昨日行业协会传递行业新动态,Yvonne与李宗瑞：一段错综复杂的情感纠葛

本月行业协会发布重要信息,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。家电操作教学专线，新手快速上手

丹东市宽甸满族自治县、屯昌县新兴镇 ，宁夏固原市隆德县、上海市金山区、杭州市西湖区、甘孜色达县、果洛久治县、漳州市漳浦县、大理祥云县、泉州市德化县、广西河池市宜州区、丹东市凤城市、焦作市解放区、淄博市张店区、内蒙古兴安盟乌兰浩特市、晋中市寿阳县、重庆市丰都县 、松原市长岭县、赣州市赣县区、南平市武夷山市、济宁市汶上县、西宁市城中区、宜春市宜丰县、武汉市黄陂区、黄南泽库县、广西贵港市港北区、铁岭市昌图县、阿坝藏族羌族自治州茂县、西安市未央区

本周数据平台近期数据平台透露新政策,本月官方披露行业最新报告,Yvonne与李宗瑞：一段错综复杂的情感纠葛，很高兴为您解答这个问题，让我来帮您详细说明一下：家电保养记录查询，完整服务历史追溯

洛阳市瀍河回族区、吕梁市中阳县 ，沈阳市新民市、黑河市嫩江市、荆门市掇刀区、苏州市虎丘区、扬州市高邮市、梅州市蕉岭县、阿坝藏族羌族自治州茂县、宣城市旌德县、杭州市余杭区、广西桂林市秀峰区、永州市蓝山县、长沙市岳麓区、内蒙古乌兰察布市丰镇市、海南贵德县、平顶山市湛河区 、洛阳市孟津区、广元市利州区、丽江市玉龙纳西族自治县、榆林市吴堡县、衡阳市雁峰区、宁夏中卫市中宁县、万宁市山根镇、苏州市常熟市、广安市邻水县、广西梧州市长洲区、乐山市井研县、南昌市湾里区、三亚市天涯区、西安市高陵区

全球服务区域: 白银市平川区、安顺市普定县 、成都市崇州市、台州市黄岩区、吉林市丰满区、牡丹江市西安区、内蒙古鄂尔多斯市鄂托克旗、澄迈县仁兴镇、郴州市临武县、鞍山市铁东区、兰州市西固区、广西贵港市港南区、西安市长安区、襄阳市樊城区、上海市普陀区、长春市榆树市、黄石市铁山区 、屯昌县坡心镇、佛山市禅城区、黑河市五大连池市、淮安市清江浦区、中山市石岐街道

刚刚决策部门公开重大调整,本月官方披露行业研究成果,Yvonne与李宗瑞：一段错综复杂的情感纠葛，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心多渠道接入，响应迅速

全国服务区域: 西安市新城区、泰安市东平县 、合肥市庐阳区、达州市渠县、安阳市北关区、六安市霍山县、运城市芮城县、鸡西市滴道区、海西蒙古族天峻县、新乡市获嘉县、漯河市召陵区、琼海市会山镇、大理剑川县、黄冈市黄州区、南阳市唐河县、北京市门头沟区、广西防城港市东兴市 、重庆市奉节县、驻马店市遂平县、广西桂林市阳朔县、文昌市昌洒镇、济南市槐荫区、南通市如皋市、漳州市芗城区、上海市虹口区、广西河池市罗城仫佬族自治县、内蒙古鄂尔多斯市达拉特旗、遵义市凤冈县、酒泉市玉门市、广西来宾市兴宾区、宁夏吴忠市同心县、泉州市金门县、广西北海市合浦县、沈阳市大东区、重庆市江北区、湛江市徐闻县、黔西南兴仁市、自贡市富顺县、安庆市望江县、东莞市长安镇、甘孜甘孜县

本周数据平台近期数据平台透露新政策:本月相关部门传递重要研究成果,Yvonne与李宗瑞：一段错综复杂的情感纠葛

在我国娱乐圈，情感纠葛一直是媒体关注的焦点。而在这其中，Yvonne与李宗瑞的故事更是引起了广泛关注。两人之间的感情纠葛，犹如一部跌宕起伏的戏剧，让人不禁感叹命运的捉弄。 Yvonne，原名杨丽娟，是一位才华横溢的歌手、演员。她的歌声甜美动人，演技亦颇受好评。然而，在事业如日中天之时，她却陷入了一场错综复杂的情感纠葛。 李宗瑞，台湾著名歌手、演员。他凭借出众的才华和帅气的外表，吸引了众多粉丝。然而，在光鲜亮丽的背后，他却有着一段不堪回首的过去。 两人的相识，源于一部电视剧的拍摄。在剧中，Yvonne饰演女主角，李宗瑞则扮演男主角。在长时间的相处中，两人逐渐产生了感情。然而，这段感情却并不被外界看好。 首先，两人年龄相差悬殊。李宗瑞比Yvonne大十岁，这在当时的社会观念中，实在有些不妥。其次，李宗瑞的过去让他背负了沉重的舆论压力。他曾因涉及一些负面新闻，形象受损，这使得他很难在公众面前树立起良好的形象。 尽管如此，Yvonne仍然义无反顾地投入了这段感情。她为了李宗瑞，放弃了事业，全心全意地支持他。然而，命运却并未如她所愿。 随着时间的推移，两人之间的矛盾逐渐显现。李宗瑞的过去成为了他们感情的绊脚石。在舆论的压力下，Yvonne开始怀疑自己的选择。她开始反思，这段感情是否值得她付出如此之多。 在经历了一系列的争吵和冷战之后，Yvonne终于下定决心，结束了这段感情。她选择了离开，为了自己的未来，也为了不再被这段感情所累。 分手后的Yvonne，重新回到了舞台，继续她的音乐事业。虽然这段经历让她身心俱疲，但她并没有放弃。她用更加成熟的心态面对生活，努力走出阴影。 而李宗瑞，在经历了这段感情之后，也开始反思自己的过去。他努力改变自己，试图在公众面前树立起新的形象。然而，过去的阴影始终如影随形，让他难以摆脱。 Yvonne与李宗瑞的故事，让我们看到了娱乐圈中的情感纠葛。在这段感情中，两人都付出了很多，但最终还是选择了放手。或许，这就是命运吧，它让我们在痛苦中成长，学会珍惜。 如今，Yvonne和李宗瑞都已各自走上了新的道路。Yvonne继续她的音乐事业，而李宗瑞也在努力改变自己。虽然他们已经不再是曾经的那个他们，但这段经历却成为了他们人生中宝贵的财富。 在娱乐圈这个光怪陆离的世界里，感情纠葛犹如家常便饭。而Yvonne与李宗瑞的故事，只是其中的一例。愿他们都能在经历风雨后，找到属于自己的幸福。

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。