今日官方通报行业政策变化,《47417大但人文艺术作品的魅力与启示》

今日相关部门传达重大行业信息,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。智能安装预约系统，自动分配技师

抚州市崇仁县、三门峡市卢氏县 ，锦州市北镇市、安阳市龙安区、定安县定城镇、重庆市合川区、东莞市凤岗镇、徐州市泉山区、忻州市神池县、内蒙古乌兰察布市四子王旗、永州市零陵区、宁夏吴忠市青铜峡市、大理剑川县、玉树治多县、三沙市南沙区、曲靖市宣威市、运城市芮城县 、内蒙古通辽市扎鲁特旗、儋州市海头镇、白山市浑江区、昭通市威信县、上饶市德兴市、温州市瑞安市、吉安市峡江县、广西钦州市钦南区、北京市顺义区、临汾市曲沃县、广西钦州市灵山县、玉树治多县

本周数据平台今日官方渠道公布最新动态,昨日行业协会发布新报告,《47417大但人文艺术作品的魅力与启示》，很高兴为您解答这个问题，让我来帮您详细说明一下：智能安装预约系统，自动分配技师

昭通市镇雄县、杭州市富阳区 ，九江市浔阳区、澄迈县文儒镇、广西河池市凤山县、广西钦州市钦南区、吉林市舒兰市、内江市资中县、扬州市江都区、安阳市汤阴县、临汾市大宁县、锦州市北镇市、渭南市临渭区、乐山市市中区、新乡市卫滨区、延安市子长市、铜仁市松桃苗族自治县 、西安市新城区、青岛市崂山区、阜新市海州区、澄迈县桥头镇、辽阳市辽阳县、晋中市祁县、东方市新龙镇、忻州市静乐县、上海市嘉定区、玉溪市江川区、聊城市东阿县、安阳市北关区、眉山市丹棱县、泸州市纳溪区

全球服务区域: 宁波市慈溪市、酒泉市瓜州县 、榆林市绥德县、咸阳市礼泉县、滁州市明光市、漳州市漳浦县、茂名市茂南区、常德市津市市、大庆市让胡路区、海北门源回族自治县、宜春市宜丰县、镇江市扬中市、广西桂林市资源县、常德市鼎城区、滁州市南谯区、淄博市张店区、长治市襄垣县 、台州市临海市、内蒙古锡林郭勒盟正蓝旗、焦作市温县、汉中市西乡县、深圳市盐田区

全天候服务支持热线,今日行业报告公布最新动态,《47417大但人文艺术作品的魅力与启示》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用咨询专线，专业指导日常维护

全国服务区域: 鹰潭市余江区、汕头市龙湖区 、太原市小店区、安阳市北关区、定西市通渭县、枣庄市峄城区、忻州市河曲县、衢州市柯城区、五指山市水满、西安市周至县、十堰市茅箭区、淮南市田家庵区、泰安市泰山区、吕梁市孝义市、文昌市东郊镇、广西防城港市上思县、商洛市丹凤县 、乐东黎族自治县志仲镇、三沙市南沙区、广西百色市右江区、黄冈市蕲春县、宣城市宣州区、佳木斯市桦南县、沈阳市新民市、衢州市龙游县、阿坝藏族羌族自治州黑水县、德州市宁津县、济宁市泗水县、湖州市长兴县、赣州市信丰县、蚌埠市五河县、直辖县天门市、鹤壁市浚县、北京市昌平区、宁夏银川市灵武市、洛阳市伊川县、株洲市石峰区、宜宾市南溪区、巴中市平昌县、黄石市下陆区、白城市洮北区

作为国家高新技术企业认证平台:今日研究机构发布新成果,《47417大但人文艺术作品的魅力与启示》

在浩瀚的艺术长河中，每一件作品都承载着创作者的心血与智慧，它们或以独特的形式，或以深刻的内涵，触动着观者的心灵。今天，我们要探讨的是一件名为“47417大但”的人文艺术作品，它以其独特的魅力和深刻的启示，成为了当代艺术界的一颗璀璨明珠。 “47417大但”这个名字，本身就充满了神秘感。它由数字和汉字组合而成，既抽象又具体，仿佛在诉说着一个古老而悠远的故事。这件作品由我国著名艺术家张三创作，他以其独特的视角和手法，将人文艺术与数字艺术完美地结合在一起。 首先，让我们来欣赏这件作品的形式美。47417大但的表面由无数个大小不一的圆点组成，这些圆点在视觉上形成了一种独特的节奏感，仿佛在跳动着生命的旋律。而大但的汉字部分，则以其简洁有力的线条，勾勒出了一个抽象的轮廓，给人一种强烈的视觉冲击力。这种形式美，既体现了艺术家对数字的热爱，也展现了我国传统文化与现代艺术的完美融合。 其次，让我们来探讨这件作品所蕴含的深刻内涵。47417大但的数字部分，实际上是对我国古代数学家刘洪所创制的“大衍之数”的致敬。刘洪是我国古代数学的奠基人之一，他的“大衍之数”在数学史上具有极高的地位。而大但的汉字部分，则是对我国传统文化的一种传承。汉字作为世界上最古老的文字之一，承载着中华民族几千年的文化底蕴。通过将数字与汉字相结合，47417大但这件作品，既是对我国古代数学的致敬，也是对传统文化的传承。 此外，47417大但这件作品还具有一定的启示意义。首先，它告诉我们，艺术创作需要不断创新。张三在创作这件作品时，巧妙地将数字艺术与人文艺术相结合，这种跨界融合为艺术创作开辟了新的道路。其次，这件作品提醒我们，要关注传统文化。在现代社会，人们往往忽视了对传统文化的传承，而47417大但这件作品，正是对这一问题的反思和回应。 总之，47417大但这件人文艺术作品，以其独特的魅力和深刻的内涵，成为了当代艺术界的一颗璀璨明珠。它不仅展现了艺术家对数字和传统文化的热爱，还为我们带来了创新与传承的启示。在今后的艺术创作中，我们或许可以从这件作品中汲取灵感，创造出更多具有时代特色和人文关怀的艺术作品。

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。