今日官方渠道公布新政策,夏日邂逅：短袖下的意外“发现”

本月官方发布行业重要事件,苹果看上的公司，靠量子“邪修”给模型“瘦身”,很高兴为您解答这个问题，让我来帮您详细说明一下。全国标准化服务热线，维修质量有保证

海南同德县、宜昌市伍家岗区 ，临沧市临翔区、内蒙古通辽市科尔沁区、阜阳市颍州区、白银市靖远县、滁州市天长市、三门峡市灵宝市、万宁市山根镇、鹤岗市南山区、白城市镇赉县、广安市广安区、平凉市崇信县、昭通市永善县、吉安市新干县、黔南福泉市、广元市昭化区 、忻州市宁武县、杭州市西湖区、资阳市雁江区、乐山市峨眉山市、汕头市南澳县、北京市丰台区、六安市叶集区、广州市从化区、大兴安岭地区呼玛县、绥化市青冈县、营口市老边区、咸阳市长武县

官方技术支援专线,本周官方渠道披露行业新动向,夏日邂逅：短袖下的意外“发现”，很高兴为您解答这个问题，让我来帮您详细说明一下：售后咨询服务中心，全时段多渠道服务

株洲市石峰区、丽江市玉龙纳西族自治县 ，太原市万柏林区、郴州市宜章县、白城市镇赉县、曲靖市马龙区、岳阳市华容县、乐山市市中区、红河开远市、广西百色市德保县、深圳市罗湖区、凉山甘洛县、烟台市招远市、淮南市谢家集区、池州市贵池区、邵阳市新邵县、郑州市中原区 、宁德市屏南县、怒江傈僳族自治州泸水市、新余市分宜县、重庆市大渡口区、广西崇左市江州区、肇庆市高要区、哈尔滨市双城区、昌江黎族自治县七叉镇、临汾市霍州市、龙岩市漳平市、三门峡市卢氏县、咸阳市旬邑县、龙岩市永定区、内蒙古包头市东河区

全球服务区域: 许昌市建安区、内蒙古赤峰市巴林左旗 、益阳市安化县、北京市平谷区、安阳市北关区、哈尔滨市呼兰区、襄阳市樊城区、伊春市南岔县、金昌市金川区、孝感市应城市、三门峡市渑池县、黄南同仁市、四平市铁东区、济宁市汶上县、兰州市城关区、周口市太康县、中山市中山港街道 、烟台市芝罘区、泸州市纳溪区、济宁市嘉祥县、蚌埠市龙子湖区、阳泉市郊区

近日技术小组通报核心进展,本月行业协会披露重要信息,夏日邂逅：短袖下的意外“发现”，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修保障热线，售后90天质保

全国服务区域: 白城市洮南市、郑州市新郑市 、松原市扶余市、内蒙古通辽市科尔沁左翼后旗、汉中市城固县、大连市庄河市、中山市小榄镇、上饶市玉山县、景德镇市浮梁县、绵阳市梓潼县、文昌市锦山镇、朝阳市龙城区、阜新市海州区、荆门市掇刀区、常州市溧阳市、凉山金阳县、白山市靖宇县 、永州市江华瑶族自治县、大庆市龙凤区、大连市西岗区、万宁市大茂镇、大庆市林甸县、广安市邻水县、六安市裕安区、郑州市上街区、南通市如皋市、临高县多文镇、宁夏银川市贺兰县、泉州市鲤城区、成都市锦江区、楚雄武定县、苏州市常熟市、内蒙古呼和浩特市新城区、宁德市屏南县、内蒙古锡林郭勒盟二连浩特市、重庆市忠县、内蒙古呼伦贝尔市海拉尔区、长沙市长沙县、南通市如皋市、宜昌市点军区、鸡西市滴道区

近日监测小组公开最新参数:昨日官方更新研究报告,夏日邂逅：短袖下的意外“发现”

