今日行业报告公布最新动态,隐私的代价：自我惩罚的越狠，保护越彻底

今日行业报告传递新变化,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。智能派单服务中心，精准匹配维修师傅

十堰市郧阳区、阿坝藏族羌族自治州阿坝县 ，天水市清水县、商丘市宁陵县、海南同德县、景德镇市昌江区、南充市嘉陵区、漳州市云霄县、安庆市潜山市、九江市湖口县、太原市娄烦县、北京市顺义区、襄阳市枣阳市、杭州市下城区、上饶市德兴市、海南同德县、安顺市普定县 、赣州市上犹县、阳江市阳西县、韶关市仁化县、甘孜得荣县、广西桂林市灵川县、内蒙古赤峰市阿鲁科尔沁旗、安庆市迎江区、广西桂林市龙胜各族自治县、宝鸡市凤县、屯昌县枫木镇、内蒙古鄂尔多斯市鄂托克旗、江门市新会区

本周数据平台稍早前行业报告,今日官方渠道传递行业新研究成果,隐私的代价：自我惩罚的越狠，保护越彻底，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用教学专线，新手快速入门指导

开封市祥符区、宁夏吴忠市青铜峡市 ，黄冈市罗田县、白山市浑江区、南京市栖霞区、内蒙古呼伦贝尔市海拉尔区、昭通市盐津县、成都市郫都区、宝鸡市渭滨区、北京市密云区、鹰潭市余江区、景德镇市浮梁县、潍坊市青州市、威海市环翠区、眉山市仁寿县、广州市从化区、临沂市兰山区 、营口市盖州市、郴州市苏仙区、上海市虹口区、天津市武清区、衢州市开化县、宁夏银川市金凤区、渭南市临渭区、绵阳市梓潼县、广州市黄埔区、大同市平城区、凉山雷波县、大兴安岭地区加格达奇区、开封市顺河回族区、周口市西华县

全球服务区域: 临汾市尧都区、儋州市和庆镇 、洛阳市伊川县、三门峡市陕州区、曲靖市师宗县、十堰市竹山县、延安市安塞区、宝鸡市岐山县、德阳市什邡市、商丘市夏邑县、鹤岗市萝北县、吉林市磐石市、内蒙古巴彦淖尔市乌拉特前旗、成都市都江堰市、淄博市淄川区、揭阳市榕城区、徐州市泉山区 、宁波市江北区、徐州市铜山区、甘南卓尼县、昭通市彝良县、昆明市富民县

官方技术支援专线,本月研究机构披露重要动态,隐私的代价：自我惩罚的越狠，保护越彻底，很高兴为您解答这个问题，让我来帮您详细说明一下：智能维修派单系统，精准调度服务团队

全国服务区域: 昭通市大关县、安康市紫阳县 、白银市景泰县、福州市闽清县、中山市东升镇、沈阳市皇姑区、成都市成华区、齐齐哈尔市泰来县、襄阳市谷城县、铜川市宜君县、成都市都江堰市、陇南市文县、内蒙古呼伦贝尔市满洲里市、郴州市桂东县、抚州市东乡区、屯昌县西昌镇、临沂市蒙阴县 、西宁市城西区、内蒙古兴安盟科尔沁右翼前旗、咸阳市旬邑县、天津市宝坻区、内蒙古赤峰市巴林右旗、开封市顺河回族区、清远市清城区、吉安市遂川县、德州市禹城市、天津市静海区、西安市阎良区、大理南涧彝族自治县、佳木斯市向阳区、丹东市凤城市、黄山市休宁县、忻州市静乐县、四平市双辽市、宁德市古田县、佛山市南海区、永州市江永县、恩施州恩施市、澄迈县文儒镇、蚌埠市龙子湖区、南阳市方城县

本周数据平台本月监管部门通报最新动态:最新官方发布行业重要动态,隐私的代价：自我惩罚的越狠，保护越彻底

在现代社会，随着科技的发展，人们的隐私问题日益凸显。隐私，作为个人生活的底线，一旦被侵犯，不仅会带来心理上的伤害，更可能引发一系列社会问题。于是，越来越多的人开始寻求自我惩罚，以期在隐私被侵犯时，能够更加坚决地捍卫自己的权益。然而，这种自我惩罚的方式是否越狠越好呢？ 首先，我们要明确，隐私权的保护是每个人的基本权利。在法律层面，我国《民法典》明确规定，公民享有隐私权，任何组织或者个人不得以任何方式侵害他人的隐私权。因此，当我们的隐私受到侵犯时，应当勇敢地拿起法律武器，维护自己的合法权益。 然而，在现实生活中，由于种种原因，一些人可能无法通过法律途径解决问题。这时，他们可能会选择自我惩罚的方式来保护自己的隐私。比如，在社交网络上删除自己的个人信息，关闭朋友圈，甚至选择隐居生活。这些行为看似在保护隐私，但实际上却可能带来一些负面影响。 首先，过度自我惩罚可能会对个人的心理健康造成伤害。当一个人过于关注自己的隐私，甚至将其视为生活的全部时，很容易陷入焦虑、抑郁等心理问题。这种情况下，自我惩罚只会让问题变得更加严重。 其次，过度自我惩罚可能会影响个人的社交生活。在现代社会，人际关系对于个人的成长和发展至关重要。如果一个人过于封闭自己，拒绝与他人交流，那么很容易导致社交圈子的缩小，甚至影响到个人的职业发展。 那么，如何正确地保护自己的隐私呢？以下是一些建议： 1. 提高自我保护意识。了解自己的隐私权，学会在日常生活中保护自己的隐私。 2. 合理设置社交网络权限。在社交网络上，合理设置自己的隐私权限，避免个人信息被他人随意查看。 3. 学会拒绝。当他人要求了解你的隐私时，学会拒绝，保护自己的权益。 4. 寻求法律帮助。当隐私受到侵犯时，勇敢地拿起法律武器，维护自己的合法权益。 总之，保护隐私并非越狠越好。在尊重他人隐私的同时，我们也要学会保护自己的隐私。当面对隐私侵犯时，我们要理性对待，既要勇敢捍卫自己的权益，又要避免过度自我惩罚，以免给自己带来不必要的伤害。只有这样，我们才能在享受科技带来的便利的同时，更好地保护自己的隐私。

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。