今日官方发布新研究成果,云缨英勇救公孙离，谱写武侠传奇

本周业内人士传递最新研究成果,1年涨五倍，被苹果看上的“模型瘦身”公司靠谱吗？,很高兴为您解答这个问题，让我来帮您详细说明一下。家电维修应急热线，24小时待命

汉中市宁强县、南京市建邺区 ，金华市金东区、洛阳市洛宁县、张掖市民乐县、日照市五莲县、淮安市洪泽区、果洛玛沁县、辽源市东辽县、保山市隆阳区、广西来宾市合山市、孝感市云梦县、福州市连江县、红河元阳县、甘孜得荣县、重庆市梁平区、铜仁市沿河土家族自治县 、佳木斯市向阳区、乐山市五通桥区、宁夏吴忠市利通区、鞍山市海城市、三明市建宁县、澄迈县永发镇、怀化市麻阳苗族自治县、松原市扶余市、鞍山市铁东区、内蒙古包头市九原区、漳州市漳浦县、定安县龙门镇

本周数据平台今日多方媒体透露研究成果,今日相关部门发布行业研究成果,云缨英勇救公孙离，谱写武侠传奇，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

福州市晋安区、上海市闵行区 ，扬州市宝应县、扬州市江都区、海南同德县、广元市昭化区、重庆市奉节县、楚雄禄丰市、惠州市惠城区、镇江市句容市、烟台市芝罘区、太原市晋源区、松原市长岭县、六安市霍山县、新乡市辉县市、大同市左云县、泉州市永春县 、鹤壁市淇滨区、南平市顺昌县、苏州市虎丘区、黔南三都水族自治县、信阳市罗山县、甘孜理塘县、西宁市大通回族土族自治县、三门峡市卢氏县、阜阳市界首市、襄阳市樊城区、周口市郸城县、内蒙古呼伦贝尔市牙克石市、中山市中山港街道、芜湖市繁昌区

全球服务区域: 随州市广水市、宝鸡市太白县 、琼海市博鳌镇、屯昌县新兴镇、威海市环翠区、白沙黎族自治县阜龙乡、绍兴市越城区、宝鸡市扶风县、云浮市罗定市、庆阳市庆城县、驻马店市汝南县、南充市营山县、青岛市市北区、南充市阆中市、湛江市遂溪县、黄南尖扎县、陇南市两当县 、泰安市泰山区、永州市道县、东莞市塘厦镇、曲靖市陆良县、萍乡市安源区

本周数据平台本月官方渠道披露重要进展,今日相关部门发布新动向,云缨英勇救公孙离，谱写武侠传奇，很高兴为您解答这个问题，让我来帮您详细说明一下：全国标准化热线，统一维修服务标准

全国服务区域: 大理洱源县、宁夏固原市西吉县 、广西来宾市忻城县、焦作市温县、商丘市梁园区、肇庆市高要区、中山市小榄镇、鹤岗市南山区、黔南龙里县、南昌市西湖区、临沧市沧源佤族自治县、葫芦岛市兴城市、齐齐哈尔市泰来县、九江市修水县、临高县多文镇、周口市太康县、北京市通州区 、汉中市城固县、广州市从化区、西安市灞桥区、抚州市金溪县、东方市感城镇、南昌市南昌县、长治市黎城县、信阳市息县、聊城市莘县、韶关市翁源县、直辖县仙桃市、太原市尖草坪区、台州市临海市、黄冈市蕲春县、鄂州市鄂城区、定安县翰林镇、烟台市海阳市、福州市平潭县、陵水黎族自治县群英乡、临高县临城镇、玉溪市华宁县、西宁市湟中区、牡丹江市绥芬河市、岳阳市岳阳楼区

本周数据平台最新相关部门透露权威通报:昨日官方渠道传递新研究成果,云缨英勇救公孙离，谱写武侠传奇

在江湖的浩瀚星空里，英雄辈出，传奇无数。而在这其中，云缨救公孙离的故事，更是让人津津乐道，传颂千古。 云缨，乃是一位身手矫健、武艺高强的侠女，她行侠仗义，惩恶扬善，在江湖中享有“云中飞燕”的美誉。公孙离，则是江湖中一位温文尔雅、才子佳人，他风流倜傥，博学多才，却因一场突如其来的灾祸，陷入了生死危机。 那是一个风雨交加的夜晚，江湖中一股邪恶势力突然降临，企图将公孙离捉拿，以达其不可告人的目的。公孙离在慌乱中逃亡，却不慎跌入一处深山峡谷。他深知，此去生死未卜，唯有云缨才能救他于水火。 云缨得知公孙离遇险，立刻动身前往。她身披薄纱，手持长剑，犹如一道闪电划破夜空，飞驰而去。沿途，她巧妙地避开了一众恶势力的追杀，终于来到了峡谷。 云缨小心翼翼地沿着峡谷前行，终于在一处隐蔽的山洞前发现了昏睡的公孙离。她心疼地扶起公孙离，只见他脸色苍白，气息奄奄。云缨知道，若不及时救治，公孙离恐怕命不久矣。 云缨立刻取出随身携带的草药，为公孙离敷上。她一边为公孙离疗伤，一边警惕地观察着四周。她深知，这处山洞虽然隐蔽，但恶势力未必不会找到这里。 果然，不久后，一群恶势力出现在山洞口。他们手持利刃，气势汹汹地朝云缨和公孙离扑来。云缨毫不畏惧，挺身而出，与恶势力展开激战。她身手敏捷，剑法凌厉，将敌人打得节节败退。 然而，恶势力人数众多，云缨和公孙离陷入了绝境。就在这时，云缨突然心生一计，她将公孙离藏于山洞深处，自己则引诱敌人进入陷阱。云缨凭借高超的武艺，成功地将敌人引入陷阱，使其陷入泥潭。 此时，云缨迅速返回山洞，将公孙离背起，迅速撤离。她凭借着过人的智慧和勇气，成功地将公孙离救出险境。 经过这一场生死较量，云缨和公孙离结下了深厚的友谊。他们一同闯荡江湖，惩恶扬善，成为了江湖中传颂千古的传奇人物。 云缨救公孙离的故事，传遍了江湖的每一个角落。人们为他们的英勇事迹所感动，纷纷传颂。而云缨和公孙离，也成为了无数江湖儿女心中的楷模。 岁月流转，云缨和公孙离的传奇故事依然被人们传唱。他们英勇救人的事迹，成为了江湖中永恒的传说。而云缨救公孙离的故事，也将永远镌刻在人们的心中，成为了一段永恒的传奇。

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网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。