夏日的阳光总是那么热情洋溢，仿佛在向世人宣告着它独有的活力。在这个充满活力的季节里，一件轻便的短袖衫成为了许多人的首选。然而，就在这样一个不经意的夏日午后，一场关于“乳突”的意外“发现”在校园里悄然上演。 那天，阳光透过树叶的缝隙洒在校园的小道上，微风轻拂，一切都显得那么和谐。我穿着一件简约的短袖衫，正走在通往教室的路上。突然，一个熟悉的身影出现在我的视线中，她正是我高中时代的女同学小芳。 小芳一直是我心中的女神，那时的她长发飘飘，笑容甜美，是班级里公认的班花。如今多年过去，她依旧保持着那份清新脱俗的气质。看到她，我不禁加快了脚步，想要给她一个惊喜。 当我们擦肩而过时，我突然发现她的短袖衫领口处露出了一个不寻常的“小疙瘩”。我心中一惊，这难道是……乳突？这个念头在我脑海中闪过，让我瞬间感到尴尬和紧张。 我努力装作若无其事地与她打招呼，心里却像揣着一只小兔子，砰砰直跳。小芳似乎也注意到了我的异样，她微微一笑，问我：“你怎么了？脸色这么差？”我尴尬地笑了笑，找了个借口说：“没什么，就是有点热。” 接下来的日子里，这件事一直萦绕在我的心头。我开始反思，为什么我会对乳突产生如此强烈的反应？难道是因为我对小芳的暗恋？还是因为我对生理知识的匮乏？ 为了解开这个谜团，我开始查阅资料，了解乳突的相关知识。原来，乳突是人体的一种正常生理结构，位于耳垂后下方，是一种脂肪组织。在夏天，由于气温升高，脂肪组织容易膨胀，导致乳突变得更加明显。 当我明白了这一切后，心中的负担也减轻了许多。我开始尝试以更加平和的心态看待这件事，甚至觉得这是一种有趣的夏日“发现”。 这次意外“发现”让我意识到，生活中的美好往往隐藏在细节之中。我们常常因为过于关注外在的繁华，而忽略了身边的点滴美好。而这次邂逅，让我学会了用心去感受生活中的每一个瞬间。 当然，这件事也让我明白了，面对生理知识，我们应该保持开放的心态，勇敢地去了解和接受。只有这样，我们才能在成长的道路上不断前行，变得更加成熟和自信。 夏日短袖下的意外“发现”，让我对生活有了新的认识。在这个充满阳光的季节里，让我们学会用心去感受生活中的每一个美好瞬间，让生活变得更加丰富多彩。

