本月行业报告公开重大成果,小花园里的“夹心”大作战：巧手改造，打造多功能花园空间

本周官方渠道发布行业新动态,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。智能保养提醒系统，自动推送通知

宜宾市高县、黄山市休宁县 ，天津市河西区、铜仁市思南县、酒泉市金塔县、武汉市硚口区、渭南市合阳县、忻州市定襄县、屯昌县西昌镇、鹤壁市淇县、郑州市新郑市、茂名市茂南区、六安市舒城县、杭州市西湖区、泉州市石狮市、榆林市横山区、遂宁市安居区 、清远市阳山县、白银市平川区、杭州市滨江区、达州市通川区、直辖县天门市、安康市宁陕县、温州市鹿城区、朝阳市建平县、益阳市安化县、龙岩市新罗区、南京市栖霞区、恩施州来凤县

本周数据平台本月业内人士公开最新动态,今日相关部门披露最新研究成果,小花园里的“夹心”大作战：巧手改造，打造多功能花园空间，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一延保标准，透明服务条款

赣州市崇义县、德州市庆云县 ，淮安市金湖县、济南市章丘区、广元市旺苍县、张掖市民乐县、滁州市琅琊区、绵阳市江油市、云浮市罗定市、晋中市昔阳县、大连市金州区、大同市新荣区、吕梁市交城县、乐东黎族自治县佛罗镇、楚雄永仁县、南阳市内乡县、重庆市荣昌区 、泉州市晋江市、临沂市莒南县、滁州市琅琊区、安阳市龙安区、琼海市长坡镇、荆州市洪湖市、武威市凉州区、海西蒙古族茫崖市、天津市东丽区、绵阳市梓潼县、张家界市桑植县、中山市南朗镇、随州市广水市、中山市沙溪镇

全球服务区域: 泸州市合江县、益阳市桃江县 、咸宁市崇阳县、黑河市五大连池市、池州市石台县、福州市永泰县、汕尾市陆河县、广西桂林市灵川县、宁波市奉化区、白沙黎族自治县细水乡、重庆市巴南区、临沂市蒙阴县、临沂市莒南县、西安市鄠邑区、平顶山市汝州市、大同市云冈区、宁夏银川市贺兰县 、宝鸡市千阳县、内蒙古乌海市乌达区、广西贺州市富川瑶族自治县、榆林市府谷县、宁波市奉化区

本周数据平台最新官方渠道传来研究成果,本周监管部门发布重要政策,小花园里的“夹心”大作战：巧手改造，打造多功能花园空间，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

全国服务区域: 长沙市长沙县、铁岭市开原市 、新乡市获嘉县、内蒙古呼和浩特市土默特左旗、汉中市洋县、上海市宝山区、定安县龙门镇、汉中市西乡县、嘉兴市南湖区、黄山市黄山区、合肥市巢湖市、德州市夏津县、临夏临夏县、新余市分宜县、延安市宜川县、郑州市管城回族区、宁夏银川市西夏区 、成都市金牛区、昆明市官渡区、渭南市富平县、东莞市凤岗镇、三门峡市陕州区、安阳市文峰区、内蒙古锡林郭勒盟正蓝旗、葫芦岛市绥中县、丽水市缙云县、温州市文成县、西宁市湟中区、西宁市城中区、临沂市蒙阴县、广西来宾市忻城县、益阳市桃江县、海东市乐都区、潍坊市安丘市、佳木斯市富锦市、广西贵港市平南县、潮州市潮安区、赣州市会昌县、福州市闽侯县、五指山市通什、吉安市吉州区

作为国家高新技术企业认证平台:今日行业报告更新最新政策,小花园里的“夹心”大作战：巧手改造，打造多功能花园空间

在我国广大的城市和乡村中，小花园已经成为许多家庭和单位不可或缺的一部分。它不仅为人们提供了休闲娱乐的场所，更是美化环境、提升生活品质的重要空间。然而，随着人们对生活品质的追求越来越高，小花园的用途也日益丰富。今天，就让我们来探讨一下，当小花园想要“夹东西”时，我们该如何巧妙地改造，打造一个多功能花园空间。 一、了解小花园的“夹心”需求 首先，我们需要了解小花园想要“夹”的是什么。是休闲娱乐设施，还是儿童游乐区？是户外健身器材，还是宠物活动场所？只有明确了需求，我们才能有针对性地进行改造。 二、合理规划，布局合理 在规划小花园时，我们要充分考虑空间利用率和功能分区。以下是一些建议： 1. 花园入口：设置一个宽敞的入口，方便人们进出。 2. 花卉区：在花园的一角设立花卉区，种植各种花草，既能美化环境，又能吸引蝴蝶、蜜蜂等小动物。 3. 休闲娱乐区：设置座椅、茶几等设施，供人们休息、聊天。 4. 儿童游乐区：为孩子们设置滑梯、秋千等游乐设施，让他们在花园里尽情玩耍。 5. 健身器材区：安装一些户外健身器材，如太极推手、健身步道等，方便人们锻炼身体。 6. 宠物活动区：为宠物设立一个活动空间，让他们在花园里自由奔跑、玩耍。 三、巧妙利用空间，打造多功能花园 1. 夹心座椅：在花园的一角设置一个夹心座椅，既可以休息，又可以存放物品。 2. 多功能桌椅：选用可折叠的桌椅，方便根据需要调整空间布局。 3. 悬挂式收纳：在花园的墙壁或树木上悬挂一些收纳袋，用于存放工具、园艺用品等。 4. 活动隔板：使用可移动的隔板，根据需要分隔空间，实现多功能使用。 5. 花园亭子：在花园中搭建一个亭子，既可以作为休息场所，又可以举办小型聚会。 四、注重细节，提升花园品质 1. 色彩搭配：在花园中运用色彩搭配，使花园更具生机与活力。 2. 花卉选择：根据季节和气候特点，选择适宜的花卉进行种植。 3. 灯光设计：在花园中安装一些灯光，营造浪漫氛围。 4. 水景设计：在花园中设置一个小型水景，增添一份宁静与和谐。 总之，当小花园想要“夹东西”时，我们只需巧妙地利用空间，合理布局，就能打造出一个多功能、美观实用的花园空间。让我们用心呵护这个小花园，让它成为我们生活中的一道亮丽风景线。

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。