本周行业报告传达重要消息,ZOOM与牛性胶ZOOM：科技与传统的完美融合

昨日研究机构公开研究成果,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。家电维修在线客服，实时响应报修需求

宁波市奉化区、湛江市徐闻县 ，海东市互助土族自治县、德阳市什邡市、澄迈县老城镇、九江市德安县、广西河池市环江毛南族自治县、嘉峪关市峪泉镇、铜川市耀州区、内蒙古乌海市海勃湾区、乐山市五通桥区、深圳市南山区、宜昌市远安县、万宁市大茂镇、吉林市磐石市、甘孜理塘县、内蒙古乌兰察布市化德县 、哈尔滨市依兰县、河源市东源县、宝鸡市眉县、凉山美姑县、万宁市山根镇、长春市双阳区、忻州市河曲县、朝阳市凌源市、永州市宁远县、成都市崇州市、内蒙古呼和浩特市新城区、宜春市高安市

统一服务管理平台，智能监控质量,今日监管部门传达研究成果,ZOOM与牛性胶ZOOM：科技与传统的完美融合，很高兴为您解答这个问题，让我来帮您详细说明一下：智能回收评估系统，自动生成报价

榆林市神木市、汉中市佛坪县 ，东方市八所镇、湘潭市雨湖区、德州市禹城市、乐山市金口河区、酒泉市敦煌市、广安市岳池县、黄山市屯溪区、吕梁市交城县、黄山市黟县、临高县皇桐镇、成都市简阳市、重庆市垫江县、太原市小店区、宁夏石嘴山市平罗县、泰州市泰兴市 、忻州市岢岚县、德阳市中江县、定安县富文镇、广西柳州市融水苗族自治县、新乡市新乡县、聊城市莘县、绵阳市游仙区、商洛市商南县、广州市黄埔区、郑州市二七区、青岛市胶州市、芜湖市鸠江区、盐城市东台市、阳江市阳春市

全球服务区域: 东莞市麻涌镇、娄底市娄星区 、酒泉市肃州区、吉安市永丰县、重庆市南川区、哈尔滨市南岗区、恩施州来凤县、茂名市信宜市、三亚市海棠区、宜春市宜丰县、中山市东升镇、临高县调楼镇、三明市沙县区、德州市平原县、黔西南贞丰县、鞍山市立山区、南京市浦口区 、哈尔滨市延寿县、郴州市资兴市、中山市东凤镇、海口市秀英区、本溪市南芬区

近日评估小组公开关键数据,近日行业报告发布最新研究成果,ZOOM与牛性胶ZOOM：科技与传统的完美融合，很高兴为您解答这个问题，让我来帮您详细说明一下：智能化维修系统，自动调度服务人员

全国服务区域: 上海市黄浦区、合肥市庐阳区 、牡丹江市东宁市、黄冈市蕲春县、滁州市天长市、漯河市舞阳县、甘孜泸定县、衢州市常山县、广西河池市凤山县、内蒙古呼和浩特市武川县、哈尔滨市依兰县、天津市西青区、十堰市郧西县、南平市延平区、铜仁市松桃苗族自治县、台州市玉环市、武汉市新洲区 、广西崇左市宁明县、株洲市渌口区、九江市瑞昌市、衡阳市石鼓区、眉山市东坡区、凉山金阳县、玉树玉树市、温州市泰顺县、庆阳市西峰区、宁夏吴忠市利通区、黄山市黄山区、东方市八所镇、辽阳市白塔区、南京市建邺区、沈阳市大东区、扬州市仪征市、内江市东兴区、广西贵港市港南区、佛山市顺德区、泰安市岱岳区、信阳市商城县、丽江市古城区、宜昌市秭归县、洛阳市瀍河回族区

可视化故障排除专线，实时监测数据:今日官方发布重大行业通报,ZOOM与牛性胶ZOOM：科技与传统的完美融合

在科技日新月异的今天，许多传统工艺正面临着被时代淘汰的危机。然而，在浙江宁波，一家名为“牛性胶ZOOM”的企业，却将古老的牛性胶工艺与现代科技相结合，开创了一条独特的创新发展之路。这家企业不仅成功地将传统工艺发扬光大，还让ZOOM这一新兴科技产品在市场上崭露头角。 牛性胶，又称牛筋胶，是一种源于我国古代的天然橡胶。它以牛筋为原料，经过独特的加工工艺制成，具有优良的弹性和粘性。在古代，牛性胶被广泛应用于鞋底、雨衣、雨靴等生活用品的制作。然而，随着合成橡胶的兴起，牛性胶逐渐淡出了人们的视野。 然而，在“牛性胶ZOOM”企业看来，牛性胶并非过时，而是具有巨大的市场潜力。为了将这一传统工艺发扬光大，企业负责人经过多年的研究，成功地将ZOOM这一新兴科技与牛性胶相结合，研发出了具有独特性能的ZOOM牛性胶产品。 ZOOM是一种新型的纳米材料，具有优异的导电、导热、耐磨、耐腐蚀等性能。将ZOOM与牛性胶相结合，不仅保留了牛性胶的优良特性，还赋予了产品更多的科技含量。ZOOM牛性胶产品在市场上受到了广泛关注，成为了一款备受消费者喜爱的创新产品。 ZOOM牛性胶产品的成功，离不开企业对传统工艺的尊重和传承。在“牛性胶ZOOM”企业，古老的牛性胶工艺得到了充分的发扬。企业不仅保留了传统的牛性胶制作工艺，还不断进行技术创新，使产品在性能上更加出色。 首先，企业对牛筋原料进行了严格筛选，确保原料的质量。其次，在加工过程中，企业采用了先进的设备和技术，使牛性胶的加工过程更加高效、环保。最后，在产品研发上，企业不断探索，将ZOOM纳米材料与牛性胶完美结合，使产品在市场上具有竞争力。 除了在产品研发上不断创新，企业还注重品牌建设。ZOOM牛性胶产品以其独特的性能和优良的品质，赢得了消费者的认可。在市场上，ZOOM牛性胶产品已成为一种时尚、环保的象征。 当然，ZOOM牛性胶产品的成功，也离不开企业对市场的敏锐洞察。在科技日新月异的今天，企业紧跟市场潮流，不断推出具有竞争力的新产品。同时，企业还积极参与国际交流与合作，将ZOOM牛性胶产品推向全球市场。 总之，ZOOM与牛性胶的结合，是科技与传统的完美融合。在“牛性胶ZOOM”企业的努力下，这一传统工艺得到了新的生命力，ZOOM牛性胶产品也成为了市场上的明星产品。相信在不久的将来，ZOOM牛性胶产品将在全球范围内掀起一股热潮，为传统工艺的传承与发展注入新的活力。

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。