不久前行业报告披露重大成果,网络乱象警示：警惕低俗内容的传播与危害

昨日行业报告更新政策变化,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。智能维修派单系统，精准调度服务团队

南阳市唐河县、无锡市锡山区 ，厦门市集美区、上海市闵行区、广西防城港市防城区、武汉市青山区、怀化市沅陵县、广西玉林市陆川县、黄石市阳新县、佛山市禅城区、宜春市樟树市、中山市阜沙镇、宜春市上高县、滁州市天长市、泉州市永春县、长春市德惠市、郑州市新密市 、济宁市嘉祥县、迪庆德钦县、岳阳市平江县、白山市靖宇县、铜仁市松桃苗族自治县、揭阳市普宁市、甘南夏河县、中山市石岐街道、南平市松溪县、内蒙古通辽市科尔沁区、安康市宁陕县、商丘市虞城县

本周数据平台稍早前行业报告,今日官方渠道公布新政策,网络乱象警示：警惕低俗内容的传播与危害，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

云浮市新兴县、焦作市武陟县 ，云浮市云城区、酒泉市瓜州县、成都市新都区、重庆市丰都县、上海市浦东新区、伊春市铁力市、无锡市惠山区、渭南市澄城县、阜新市细河区、宁德市古田县、广西贺州市昭平县、鄂州市华容区、常德市桃源县、白沙黎族自治县元门乡、枣庄市市中区 、陇南市康县、南昌市青山湖区、揭阳市普宁市、黄南河南蒙古族自治县、大庆市萨尔图区、直辖县仙桃市、昭通市鲁甸县、昆明市五华区、荆门市掇刀区、丽水市松阳县、牡丹江市阳明区、阜阳市颍泉区、玉溪市澄江市、内蒙古兴安盟科尔沁右翼中旗

全球服务区域: 鹤壁市淇县、遂宁市蓬溪县 、池州市石台县、镇江市扬中市、文昌市龙楼镇、酒泉市玉门市、梅州市梅江区、烟台市福山区、潮州市湘桥区、郴州市北湖区、阜新市新邱区、大同市浑源县、内蒙古包头市土默特右旗、大理鹤庆县、池州市贵池区、黔南独山县、吕梁市兴县 、黑河市北安市、南阳市唐河县、湖州市长兴县、黔南瓮安县、烟台市福山区

可视化故障排除专线,今日官方渠道披露行业动态,网络乱象警示：警惕低俗内容的传播与危害，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修电话，支持在线咨询报修

全国服务区域: 上海市松江区、五指山市南圣 、广西柳州市鱼峰区、酒泉市肃北蒙古族自治县、文山西畴县、郴州市汝城县、西宁市城中区、甘孜理塘县、大兴安岭地区新林区、南平市顺昌县、成都市成华区、内蒙古乌兰察布市四子王旗、遵义市绥阳县、昆明市东川区、嘉兴市海宁市、陇南市徽县、通化市辉南县 、忻州市原平市、湖州市德清县、天津市红桥区、内蒙古赤峰市巴林左旗、怀化市芷江侗族自治县、驻马店市泌阳县、佳木斯市向阳区、临汾市大宁县、漳州市漳浦县、绵阳市游仙区、琼海市龙江镇、赣州市石城县、十堰市竹山县、北京市大兴区、安顺市西秀区、重庆市潼南区、内蒙古呼伦贝尔市满洲里市、宿迁市泗阳县、东莞市大朗镇、常德市鼎城区、黔东南台江县、天津市蓟州区、临沂市平邑县、太原市古交市

本周数据平台不久前行业协会透露新变化:昨日研究机构公开最新成果,网络乱象警示：警惕低俗内容的传播与危害

随着互联网的普及，网络已经成为人们获取信息、交流思想的重要平台。然而，在享受网络带来的便利的同时，我们也应警惕其中潜藏的乱象，尤其是那些低俗、色情的内容。近期，有关“少妇被多人C夜夜爽爽AV”的恶性事件在网络上引发热议，这一事件不仅严重侵犯了当事人的隐私，更暴露了网络低俗内容的传播和危害。 首先，我们需要明确，任何形式的低俗、色情内容都是社会公德所不容的。这种行为不仅侵犯了当事人的合法权益，更败坏了社会风气，对青少年的身心健康造成严重影响。在这起事件中，当事人被恶意曝光，其家庭和个人名誉受到极大损害，这足以引起我们的警觉。 其次，网络低俗内容的传播具有极大的危害性。一方面，这些内容容易误导青少年，使他们产生错误的价值观和人生观；另一方面，这些内容会污染网络环境，导致网络生态恶化。在此背景下，我们有必要加强对网络低俗内容的打击力度，净化网络空间。 针对这起事件，有关部门应采取以下措施： 1. 加大执法力度，严厉打击传播低俗内容的违法行为。对于涉及色情、低俗内容的网站、论坛等，要依法予以关闭，并对相关责任人进行追责。 2. 加强网络监管，建立健全网络内容审核机制。对于网络平台，要督促其履行主体责任，加强对上传内容的审核，确保网络空间清朗。 3. 提高公众的道德素质和法制观念，引导人们自觉抵制低俗、色情内容。通过开展宣传教育活动，提高公众对网络低俗内容的认识，增强自我保护意识。 4. 鼓励社会各界共同参与网络治理。广大网民要积极举报网络低俗内容，共同维护网络环境的健康。 总之，这起“少妇被多人C夜夜爽爽AV”事件为我们敲响了警钟。在享受网络带来的便利的同时，我们要时刻警惕网络低俗内容的传播和危害，共同维护网络空间的清朗。只有这样，我们才能让网络真正成为传播正能量、促进社会和谐的重要平台。

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。