本月官方发布行业研究成果,《艾曼妞之兽性培欲：一场跨越时空的欲望之旅》

今日研究机构发布行业报告,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。自动化服务跟踪，智能优化用户体验

黔西南兴仁市、汉中市佛坪县 ，莆田市秀屿区、宝鸡市凤县、驻马店市平舆县、红河建水县、新乡市长垣市、德州市夏津县、鸡西市麻山区、昆明市石林彝族自治县、福州市闽侯县、东方市江边乡、黔西南兴仁市、汉中市留坝县、陇南市西和县、内蒙古乌兰察布市集宁区、邵阳市大祥区 、乐山市沐川县、江门市蓬江区、吕梁市岚县、永州市江华瑶族自治县、天津市北辰区、济南市槐荫区、延边敦化市、梅州市梅江区、遂宁市船山区、上海市杨浦区、文昌市蓬莱镇、红河弥勒市

在线维修进度查询,本月研究机构发布新研究成果,《艾曼妞之兽性培欲：一场跨越时空的欲望之旅》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客户维权热线，保障消费权益

达州市渠县、内蒙古赤峰市阿鲁科尔沁旗 ，常州市新北区、信阳市潢川县、绍兴市越城区、宜昌市秭归县、万宁市龙滚镇、临高县皇桐镇、枣庄市滕州市、聊城市冠县、临夏康乐县、福州市连江县、榆林市神木市、临沂市河东区、淮安市洪泽区、连云港市赣榆区、眉山市仁寿县 、广州市增城区、抚州市南城县、内蒙古包头市东河区、衡阳市蒸湘区、玉溪市江川区、绍兴市柯桥区、广安市武胜县、合肥市肥西县、焦作市孟州市、黄石市西塞山区、黔东南岑巩县、漳州市芗城区、泉州市石狮市、宁夏固原市彭阳县

全球服务区域: 湘潭市湘乡市、安阳市滑县 、泰安市岱岳区、双鸭山市宝清县、吕梁市汾阳市、白沙黎族自治县金波乡、许昌市建安区、九江市都昌县、信阳市淮滨县、舟山市定海区、果洛玛多县、邵阳市大祥区、淄博市博山区、广元市昭化区、内蒙古阿拉善盟阿拉善右旗、宁德市霞浦县、吉安市永新县 、广西柳州市融水苗族自治县、万宁市龙滚镇、重庆市大渡口区、抚顺市望花区、郴州市汝城县

近日监测部门公开,昨日相关部门发布新政策动态,《艾曼妞之兽性培欲：一场跨越时空的欲望之旅》，很高兴为您解答这个问题，让我来帮您详细说明一下：维修服务呼叫中心，智能工单自动分配

全国服务区域: 上海市普陀区、西安市未央区 、株洲市茶陵县、牡丹江市宁安市、福州市福清市、漯河市舞阳县、梅州市梅县区、文昌市锦山镇、丽水市松阳县、南阳市唐河县、抚顺市新宾满族自治县、淮北市相山区、阜新市太平区、运城市永济市、宣城市郎溪县、福州市闽清县、镇江市扬中市 、临沂市沂南县、广西柳州市三江侗族自治县、广西河池市都安瑶族自治县、聊城市高唐县、内蒙古包头市白云鄂博矿区、漳州市龙海区、文山广南县、文山广南县、忻州市宁武县、金华市金东区、咸阳市渭城区、恩施州恩施市、黔东南岑巩县、郴州市嘉禾县、杭州市下城区、长沙市开福区、武汉市新洲区、上海市崇明区、深圳市龙华区、临沂市平邑县、南京市栖霞区、淄博市高青县、白沙黎族自治县细水乡、周口市沈丘县

近日调查组公开关键证据:今日官方传递最新研究成果,《艾曼妞之兽性培欲：一场跨越时空的欲望之旅》

艾曼妞，一个充满神秘色彩的名字，她的故事如同一场跨越时空的欲望之旅，引人入胜。这部作品以独特的视角，探讨了人性、欲望以及道德的边界，让我们在阅读过程中，不禁对人性产生深刻的思考。 艾曼妞，一个来自古老欧洲的贵族女子，她拥有着绝世的容颜和聪慧的头脑。然而，在封建礼教的束缚下，她的内心却充满了对自由的渴望。一次偶然的机会，她结识了一位来自东方的神秘男子，从此，她的生活发生了翻天覆地的变化。 这位神秘男子名叫阿飞，他来自一个古老的东方国度，拥有着独特的智慧和深厚的文化底蕴。他对艾曼妞产生了浓厚的兴趣，两人开始了一段跨越时空的恋情。在这段感情中，艾曼妞逐渐发现自己内心深处的兽性，她开始追求自由，渴望摆脱束缚，追求真正的自我。 在这场欲望之旅中，艾曼妞经历了无数的磨难和挑战。她与阿飞一起，穿越了古老的城堡、神秘的森林和险恶的沙漠。在这段旅程中，他们共同面对了人性的黑暗面，也发现了人性的美好。艾曼妞在阿飞的引导下，逐渐认识到，真正的自由并非摆脱束缚，而是学会在束缚中找到自己的价值。 然而，在这段旅程中，艾曼妞也遇到了许多诱惑和考验。她曾一度迷失在欲望的海洋中，无法自拔。但最终，她还是凭借着自己的智慧和勇气，战胜了内心的恶魔，找到了真正的自我。 这部作品以艾曼妞的成长历程为主线，通过对她内心世界的描写，展现了人性的复杂性和多样性。在艾曼妞身上，我们看到了人性的光明与黑暗，善良与邪恶。她是一个充满矛盾的角色，既渴望自由，又受到道德的束缚；既追求爱情，又害怕失去自我。 在艾曼妞与阿飞的恋情中，我们可以看到，爱情并非简单的情感纠葛，而是两个人在精神上的相互扶持。他们共同面对生活的困境，共同成长，最终找到了属于自己的幸福。这种爱情，超越了时空，超越了种族，成为了永恒。 此外，这部作品还探讨了道德的边界。在艾曼妞的成长过程中，她不断质疑传统观念，挑战道德底线。这种对道德的反思，让我们在阅读过程中，不禁对自身的行为和价值观进行反思。 总之，《艾曼妞之兽性培欲》是一部充满激情与思考的作品。它以独特的视角，展现了人性的复杂性和多样性，让我们在阅读过程中，对人性、欲望和道德有了更深刻的认识。这部作品不仅是一部爱情小说，更是一部关于成长、自由和自我认知的哲学著作。

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。