昨日研究机构公布重大成果,小龙女与火龙枪的神秘邂逅

本周研究机构发布行业新动向,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。全国标准化服务热线，维修质量有保证

徐州市丰县、商丘市永城市 ，红河蒙自市、三门峡市义马市、曲靖市师宗县、郑州市登封市、资阳市雁江区、抚州市乐安县、重庆市大足区、汉中市洋县、景德镇市浮梁县、贵阳市白云区、黔东南锦屏县、郴州市桂东县、台州市玉环市、江门市新会区、文山富宁县 、伊春市丰林县、鸡西市虎林市、宣城市旌德县、临沂市河东区、荆州市松滋市、莆田市荔城区、齐齐哈尔市讷河市、万宁市和乐镇、宜宾市江安县、恩施州鹤峰县、马鞍山市雨山区、大庆市红岗区

本周数据平台近期数据平台透露新政策,本周研究机构发布新报告,小龙女与火龙枪的神秘邂逅，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修电话，支持在线咨询报修

齐齐哈尔市建华区、大连市甘井子区 ，益阳市沅江市、广西防城港市港口区、昌江黎族自治县海尾镇、南平市松溪县、楚雄禄丰市、四平市铁西区、广西河池市天峨县、儋州市中和镇、清远市连州市、黄冈市蕲春县、驻马店市上蔡县、益阳市沅江市、黔东南黎平县、长春市德惠市、曲靖市宣威市 、永州市零陵区、杭州市临安区、杭州市西湖区、阿坝藏族羌族自治州阿坝县、洛阳市嵩县、上饶市广丰区、滨州市惠民县、许昌市魏都区、烟台市福山区、宁夏吴忠市青铜峡市、嘉峪关市文殊镇、大兴安岭地区呼中区、广西百色市德保县、鹤岗市东山区

全球服务区域: 曲靖市宣威市、甘孜白玉县 、广西百色市平果市、乐东黎族自治县九所镇、漯河市郾城区、邵阳市大祥区、临沧市沧源佤族自治县、吉安市吉水县、广西防城港市上思县、文山西畴县、常德市武陵区、抚州市宜黄县、东莞市沙田镇、成都市金堂县、泉州市泉港区、延安市黄龙县、岳阳市君山区 、重庆市潼南区、吉安市永新县、汕头市金平区、上海市闵行区、保山市昌宁县

24小时维修咨询热线，智能语音导航,本月行业报告发布新动态,小龙女与火龙枪的神秘邂逅，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修专线，快速响应故障报修

全国服务区域: 凉山美姑县、南充市营山县 、潮州市饶平县、上海市崇明区、汉中市留坝县、朔州市山阴县、广西百色市田林县、乐东黎族自治县九所镇、毕节市金沙县、宜春市铜鼓县、万宁市和乐镇、朔州市平鲁区、吉林市丰满区、赣州市寻乌县、茂名市信宜市、绥化市肇东市、吉安市永丰县 、广州市增城区、泉州市石狮市、湘西州吉首市、宜春市靖安县、直辖县神农架林区、宜春市万载县、江门市新会区、阳泉市平定县、临沧市凤庆县、长春市朝阳区、沈阳市新民市、黄冈市黄梅县、大理剑川县、大庆市让胡路区、周口市川汇区、烟台市福山区、武威市凉州区、运城市盐湖区、孝感市大悟县、菏泽市巨野县、宁夏银川市兴庆区、遵义市仁怀市、内蒙古阿拉善盟阿拉善右旗、嘉峪关市文殊镇

本周数据平台今日多方媒体透露研究成果:本周行业协会公开重要研究成果,小龙女与火龙枪的神秘邂逅

在古老的武林传说中，有一位名叫小龙女的女子，她身怀绝技，行走江湖，以一柄银色软剑闯荡江湖，威震四方。然而，在某个风起云涌的夜晚，她却与一件神秘的武器——火龙枪，结下了不解之缘。 那是一个月光皎洁的夜晚，小龙女独自一人行走在荒野之上，追寻着前方的目标。忽然，一阵狂风呼啸而过，吹得她衣袂飘飘。她抬头望去，只见天空中一条火龙盘旋，其身姿威猛，火焰吞吐，令人瞠目结舌。 小龙女心中一惊，她知道这是火龙枪的传说。相传，火龙枪乃是一件传说中的神兵利器，拥有毁天灭地的力量。然而，这件武器却隐藏在江湖深处，无人能寻得。此刻，火龙枪的出现，无疑预示着一场江湖风波即将来临。 正当小龙女犹豫是否继续前行时，一阵急促的脚步声打破了夜的宁静。她转身望去，只见一位身穿黑衣的神秘人手持火龙枪，正朝着她疾驰而来。 “小龙女，你终于来了。”神秘人开口说道，声音低沉而有力。 小龙女心中一紧，她知道这位神秘人便是传说中的火龙枪传人。她微微一笑，道：“我为何而来，你我心知肚明。但在这江湖之上，我并不想与任何人结仇。” 神秘人目光深邃，道：“火龙枪非同小可，若落入恶人之手，必将生灵涂炭。我请你将火龙枪带出江湖，还天下一个太平。” 小龙女沉默了片刻，她深知火龙枪的威力，也明白神秘人的良苦用心。然而，她心中仍有顾虑：“火龙枪非同小可，我一人难以承担如此重任。若我身陷险境，岂不是让江湖陷入更大的危机？” 神秘人微微一笑，道：“我自有分寸。只要你愿意，我将与你并肩作战，共抗邪恶。” 在神秘人的邀请下，小龙女最终答应了他的请求。她接过火龙枪，只感觉一股强大的力量涌入体内。那火龙枪仿佛与她心意相通，让她瞬间明白了它的奥秘。 从此，小龙女与神秘人携手江湖，以火龙枪为武器，惩恶扬善。他们历经千辛万苦，终于将火龙枪的传说传遍了大江南北。而小龙女，也在这场冒险中，找到了属于自己的江湖传奇。 岁月流转，小龙女与火龙枪的故事传颂千古。人们传颂着她那轻盈的身姿，那柄神出鬼没的火龙枪，以及那颗坚定不移的正义之心。而在这段传奇的背后，隐藏着一个女子与火龙枪的神秘邂逅，成为了江湖中永恒的传说。

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。