的崇拜者一阵又一阵的狂呼，整个赛场为塞纳而沸腾。　　1993年10月，塞纳同威廉姆斯车队达成有效期2年，年薪1500万美元的协议。世界上最好的赛车配上了最佳的车手，新闻界认为这是一级方程式赛车史上最完美的结合。塞纳已鼓足勇气，决心驾驶威廉姆斯车在1994年第四次夺魁。　　然而，1994年一开赛，塞纳的运气就不佳。在其家乡圣保罗湖区赛道举行的第一站比赛中，塞纳由于求胜心切，进入弯道时踩油门过猛而造成赛车打滑熄火。在日本举行的第二站比赛中，刚一起跑，塞纳的威廉姆斯赛车便被芬兰选手米卡·哈基宁的车撞在尾部，被迫退出比赛。　　由于前两站比赛的失利，塞纳全力以赴备战，决心拿下第三站。5月1日，在意大利的伊莫拉赛道开始了第三站的比赛，塞纳还是排位第一。当赛车行至第7圈时悲剧发生了，只见在坦布雷罗弯道上，塞纳驾驶的2号赛车以约300km／h的高速撞上了水泥防护墙……　　塞纳之死震撼了全世界，许多国家的新闻媒介都进行了大量报道。在巴西，塞纳不仅仅是一名超级车手，他还是国家的象征，是民族的骄傲，总统为他亲自主持了国葬。

简介：纪录片聚焦中小卖家的烟火人情请观看视频，。在不确定的时代，展现国民个人灵活就业创新样本、生存智慧、韧性和平凡诗意，让大家看到同行者抱团取暖，体现买卖情义，坚定自己的乐观和勇气，激发共鸣、抚慰情绪。

简介：2006年2月，在图坦卡门国王统治时期的首座坟墓被发现后，大西洋制作公司即对此进行报道。考古队伍发现了七具木乃伊，二十八个密封的储藏罐，一个美丽的金棺材和一些有史以来发现的最迷的文物。他们将揭示一个被遗忘的世界。由于条件恶劣，沙尘暴以及高达150华氏度的气温，考古团队不得不停止挖掘。 2009年，为了检查他们的考古发现，打开4000年前的密封罐，他们再次进入墓穴。他们将解答最大的谜团：被埋在这里的究竟是什么人？扎西·哈瓦斯博士相信这个墓室与图坦卡门国王有关请观看视频，

简介：　　Biologist and extreme angler, Jeremy Wade, is on the hunt for freshwater fish with a taste for human flesh. Jeremy travels the globe risking life and limb, to investigate freshwater mysteries and uncover the truth about the dark secrets of our planet's rivers请观看视频，

简介：　　该片拍制历时三年，几经修改打磨。头三集动用了来自多个国家的演员，参与再现东西方文明史中那些文明巨人的著作形成或影响历史的伟大故事，同时使用大量动画来力求生动表现读书与文明史的深刻关联。第四集通过钱镠家族、翁同龢家族、蒲松龄传奇等，揭示人生的高度与读书之间的关联，读书的祖传家训具有启示教益价值。第五集则展现了全民阅读在中国的实践历程，及对社会产生的深远文化影响请观看视频，

简介：　　本片以深圳为样本，通过讲述今天鲜活的“深圳故事”，从一个城看一段历史，从这段历史读懂中国人改革的意义，以及它给中国和世界政经历史所留下的坐标意义。记录这座城，是为了纪念过去四十年里勇于改革的一群中国人；展示这座城，是为了证明一个政党为民族自强富强而笃定灵动的制度自信；解读这座城，是为了改革再出发时一份不忘的初心请观看视频，　　第一集 杀出一条血路   20190121　　第二集 思想解放天地宽  20190122　　第三集 试验市场经济   20190123　　第四集 刀口向内的改革  20190124　　第五集 改革改出“新自我”  20190125　　第六集 创造“创新之城”  20190126　　第七集 建设“法治之城”  20190127　　第八集 来了就是深圳人  20190128

简介：　　《雅克·德米的世界》是阿涅斯·瓦尔达对丈夫雅克·德米的爱恋与追思，也是一堂精彩的法国电影史。阿涅斯·瓦尔达一共拍摄了三部以雅克·德米为主题的电影。1990年雅克·德米即将因病逝世时，瓦尔达在他生命的模锻重新拍摄并分享了他的童年——她来不及参与的回忆。德米逝世之后，瓦尔达则以纪录片的形式完整地讲述德米的电影世界。影片包括资料式的访谈影像、片场的纪实资料、曾经合作的电影工作者、演员以及影迷的追忆片段等，还有一些珍贵的史料片段，比如大门乐队的主唱吉姆·莫里森探班《驴皮公主》拍片现场的经典画面请观看视频，

简介：　　A witty, exhilarating and mind-expanding exploration of the word of our times - data - with mathematician Dr Hannah Fry. Following in the footsteps of BBC Four's previous gleefully nerdy, award-winning maths films The Joy of Stats, Tails you Win - The Science of Chance and The Joy of Logic, this new high-tech romp reveals exactly what data is and how it is captured, stored, shared and made sense of. Fry also tells the story of the engineers of the data age, people most of us have never heard of despite the fact they brought about a technological and philosophical revolution请观看视频，　　For Hannah Fry, the joy of data is all about spotting patterns. She's Lecturer in the Mathematics of Cities at UCL as well as being the presenter of the BBC series Trainspotting Live and City in the Sky, and she sees data as the essential bridge between two universes - the tangible, noisy, messy world that we see and experience, and the clean, ordered, elegant world of maths, where everything can be captured beautifully with equations.　　Along the way the film reveals the connection between Scrabble scores and online movie streaming, explains why a herd of Wiltshire dairy cows are wearing pedometers, and uncovers the remarkable network map of Wikipedia. What's the mystery link between 'marmalade' and 'One Direction'?　　The Joy of Data also hails the giant contribution of Claude Shannon, the American mathematician and electrical engineer who, in an attempt to solve the problem of noisy telephone lines, devised a way to digitise all information. It was Shannon, father of the 'bit', who singlehandedly launched the 'information age'. Meanwhile, the green lawns of Britain's National Physical Laboratory host a race between its young apprentices in order to demonstrate how and why data moves quickly and successfully around modern data networks. It's all thanks to the brilliant technique first invented there in the 1960s by Welshman Donald Davies - packet switching - without which there would be no internet as we know it.　　But what of the future, big data and artificial intelligence? Should we be worried by the pace of change, and what our own data could and should be used for? Ultimately, Fry concludes, data has empowered all of us. We must have machines at our side if we're to find patterns in the modern-day data deluge. But, Fry believes, regardless of AI and machine learning, it will always take us to find the meaning in them.