昨日相关部门披露行业进展,洞中奇遇：草莓变身的奇妙之旅——草莓汁的诞生

本月官方发布行业新变化,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。数字化维保平台，智能优化保养方案

深圳市龙华区、临沧市临翔区 ，沈阳市辽中区、临汾市永和县、安庆市怀宁县、淮南市潘集区、广西北海市合浦县、衡阳市祁东县、新乡市牧野区、永州市新田县、梅州市梅县区、焦作市中站区、德州市禹城市、长沙市宁乡市、宁波市奉化区、安庆市望江县、贵阳市观山湖区 、曲靖市师宗县、周口市川汇区、青岛市胶州市、大庆市让胡路区、澄迈县永发镇、长沙市开福区、衡阳市耒阳市、东莞市石排镇、大庆市大同区、黔南罗甸县、广西北海市铁山港区、青岛市城阳区

近日调查组公开关键证据本,昨日研究机构公布重大成果,洞中奇遇：草莓变身的奇妙之旅——草莓汁的诞生，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一回收标准，环保处理规范

漳州市芗城区、广西桂林市荔浦市 ，漳州市长泰区、汉中市西乡县、杭州市拱墅区、内蒙古阿拉善盟阿拉善右旗、长治市襄垣县、新余市渝水区、临高县南宝镇、郴州市宜章县、武汉市青山区、揭阳市榕城区、甘孜得荣县、大兴安岭地区新林区、丹东市凤城市、海东市乐都区、重庆市丰都县 、宜春市高安市、烟台市蓬莱区、嘉兴市海盐县、吕梁市兴县、安顺市西秀区、九江市彭泽县、宁德市霞浦县、邵阳市隆回县、天水市麦积区、汉中市南郑区、菏泽市东明县、黄山市屯溪区、绥化市海伦市、衢州市柯城区

全球服务区域: 大庆市肇州县、驻马店市新蔡县 、黔东南黎平县、哈尔滨市道里区、西安市新城区、苏州市太仓市、内蒙古赤峰市阿鲁科尔沁旗、昭通市绥江县、东方市大田镇、广西玉林市玉州区、泸州市合江县、广元市利州区、黔东南台江县、保亭黎族苗族自治县什玲、荆州市监利市、邵阳市绥宁县、平顶山市新华区 、广西南宁市兴宁区、甘孜康定市、海东市循化撒拉族自治县、延边敦化市、南阳市南召县

本周数据平台今日官方渠道披露重磅消息,本周研究机构发布行业新动向,洞中奇遇：草莓变身的奇妙之旅——草莓汁的诞生，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化维保平台，智能管理维护周期

全国服务区域: 陵水黎族自治县文罗镇、黔东南榕江县 、吕梁市交城县、乐山市市中区、岳阳市华容县、红河元阳县、乐东黎族自治县尖峰镇、儋州市海头镇、临沂市兰陵县、东莞市厚街镇、焦作市博爱县、南阳市唐河县、广安市广安区、昭通市绥江县、淮南市寿县、宁夏吴忠市利通区、淄博市张店区 、广西贵港市覃塘区、中山市小榄镇、梅州市梅县区、延安市志丹县、连云港市灌南县、延安市子长市、咸阳市兴平市、滨州市邹平市、运城市盐湖区、咸宁市嘉鱼县、内蒙古鄂尔多斯市鄂托克旗、陇南市成县、绥化市肇东市、广西北海市铁山港区、吕梁市中阳县、抚州市乐安县、三明市建宁县、凉山冕宁县、赣州市兴国县、吉安市庐陵新区、济南市济阳区、三沙市南沙区、盐城市大丰区、临汾市安泽县

本周数据平台近期数据平台透露新政策:本月行业协会披露最新研究报告,洞中奇遇：草莓变身的奇妙之旅——草莓汁的诞生

在我国广袤的田野上，草莓以其鲜红诱人的果实，成为了人们喜爱的水果之一。然而，你是否想过，草莓在洞里竟然能变成美味的草莓汁呢？这听起来似乎有些不可思议，但今天，就让我们一起走进这个充满奇幻色彩的草莓世界，探寻草莓汁的诞生之谜。 在一个阳光明媚的早晨，一群好奇的孩子们来到了一片草莓园。这片草莓园位于一个山洞的入口处，洞内蜿蜒曲折，神秘莫测。孩子们兴奋地走进洞中，开始了他们的探险之旅。 洞内昏暗潮湿，但孩子们并没有被吓倒。他们一边小心翼翼地前行，一边欣赏着洞壁上奇特的钟乳石和石笋。突然，他们发现了一个奇妙的现象：洞壁上竟然长满了鲜红的草莓！ 这些草莓与普通的草莓不同，它们生长在洞壁的裂缝中，仿佛是天地间的一种神奇产物。孩子们兴奋地摘下这些草莓，品尝了一口，顿时被它们的甜美所征服。他们不禁感叹：“这些草莓真是美味至极！” 正当孩子们沉浸在这份喜悦之中时，他们发现了一个更加神奇的现象：这些草莓竟然会自动变成草莓汁！原来，洞内的特殊环境使得草莓汁液在草莓内部不断积累，最终形成了这种奇特的景象。 孩子们纷纷拿出自己的水壶，将草莓汁收集起来。他们小心翼翼地品尝着这洞中奇遇的成果，感受着草莓汁在口中流淌的甘甜。这一刻，他们仿佛置身于一个梦幻般的仙境。 回到家中，孩子们将这一奇遇告诉了父母。父母听后，决定将这个神秘的现象研究一番。经过一番调查，他们发现，这个山洞的地质结构非常特殊，洞内的温度、湿度以及土壤成分都十分适宜草莓的生长。而洞内的微生物活动，更是使得草莓汁液得以形成。 为了更好地利用这一自然资源，父母决定将山洞开发成一个草莓汁加工厂。他们引进了先进的加工设备，将洞中的草莓汁进行过滤、浓缩、调配，最终生产出了美味可口的草莓汁。 这个消息传开后，吸引了众多游客前来参观。人们纷纷感叹：“没想到草莓还能在洞里生长，更没想到还能变成美味的草莓汁！”这个山洞因此成为了当地的旅游景点，吸引了无数游客前来体验。 如今，这个洞中奇遇的草莓汁已经成为了当地的特色产品，远销海内外。而那些曾经探险的孩子们，也成为了这个奇妙故事的最佳见证者。 草莓在洞里变成草莓汁的故事，不仅让我们感受到了大自然的神奇魅力，更让我们明白了创新与探索的重要性。在这个充满未知的世界里，只要我们敢于尝试，勇于探索，就一定能发现更多美好的事物。

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。