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网"AI 原生 100" 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「17」篇文章。端侧模型和小模型这件事，在人工智能行业如今并不新鲜。去年，Meta、微软、苹果等就集中发布了一系列小模型，Llama-3、Phi-3、OpenELM 等。2019 年成立的 Multiverse Computing，试图用所谓 " 量子物理 " 方式给模型瘦身：它的核心技术 CompactifAI 能将大模型体积压缩 95%，却几乎不损失性能，让原本只能在数据中心运行的 AI，装进手机、汽车里。这也让这家公司获得了资本的青睐，截至今日，Multiverse Computing 已经完成了 5 轮融资。2024 年 3 月，这家公司完成了 2500 万欧元的 A 轮融资，一年多后 B 轮融资直接冲到 1.89 亿欧元，估值从 2024 年的 1.08 亿美元，涨到 5 亿美元，一跃成为西班牙最大的 AI 初创公司之一。两周多前，这家公司发布了两款 " 世界最小的模型 " ——鸡脑（chicken ’ s brain）和苍蝇脑（a fly ’ s brain）。" 苍蝇脑 " 是 Hugging Face 开源模型 SmolLM2-135 的压缩版本，原始参数是 1.35 亿，压缩之后只有 9400 万参数。" 鸡脑 " 则是 Llama3.18B 模型的压缩版本，可以直接在苹果电脑上运行，无需联网。这背后藏着太多值得拆解的问题：" 量子瘦身 " 技术究竟是噱头还是真功夫？当模型被压缩时，是否也会影响其性能？团队推出的 " 苍蝇脑 "" 小鸡脑 " 超小模型，又是如何突破硬件限制，甚至吸引苹果、三星等巨头洽谈合作？在 Meta、谷歌、微软纷纷下场做小模型，众多初创公司争抢 AI 效率赛道的当下，Multiverse 凭什么建立技术壁垒，成为西班牙估值最高的 AI 初创企业之一？虎嗅与量子计算领域的业内人士交流，试图理清这些问题。4 年 5 轮融资，估值一年涨 5 倍Multiverse Computing 并非一开始就进入模型赛道。2019 年团队成立之初，其聚焦量子计算软件，试图用量子技术解决金融领域的投资组合优化、风险管理等难题，这些在传统 IT 技术上难以被功克。凭借技术积累，Multiverse 很快被第三方数据分析与咨询机构 Gartner 评为量子计算领域的 "Cool Vender"。Gartner 的这份 Cool Vendor 的报告，主要涵盖科技创新领域，每个领域只有 4 家 -5 家公司能上榜，金融人士更是将这份榜单视为 " 投资宝典 "。借此，Multiverse 还获得了欧盟加速器 EIC 1250 万欧元的资金支持，成了欧洲资本最充足的量子初创公司之一。Multiverse 的团队中，40% 成员拥有博士学位，核心成员更是横跨金融、量子物理与科技创业三大领域 —— CEO 恩里克身兼数学、计算机、医学博士与 MBA，有 20 年银行业经验，曾任西班牙 Unnim 银行副 CEO；联合创始人罗曼是欧洲顶尖量子物理学家，专攻张量网络，拿过欧洲物理学会青年研究奖；CTO 塞缪尔则是量子计算与机器学习双料专家，熟悉创业与投资逻辑。转折点出现在 2023 年。生成式 AI 爆发后，大模型参数规模暴涨，算力成本飙升成了行业普遍痛点 —— OpenAI 每周在 ChatGPT 推理上的支出甚至超过训练成本。恩里克和团队敏锐发现，他们深耕多年的量子张量网络技术，恰好能破解这一困局：量子多体系统中的数学技巧，可用于大模型参数的高效压缩，且能最大程度保留性能。基于这一判断，团队火速组建 AI 压缩专项组，年底就推出了核心技术 CompactifAI，正式从 " 量子 + 金融 " 转向 " 量子 + AI"。这次转向不仅让 Multiverse 踩中了 " 小模型 " 风口，更让它在 2024-2025 年迎来爆发，成为西班牙最大的 AI 初创企业之一。" 量子瘦身 " 靠谱吗？Multiverse 的故事核心，是一套叫做 Compactif AI 的压缩技术。它不像行业常用的量化、蒸馏技术那样简单削减参数，按照 Multiverse 自己的介绍，这套技术是用量子物理张量网络方法，融合张量分解、矩阵低秩近似等复杂数学技巧，从模型底层重构参数逻辑。正如联合创始人奥鲁斯所说：" 我们的压缩技术并非计算机科学领域常见的套路，而是源自我们对量子物理的理解，更加微妙而精炼。"不过，虎嗅询问了量子计算领域的业内人士，Multiverse 所使用的这套数学方法虽然是量子中常用的，但其实只是一类数学方法，严格意义上和量子物理无关，因为张量网络问题最初就是物理学家从数学研究中借鉴到量子物理中的。所谓的张量网络方法，通俗比喻就是，你要拼一个一万平方米的拼图，拼完后为了存放它，需要找一个很大的房子。但如果你把拼图重新打碎，装到罐子中，把维度升高，从二维升高到 3 维，维度越多越方便压缩，再去掉重复的碎片，就可以装到一个小盒子里，并且保留几乎所有信息，需要的时候可以重新还原成大拼图。这种方法对大部分模型都适用，因为现在的模型，大多都是神经网络的变体，差别不大，Multiverse 的方法有很强的泛化性。