今日行业报告传达重要政策,“已满十八，带好纸巾，从此转人——揭秘新闻背后的感人故事”

昨日行业协会披露最新报告,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。全国统一回收专线，环保处理旧家电

延安市富县、衡阳市祁东县 ，中山市大涌镇、信阳市光山县、揭阳市揭东区、南平市浦城县、鞍山市台安县、池州市石台县、哈尔滨市方正县、保亭黎族苗族自治县什玲、定安县龙湖镇、开封市尉氏县、广西百色市平果市、甘孜色达县、台州市玉环市、清远市连山壮族瑶族自治县、吉安市万安县 、齐齐哈尔市碾子山区、北京市顺义区、鄂州市梁子湖区、黄冈市武穴市、焦作市沁阳市、大理大理市、青岛市平度市、茂名市茂南区、遵义市赤水市、青岛市胶州市、安康市紫阳县、嘉兴市嘉善县

近日技术小组通报核心进展,今日行业报告传递政策变化,“已满十八，带好纸巾，从此转人——揭秘新闻背后的感人故事”，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

内蒙古巴彦淖尔市乌拉特后旗、金华市婺城区 ，潍坊市坊子区、九江市湖口县、晋城市阳城县、临高县皇桐镇、宣城市泾县、安庆市迎江区、荆门市东宝区、宁夏石嘴山市惠农区、内蒙古阿拉善盟阿拉善右旗、内蒙古锡林郭勒盟阿巴嘎旗、文山麻栗坡县、韶关市翁源县、榆林市米脂县、内蒙古鄂尔多斯市乌审旗、盘锦市兴隆台区 、广安市武胜县、焦作市修武县、文昌市文城镇、安康市宁陕县、安庆市宿松县、琼海市潭门镇、汉中市镇巴县、衡阳市衡南县、文山麻栗坡县、岳阳市平江县、新乡市延津县、宜昌市当阳市、滨州市邹平市、儋州市雅星镇

全球服务区域: 宁夏吴忠市青铜峡市、广元市昭化区 、定安县定城镇、咸宁市崇阳县、内蒙古呼伦贝尔市海拉尔区、安康市平利县、商洛市丹凤县、保山市腾冲市、长春市双阳区、潍坊市青州市、丽江市永胜县、宣城市旌德县、鞍山市铁西区、鹤岗市绥滨县、揭阳市普宁市、西安市碑林区、池州市青阳县 、广西百色市靖西市、宁夏银川市灵武市、郑州市中原区、淄博市博山区、湛江市霞山区

近日观测中心传出重要预警,今日监管部门披露新进展,“已满十八，带好纸巾，从此转人——揭秘新闻背后的感人故事”，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心支持电话、APP多渠道服务

全国服务区域: 广西河池市宜州区、揭阳市揭东区 、濮阳市濮阳县、周口市项城市、南充市顺庆区、德州市平原县、天水市清水县、宜昌市当阳市、大兴安岭地区新林区、洛阳市老城区、营口市西市区、常州市武进区、广西河池市宜州区、临汾市襄汾县、果洛久治县、通化市辉南县、万宁市礼纪镇 、内蒙古呼伦贝尔市阿荣旗、南平市邵武市、蚌埠市蚌山区、漳州市龙海区、济南市市中区、蚌埠市禹会区、十堰市张湾区、泉州市德化县、常德市津市市、重庆市开州区、滨州市惠民县、内蒙古锡林郭勒盟苏尼特右旗、黔西南兴仁市、荆门市沙洋县、西安市蓝田县、昆明市禄劝彝族苗族自治县、杭州市建德市、湘潭市湘乡市、通化市集安市、西宁市城西区、泸州市泸县、汉中市佛坪县、双鸭山市四方台区、温州市文成县

本周数据平台稍早前行业报告:最新行业报告揭示新变化,“已满十八，带好纸巾，从此转人——揭秘新闻背后的感人故事”

在信息爆炸的时代，新闻每天都在刷新我们的视野，而有些新闻，不仅仅是一则简单的报道，它背后往往隐藏着一个个感人至深的故事。近日，一则“已满十八，带好纸巾，从此转人”的新闻，引发了广大网友的热议，让我们一起走进这个故事，感受其中的温暖与感动。 这则新闻的主人公是一位名叫小明的年轻人。小明自幼父母双亡，由年迈的奶奶抚养长大。随着年龄的增长，小明逐渐长大成人，也到了成家立业的年纪。然而，由于家庭贫困，小明一直未能找到合适的工作，生活陷入了困境。 就在小明一筹莫展之际，一则招聘广告给了他希望。这则广告是一家公益组织发布的，旨在帮助像小明这样的贫困青年实现自我价值。小明毫不犹豫地报了名，经过层层筛选，他终于成功获得了这份工作。 然而，这份工作并非想象中的那么简单。小明的工作是照顾一位年迈的老人，这位老人已经瘫痪在床多年，生活无法自理。小明深知这份工作的艰辛，但他没有退缩，而是毅然决然地承担起了这份责任。 每天，小明都会提前来到老人的家中，为老人准备早餐，然后开始照顾老人的日常生活。他给老人喂饭、擦洗身体、按摩，每一个细节都做得十分周到。尽管老人性格孤僻，有时还会对小明发火，但小明始终保持着耐心和微笑。 随着时间的推移，小明和老人之间的关系逐渐变得融洽。老人也开始依赖小明，将他视为自己的亲人。每当小明离开时，老人都会依依不舍地望着他。 一天，小明在照顾老人时，突然发现老人手中的纸巾已经用完了。他立刻意识到，老人平时都是用纸巾擦拭口水和鼻涕，如果纸巾用完了，老人将会非常难受。于是，小明立刻跑出去，买了一包纸巾回来。 当小明把纸巾递给老人时，老人感动得热泪盈眶。他紧紧握住小明的手，激动地说：“小明，谢谢你，你是我生命中的天使。” 这则新闻传开后，引起了社会各界的广泛关注。许多网友纷纷表示，小明是一个值得尊敬和学习的榜样。他的善举不仅温暖了老人的心，也感动了无数人。 这个故事告诉我们，生活中总有一些人在默默奉献，用自己的爱心和耐心去关爱他人。他们或许没有惊天动地的壮举，但他们的善举却足以温暖人心，照亮他人的生活。 在这个充满竞争和压力的社会，我们更需要像小明这样的正能量。让我们学会关爱他人，用爱心去传递温暖，让这个世界变得更加美好。正如这则新闻所说：“已满十八，带好纸巾，从此转人。”让我们携手共进，共同书写更多感人至深的故事。

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。