本月行业协会发布重大动态,网络谣言的恶果：揭秘“美女扒开尿口让男人桶进”的真相

本月行业报告公开重要成果,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。家电调试服务热线，确保最佳使用状态

西安市莲湖区、广西梧州市龙圩区 ，平凉市灵台县、四平市伊通满族自治县、内蒙古阿拉善盟阿拉善右旗、西安市长安区、广西南宁市良庆区、苏州市吴江区、驻马店市泌阳县、盐城市东台市、延安市子长市、澄迈县金江镇、宁夏吴忠市青铜峡市、鞍山市铁东区、杭州市临安区、新乡市原阳县、文昌市文城镇 、无锡市惠山区、甘孜泸定县、营口市老边区、东营市东营区、绥化市肇东市、凉山会东县、广西梧州市岑溪市、梅州市兴宁市、天津市东丽区、伊春市丰林县、宁夏石嘴山市平罗县、营口市站前区

本周数据平台稍早前行业报告,近日行业报告披露重要信息,网络谣言的恶果：揭秘“美女扒开尿口让男人桶进”的真相，很高兴为您解答这个问题，让我来帮您详细说明一下：专业延保咨询中心，定制化方案

重庆市垫江县、甘孜九龙县 ，广西河池市东兰县、延边汪清县、佳木斯市前进区、绵阳市三台县、海南贵南县、大庆市龙凤区、内蒙古兴安盟科尔沁右翼中旗、宁夏吴忠市同心县、榆林市靖边县、周口市郸城县、佛山市高明区、内蒙古锡林郭勒盟多伦县、陵水黎族自治县本号镇、龙岩市长汀县、陇南市成县 、铜仁市石阡县、昭通市绥江县、德阳市绵竹市、汉中市西乡县、郴州市苏仙区、平凉市华亭县、黑河市爱辉区、宁夏固原市彭阳县、内蒙古锡林郭勒盟镶黄旗、吕梁市临县、内蒙古巴彦淖尔市杭锦后旗、新乡市牧野区、琼海市长坡镇、临汾市尧都区

全球服务区域: 宁夏石嘴山市平罗县、渭南市华阴市 、开封市尉氏县、天津市河西区、芜湖市繁昌区、东莞市企石镇、绥化市北林区、东莞市石碣镇、广西崇左市凭祥市、九江市永修县、茂名市化州市、文昌市锦山镇、东方市三家镇、成都市邛崃市、大连市甘井子区、朝阳市建平县、内蒙古锡林郭勒盟正镶白旗 、株洲市茶陵县、宁夏银川市兴庆区、巴中市通江县、平凉市崆峒区、长春市朝阳区

本周数据平台本月官方渠道披露重要进展,本月官方披露行业最新报告,网络谣言的恶果：揭秘“美女扒开尿口让男人桶进”的真相，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障不用愁，客服热线帮您忙

全国服务区域: 阜新市阜新蒙古族自治县、淮安市金湖县 、定安县雷鸣镇、新乡市卫滨区、齐齐哈尔市克东县、东莞市樟木头镇、广西桂林市临桂区、天津市河东区、大理大理市、长沙市长沙县、兰州市皋兰县、内蒙古兴安盟阿尔山市、临沂市莒南县、厦门市集美区、曲靖市宣威市、五指山市番阳、晋中市昔阳县 、汉中市南郑区、怀化市麻阳苗族自治县、吕梁市岚县、重庆市潼南区、内蒙古锡林郭勒盟正蓝旗、南阳市方城县、沈阳市大东区、广西北海市合浦县、韶关市翁源县、大庆市林甸县、宁夏吴忠市青铜峡市、哈尔滨市尚志市、郴州市桂东县、大同市灵丘县、重庆市梁平区、成都市彭州市、玉溪市红塔区、宿州市萧县、双鸭山市四方台区、汉中市镇巴县、本溪市明山区、哈尔滨市依兰县、澄迈县中兴镇、鞍山市台安县

本周数据平台最新相关部门透露权威通报:本月行业协会公布最新成果,网络谣言的恶果：揭秘“美女扒开尿口让男人桶进”的真相

近年来，互联网的快速发展使得信息传播速度越来越快，但也给一些不法分子提供了可乘之机。在这些负面信息中，一则关于“美女扒开尿口让男人桶进”的谣言在网络上迅速传播，引发了公众的广泛关注和恐慌。本文将对此谣言进行揭秘，以正视听。 首先，我们需要明确一点，这则谣言完全是无中生有、恶意捏造的。在现实生活中，这种行为不仅违背了道德伦理，更是触犯了法律。然而，在网络上，这种谣言却能够迅速传播，其原因主要有以下几点： 1. 舆论监管力度不足。在互联网时代，信息传播速度快，监管难度大。一些不法分子利用这一漏洞，散布谣言，误导公众。 2. 部分网民缺乏辨别能力。在信息爆炸的时代，人们往往容易被一些耸人听闻、低俗恶俗的内容吸引，而忽略了真相。 3. 部分媒体为了追求点击率，不顾事实真相，盲目跟风报道，进一步助长了谣言的传播。 针对这则谣言，有关部门已经进行了调查，并给出了明确回应：这则谣言纯属虚构，没有任何事实依据。事实上，这种行为在现实生活中是不可能发生的，广大网民切勿轻信。 那么，为何这则谣言会如此迅速传播呢？原因有以下几点： 1. 低俗恶俗的内容更容易吸引眼球。在众多信息中，低俗恶俗的内容往往更容易引起人们的关注，从而迅速传播。 2. 谣言背后往往隐藏着某种目的。一些不法分子利用谣言来达到某种目的，如炒作、敛财等。 3. 部分网民出于好奇心，盲目跟风传播谣言。 面对这则谣言，我们应如何应对呢？ 1. 提高自身辨别能力。在信息爆炸的时代，我们要学会辨别真伪，不轻信、不传播未经证实的信息。 2. 加强舆论监管。有关部门应加大对网络谣言的打击力度，切实维护网络环境的清朗。 3. 增强法律意识。对于散布谣言、恶意攻击他人的行为，我们要依法维权，让不法分子付出应有的代价。 总之，面对这则“美女扒开尿口让男人桶进”的谣言，我们要保持清醒的头脑，理性对待，共同维护网络环境的清朗。同时，我们也要提高自身素质，抵制低俗恶俗的内容，为构建和谐社会贡献力量。

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。