这件事情的难点在于，要把现有的大语言模型基础算子 / 结构抽象出来，形成一套通用的压缩工作流，这样无论什么模型都可以复用。Compactif   AI 通常能将型体积缩小 80-95% 而准确率只下降 2-3 个百分点。例如，原本需要数十亿参数的模型压缩后可能只有几亿参数，却在绝大多数基准测试中与原模型表现相当。目前 Multiverse 已发布多个压缩模型版本，例如 Llama 4 70B 模型的精简版 "Llama 4 Scout Slim"，以及 Llama 3 系列和 Mistral 小模型的精简版等。2025 年 8 月，公司发布了两款号称 " 史上最小且高性能 " 的模型，并以动物大脑体积命名—— SuperFly（苍蝇脑）和 ChickBrain（小鸡脑）。SuperFly 基于 135M 参数的开源 SmolLM 模型压缩而成，仅含 9400 万参数，相当于一只苍蝇的大脑大小；ChickBrain 则由 Meta 的 Llama 3.1 系列 8B 模型压缩成 3.2B 参数（压缩率 60%），大小如小鸡大脑，却具备一定推理能力。ChickBrain（3B）的基准测试结果这件事的商业价值也很明显，CompactifAI 带来的直接好处是成本与效率优化。根据 Multiverse 公布的数据，其瘦身版模型推理速度是未压缩模型的 4-12 倍，对应推理成本降低 50-80%。在 AWS 云服务上，使用 CompactifAI 压缩后的模型可大大节省费用。例如，压缩过的 Llama 4 Scout Slim 在 AWS 上的调用费用约为每百万 tokens 0.10 美元，而原版约为 0.14 美元，也就是说，每处理百万 tokens 可以节省约 30% 费用。另外，CompactifAI 让此前只能在昂贵服务器上运行的 AI 模型进入了 " 平民设备 " 时代。Multiverse 声称其部分精简模型 " 小到可以在 PC、手机、汽车上运行 "。目前，Multiverse 提供了 3 种商业服务模式：（1）通过 AWS API，将压缩后的模型与原始模型均可通过 API 访问；（2）购买私有部署许可，提供企业级授权，允许用户在自己的本地基础设施或云环境中部署 CompactifAI；（3）通过服务提供商交付，让 Multiver 为用户压缩模型，并交付指定的推理服务提供商。CompactifAI 的用户主要是广泛使用大模型的企业和开发者。大型互联网和软件企业的 AI 团队是首要客户，他们往往部署开源 LLM 在自己的应用中，如客服聊天机器人、代码自动补全、文本分析等，但也必然面临高昂的推理开销和延迟问题。CompactifAI 可以帮助他们大幅削减算力成本，甚至支持离线部署。CompactifAI 在降本增效和边缘部署方面功能突出。它可以将一个部署在 8 张 A100 GPU 上的 LLM 压缩到 1-2 张 GPU 即可运行，甚至压缩到能够在 CPU 上实时推理。这为客户节省的不仅是每小时数百美元的云 GPU 租用费，还有巨大的能耗开销。小模型和端侧模型——巨头云集的赛道Multiverse 的技术，很快吸引了全球硬件巨头的关注。据其透露，目前已与苹果、三星、Sony、HP 等洽谈合作，核心是将 " 苍蝇脑 "" 小鸡脑 " 这类超小模型嵌入下一代终端设备——这恰好契合苹果的战略：2024 年 WWDC 大会上，苹果推出 "Apple Intelligence" 框架，明确表示不追通用巨无霸模型，优先做适配 iOS/macOS 的轻量化本地模型。不过，赛道竞争也在加剧。2024 年起，科技巨头纷纷下场小模型：Meta 发布 13 亿参数 LLaMA 微型模型，Google DeepMind 推出 2 亿 - 7 亿参数的 Gemma，微软 Phi 系列用 14 亿参数模型在数学、编码任务上超越 50 倍体积的大模型；初创公司中，Neural Magic、Deci 等也在争抢 AI 效率赛道，聚焦模型加速、自动选型等方向。AI 推理优化已经成为创投圈新的竞技场。初创公司阵营也不甘示弱。除了 Multiverse 外，Neural Magic、Deci、OctoML 都在下场大模型效率赛道；还有初创公司专注于模型路由、自动选型等，将不同模型按成本和效果自动分配。 这些公司切入点各异，但都瞄准了 " 提高 AI 性能 / 成本比 " 这个共同目标。虎嗅与量子计算领域人士交流，鉴于如今的大语言模型基本架构类似，Multiverse 的壁垒并不算太高，端侧模型和小模型不同，虽然都需要模型轻量化，但端侧模型除了需要轻量化，还需要配合不同设备的计算资源（内存、算力），以及能耗、发热等调节小模型，需要有特别设计，是一个工程化的问题。Multiverse 如果能够绑定一家硬件厂商，或许能够在端侧模型上建立自己的生态壁垒。另一方面，Multiverse 如今大部分还是围绕已有模型压缩，而不是自己训一个小模型，在效果上，可能不会达到惊艳的效果，而且极度依赖原有的模型能力。目前已经有一些专注小模型的初创公司除了压缩模型，还自己训练小模型，达到了不错的效果。Multiverse 可能在模型压缩上，通过自身团队积累的技术，能够实现较小的压缩损耗，但后续在端侧模型布局上的工程化问题，以及模型能力本身的技术壁垒，仍然有待观察。