今日官方通报新研究成果,国产免费一卡多卡服务：创新科技引领便捷生活新潮流

稍早前相关部门更新进展,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。家电客户维权热线，保障消费权益

内蒙古包头市东河区、铁岭市调兵山市 ，德阳市旌阳区、宁夏固原市彭阳县、佳木斯市桦南县、三明市永安市、屯昌县坡心镇、肇庆市高要区、南通市海安市、万宁市后安镇、临汾市襄汾县、重庆市大足区、黔西南兴义市、兰州市七里河区、徐州市鼓楼区、广西桂林市叠彩区、重庆市奉节县 、西安市鄠邑区、金华市义乌市、韶关市始兴县、吕梁市中阳县、甘孜巴塘县、怀化市麻阳苗族自治县、岳阳市云溪区、宜昌市长阳土家族自治县、万宁市山根镇、郴州市桂东县、万宁市龙滚镇、商洛市山阳县

本周数据平台本月监管部门通报最新动态,本月官方发布行业最新成果,国产免费一卡多卡服务：创新科技引领便捷生活新潮流，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化维保平台，智能管理维护周期

红河开远市、中山市民众镇 ，池州市青阳县、大理洱源县、定西市临洮县、信阳市淮滨县、驻马店市泌阳县、文昌市文城镇、德阳市广汉市、自贡市大安区、安庆市宿松县、果洛玛多县、龙岩市长汀县、武汉市东西湖区、青岛市胶州市、酒泉市阿克塞哈萨克族自治县、襄阳市枣阳市 、北京市昌平区、淮南市寿县、文昌市会文镇、丽江市宁蒗彝族自治县、韶关市新丰县、东莞市麻涌镇、绍兴市柯桥区、兰州市皋兰县、汕头市濠江区、毕节市纳雍县、哈尔滨市阿城区、新乡市牧野区、儋州市兰洋镇、枣庄市薛城区

全球服务区域: 果洛玛沁县、吕梁市离石区 、扬州市高邮市、琼海市石壁镇、滁州市天长市、红河石屏县、抚州市东乡区、万宁市礼纪镇、临沂市临沭县、咸阳市三原县、嘉兴市桐乡市、内蒙古阿拉善盟阿拉善右旗、三门峡市湖滨区、汕尾市陆丰市、深圳市龙岗区、长沙市宁乡市、海北祁连县 、荆门市钟祥市、梅州市五华县、临高县和舍镇、琼海市博鳌镇、绵阳市平武县

近日监测小组公开最新参数,昨日行业报告发布行业动态,国产免费一卡多卡服务：创新科技引领便捷生活新潮流，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一回收标准，环保处理规范

全国服务区域: 汕头市南澳县、广西防城港市上思县 、常德市武陵区、德宏傣族景颇族自治州陇川县、陵水黎族自治县椰林镇、大兴安岭地区新林区、西宁市城中区、万宁市大茂镇、汉中市镇巴县、龙岩市新罗区、天水市麦积区、深圳市龙华区、萍乡市莲花县、武汉市新洲区、文山丘北县、巴中市南江县、丽江市华坪县 、襄阳市保康县、舟山市普陀区、海东市乐都区、龙岩市漳平市、南京市栖霞区、延边安图县、永州市江华瑶族自治县、温州市鹿城区、吉安市万安县、丹东市东港市、哈尔滨市阿城区、遵义市湄潭县、南阳市社旗县、潍坊市青州市、屯昌县乌坡镇、广西桂林市荔浦市、恩施州利川市、辽阳市文圣区、绥化市肇东市、成都市郫都区、定安县富文镇、宁夏银川市兴庆区、佳木斯市向阳区、洛阳市洛龙区

本周数据平台不久前行业协会透露新变化:今日相关部门发布新动向,国产免费一卡多卡服务：创新科技引领便捷生活新潮流

随着科技的飞速发展，我国在通信领域也取得了显著的成就。近年来，国产免费一卡多卡服务逐渐成为市场的新宠，以其创新科技和便捷服务，引领着生活新潮流。 一卡多卡，顾名思义，就是一张SIM卡可以同时绑定多个手机号码，实现一号多号、一卡多用的功能。这种服务不仅方便用户管理多个号码，还能有效降低通信成本，提高生活品质。 在我国，一卡多卡服务最早由中国移动、中国联通和中国电信三大运营商推出。它们通过技术创新，实现了SIM卡的多卡功能，为广大用户提供了更加丰富的通信选择。 首先，一卡多卡服务在技术上实现了突破。传统的SIM卡只能绑定一个手机号码，而一卡多卡技术则可以将多个号码绑定在同一张SIM卡上。这种技术不仅提高了SIM卡的利用率，还降低了用户的通信成本。 其次，一卡多卡服务在用户体验上进行了优化。用户只需通过运营商提供的线上或线下服务，即可将多个手机号码绑定在同一张SIM卡上。这样一来，用户在接听、拨打电话和发送短信时，可以自由切换不同的号码，避免了因号码过多而导致的混乱。 此外，一卡多卡服务还具有以下优势： 1. 节省空间：一卡多卡服务使得用户不再需要携带多张SIM卡，大大节省了手机卡槽的空间。 2. 便捷管理：用户可以通过手机APP或其他管理工具，对绑定的多个号码进行统一管理，如查看通话记录、短信记录等。 3. 优惠活动：运营商为了推广一卡多卡服务，常常会推出各种优惠活动，如流量包、话费优惠等，让用户在享受便捷服务的同时，还能节省通信费用。 当然，一卡多卡服务也存在一些局限性。例如，部分手机不支持一卡多卡功能，用户在选择手机时需要考虑这一点。此外，一卡多卡服务在数据漫游、国际漫游等方面可能存在限制。 尽管如此，一卡多卡服务仍然以其创新科技和便捷服务，赢得了广大用户的青睐。在未来，随着技术的不断进步，一卡多卡服务将更加完善，为用户带来更加优质的通信体验。 总之，国产免费一卡多卡服务是我国通信领域的一项创新举措，它不仅降低了用户的通信成本，还提高了生活品质。在科技日新月异的今天，一卡多卡服务必将成为引领生活新潮流的重要力量。让我们共同期待，一卡多卡服务在未来为我们的生活带来更多惊喜。

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。