今日行业报告公布最新研究成果,《无双大蛇：太公望的传奇人生与神秘力量》

今日行业报告传递新研究报告,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。智能配件管理系统，自动匹配型号

西宁市大通回族土族自治县、大兴安岭地区加格达奇区 ，揭阳市普宁市、潮州市潮安区、成都市锦江区、昭通市威信县、昭通市威信县、红河绿春县、忻州市定襄县、海口市美兰区、酒泉市敦煌市、内蒙古巴彦淖尔市乌拉特后旗、成都市邛崃市、万宁市南桥镇、咸阳市乾县、玉溪市易门县、安康市石泉县 、儋州市那大镇、潍坊市青州市、益阳市桃江县、攀枝花市东区、海南贵南县、黔东南锦屏县、安阳市北关区、安庆市望江县、嘉峪关市峪泉镇、黄山市黄山区、定安县富文镇、庆阳市庆城县

本周数据平台最新相关部门透露权威通报,昨日业内人士传出行业新变化,《无双大蛇：太公望的传奇人生与神秘力量》，很高兴为您解答这个问题，让我来帮您详细说明一下：全国标准化热线，维修过程透明可查

驻马店市泌阳县、酒泉市敦煌市 ，保山市昌宁县、陇南市成县、天津市红桥区、遂宁市射洪市、济南市历城区、孝感市汉川市、西安市临潼区、延安市甘泉县、铁岭市昌图县、内蒙古乌兰察布市集宁区、澄迈县金江镇、白城市洮北区、镇江市丹阳市、内蒙古通辽市科尔沁区、徐州市泉山区 、广元市旺苍县、武威市凉州区、保山市腾冲市、双鸭山市集贤县、延边龙井市、株洲市攸县、衢州市江山市、晋中市寿阳县、大同市广灵县、广安市前锋区、萍乡市莲花县、河源市东源县、益阳市安化县、武汉市江岸区

全球服务区域: 菏泽市曹县、鄂州市梁子湖区 、咸阳市秦都区、榆林市榆阳区、商洛市丹凤县、陇南市康县、天水市秦安县、松原市乾安县、吉安市庐陵新区、内蒙古通辽市扎鲁特旗、六安市霍山县、广州市白云区、汕尾市陆河县、汕头市南澳县、乐东黎族自治县志仲镇、德阳市旌阳区、汕尾市陆丰市 、阜阳市颍州区、苏州市虎丘区、铜陵市铜官区、天津市北辰区、天津市东丽区

本周数据平台稍早前行业协会报道新政,本月官方发布行业重要事件,《无双大蛇：太公望的传奇人生与神秘力量》，很高兴为您解答这个问题，让我来帮您详细说明一下：智能回收评估系统，自动生成报价

全国服务区域: 宁夏固原市西吉县、资阳市雁江区 、内蒙古赤峰市宁城县、赣州市宁都县、安顺市普定县、运城市芮城县、深圳市南山区、衡阳市祁东县、伊春市丰林县、中山市神湾镇、中山市大涌镇、嘉兴市南湖区、镇江市京口区、恩施州巴东县、烟台市栖霞市、开封市通许县、宜宾市南溪区 、陇南市康县、文昌市蓬莱镇、遵义市仁怀市、延安市宝塔区、邵阳市大祥区、牡丹江市东宁市、汕尾市陆丰市、内蒙古鄂尔多斯市康巴什区、长治市长子县、万宁市三更罗镇、白沙黎族自治县阜龙乡、西安市临潼区、临汾市古县、新乡市卫辉市、中山市古镇镇、眉山市洪雅县、九江市共青城市、临沂市罗庄区、焦作市解放区、长治市沁源县、内蒙古呼和浩特市和林格尔县、陵水黎族自治县椰林镇、昆明市晋宁区、武汉市黄陂区

本周数据平台不久前行业协会透露新变化:本月行业报告公开研究成果,《无双大蛇：太公望的传奇人生与神秘力量》

在中国古代神话传说中，太公望是一位极具传奇色彩的人物。而在现代流行文化中，太公望的形象更是被赋予了新的生命，尤其是在《无双大蛇》这款游戏中，太公望成为了游戏中的重要角色。本文将带您走进太公望的世界，探寻他的神秘力量和传奇人生。 太公望，又称姜子牙，是中国古代著名的政治家、军事家、哲学家。据传，他出生于公元前1156年，卒于公元前1017年，享年139岁。太公望的一生充满了传奇色彩，他不仅是一位杰出的军事家，更是一位具有深厚文化底蕴的智者。 在《无双大蛇》这款游戏中，太公望被描绘为一位拥有强大法力的神仙。游戏中，太公望的形象是一位白发苍苍的老者，手持长剑，威风凛凛。他不仅拥有强大的攻击力，还能使用各种神秘法术，为玩家提供强大的支援。 太公望的神秘力量源于他的智慧。在游戏中，他通过修炼和领悟，掌握了“天地人三才”的奥秘，从而拥有了操控自然、驾驭鬼神的能力。这些神秘力量使得太公望在游戏中成为了玩家们争相追逐的对象。 太公望的传奇人生始于他的少年时期。据传，太公望年轻时曾担任过商朝的官员，因直言进谏而被贬为庶民。然而，他并未因此放弃追求真理和正义。在民间，他广结善缘，传播文化，成为了人们心中的楷模。 在《无双大蛇》游戏中，太公望的少年时期被描绘为一段充满冒险的旅程。他历经磨难，最终成为了一位拥有强大法力的神仙。这段旅程不仅让太公望积累了丰富的经验，也让他结识了许多志同道合的朋友。 太公望的一生充满了传奇色彩，他不仅在军事上取得了辉煌的成就，还在文化、哲学等领域有着卓越的贡献。在《无双大蛇》游戏中，太公望的形象被赋予了新的意义。他不再是那个孤独的智者，而是一位能够与玩家并肩作战的英雄。 在游戏中，太公望的神秘力量不仅体现在他的攻击和防御能力上，还体现在他的智慧上。他能够洞察敌人的弱点，为玩家提供战略指导。这使得太公望成为了游戏中最受欢迎的角色之一。 总之，《无双大蛇》中的太公望是一位极具魅力的角色。他的一生充满了传奇色彩，他的神秘力量让人叹为观止。在游戏中，太公望的形象得到了新的诠释，他成为了玩家们心中的英雄。让我们一起走进太公望的世界，感受这位传奇人物的非凡魅力吧！

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。