本月行业报告披露新变化,两个男性如何共同享受运动乐趣

今日监管部门披露新进展,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。家电操作教学专线，新手快速上手

潮州市潮安区、南充市仪陇县 ，咸宁市嘉鱼县、中山市阜沙镇、台州市玉环市、佛山市顺德区、牡丹江市爱民区、西宁市城中区、临夏康乐县、西安市阎良区、广西防城港市上思县、齐齐哈尔市碾子山区、楚雄禄丰市、大同市平城区、长沙市宁乡市、安康市平利县、济宁市嘉祥县 、长春市南关区、铁岭市银州区、大同市云州区、南京市栖霞区、七台河市新兴区、安阳市汤阴县、清远市清城区、临沧市临翔区、南京市六合区、宝鸡市凤翔区、中山市东升镇、平顶山市鲁山县

本月官方渠道传达政策动向,本周研究机构发布新动态,两个男性如何共同享受运动乐趣，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

重庆市丰都县、西安市碑林区 ，长春市九台区、白沙黎族自治县七坊镇、济源市市辖区、汉中市略阳县、芜湖市鸠江区、通化市辉南县、阿坝藏族羌族自治州理县、上海市徐汇区、扬州市广陵区、济宁市曲阜市、牡丹江市绥芬河市、阿坝藏族羌族自治州松潘县、海东市民和回族土族自治县、漳州市漳浦县、铜川市耀州区 、九江市修水县、永州市蓝山县、咸阳市礼泉县、安康市镇坪县、定西市漳县、南通市海门区、青岛市平度市、白山市临江市、晋城市沁水县、东方市感城镇、平顶山市叶县、牡丹江市绥芬河市、怀化市会同县、遵义市赤水市

全球服务区域: 临高县皇桐镇、漳州市东山县 、汉中市宁强县、咸阳市秦都区、安康市旬阳市、广州市天河区、临沂市蒙阴县、内蒙古乌海市海勃湾区、开封市龙亭区、郑州市管城回族区、海北刚察县、济宁市微山县、玉溪市华宁县、鸡西市麻山区、玉溪市通海县、锦州市凌河区、重庆市奉节县 、红河弥勒市、温州市龙湾区、阜阳市颍州区、齐齐哈尔市泰来县、昆明市东川区

专家在线诊断专线,本月监管部门发布研究成果,两个男性如何共同享受运动乐趣，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心支持电话、APP多渠道服务

全国服务区域: 烟台市福山区、揭阳市揭东区 、漳州市龙文区、重庆市江北区、武威市凉州区、广西玉林市博白县、江门市新会区、内蒙古乌兰察布市商都县、宜昌市秭归县、内蒙古通辽市霍林郭勒市、南平市松溪县、信阳市光山县、广安市武胜县、亳州市蒙城县、儋州市排浦镇、白山市靖宇县、景德镇市乐平市 、镇江市扬中市、临汾市侯马市、临汾市洪洞县、太原市古交市、营口市老边区、南阳市方城县、惠州市惠城区、运城市新绛县、湘潭市韶山市、成都市简阳市、本溪市桓仁满族自治县、中山市大涌镇、内蒙古赤峰市喀喇沁旗、湘西州花垣县、泰安市东平县、佳木斯市郊区、玉溪市红塔区、广元市昭化区、大理剑川县、汕头市澄海区、汉中市镇巴县、重庆市开州区、重庆市永川区、乐山市峨边彝族自治县

官方技术支援专线:今日官方通报行业变化,两个男性如何共同享受运动乐趣

在快节奏的现代生活中，运动已经成为人们追求健康、缓解压力的重要方式。对于两个男性来说，共同参与运动不仅可以增进彼此的友谊，还能在运动中找到乐趣，提升生活质量。那么，两个男性是如何做运动的呢？以下将从几个方面进行探讨。 一、选择合适的运动项目 两个男性在选择运动项目时，首先要考虑彼此的兴趣爱好和身体状况。以下是一些适合两个男性共同参与的运动项目： 1. 篮球：篮球是一项充满激情和团队协作的运动，两个男性在比赛中可以互相鼓励、共同进步。 2. 足球：足球同样是一项团队运动，两个男性在场上可以尽情挥洒汗水，享受运动的乐趣。 3. 羽毛球：羽毛球是一项对技术要求较高的运动，两个男性可以互相切磋技艺，提高球技。 4. 游泳：游泳是一项全身运动，有助于提高心肺功能，两个男性可以一起游泳，增进感情。 二、制定合理的运动计划 两个男性在运动前，应制定一个合理的运动计划，包括运动时间、运动强度和运动频率。以下是一些建议： 1. 运动时间：每周至少进行3-5次运动，每次运动时间控制在30-60分钟。 2. 运动强度：运动强度应根据个人身体状况进行调整，以保持运动过程中的舒适度。 3. 运动频率：运动频率应根据个人时间安排进行调整，尽量保持规律。 三、相互鼓励，共同进步 在运动过程中，两个男性应相互鼓励，共同进步。以下是一些建议： 1. 鼓励对方：在对方遇到困难时，给予鼓励和支持，让对方感受到团队的力量。 2. 分享经验：在运动过程中，分享自己的经验和技巧，帮助对方提高。 3. 互相监督：在运动过程中，互相监督，确保双方都能按照计划完成运动。 四、注意运动安全 两个男性在运动过程中，应注重运动安全，以下是一些建议： 1. 热身运动：在运动前进行充分的热身，预防运动损伤。 2. 适当休息：在运动过程中，适当休息，避免过度疲劳。 3. 饮食调整：运动前后注意饮食调整，补充能量和营养。 总之，两个男性共同参与运动，不仅可以增进友谊，还能在运动中找到乐趣，提升生活质量。在运动过程中，选择合适的运动项目、制定合理的运动计划、相互鼓励、注意运动安全，都是非常重要的。让我们携手共进，共同享受运动的乐趣吧！

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。