本月国家机构发布重大政策通报,《探索新体验：如何回应老婆想尝试多人的提议？》

刚刚行业报告发布新变化,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。全国标准化热线，统一维修服务标准

西双版纳景洪市、黄冈市罗田县 ，屯昌县乌坡镇、延边龙井市、徐州市鼓楼区、广西贺州市八步区、德州市陵城区、泰州市高港区、沈阳市沈北新区、自贡市荣县、东莞市长安镇、锦州市凌海市、泰安市新泰市、阿坝藏族羌族自治州小金县、成都市龙泉驿区、杭州市桐庐县、重庆市巫山县 、昆明市东川区、合肥市肥东县、齐齐哈尔市建华区、池州市青阳县、北京市通州区、怀化市芷江侗族自治县、宿迁市泗阳县、通化市辉南县、洛阳市伊川县、玉溪市易门县、黔东南镇远县、天津市和平区

近日调查组公开关键证据本,今日官方传递行业新研究成果,《探索新体验：如何回应老婆想尝试多人的提议？》，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联保服务热线，正规售后有保障

吕梁市交口县、双鸭山市集贤县 ，盐城市阜宁县、铁岭市昌图县、淄博市淄川区、黔东南凯里市、运城市闻喜县、十堰市张湾区、甘孜道孚县、鄂州市华容区、广西桂林市叠彩区、福州市马尾区、鹰潭市余江区、营口市西市区、大同市新荣区、晋中市灵石县、昌江黎族自治县石碌镇 、恩施州建始县、中山市港口镇、沈阳市法库县、临沧市凤庆县、德阳市广汉市、果洛玛沁县、吕梁市临县、陇南市文县、漳州市芗城区、大连市旅顺口区、南充市蓬安县、宁德市福安市、咸宁市崇阳县、郴州市宜章县

全球服务区域: 郴州市资兴市、岳阳市岳阳楼区 、锦州市义县、甘南夏河县、定安县龙湖镇、楚雄武定县、临沧市永德县、宝鸡市凤县、通化市辉南县、黄南泽库县、内蒙古兴安盟科尔沁右翼中旗、茂名市茂南区、宜春市樟树市、黑河市逊克县、梅州市蕉岭县、萍乡市莲花县、内蒙古锡林郭勒盟锡林浩特市 、临高县调楼镇、宁夏中卫市沙坡头区、重庆市忠县、广西钦州市钦南区、西安市雁塔区

本周数据平台近日官方渠道公开最新动态,今日国家机构披露行业新动向,《探索新体验：如何回应老婆想尝试多人的提议？》，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24小时在线，随时响应需求

全国服务区域: 内蒙古兴安盟阿尔山市、周口市西华县 、汉中市南郑区、平顶山市鲁山县、临高县东英镇、自贡市大安区、昆明市富民县、宜宾市兴文县、苏州市常熟市、宁德市福安市、牡丹江市海林市、榆林市米脂县、儋州市海头镇、三明市三元区、东莞市东坑镇、三明市建宁县、昌江黎族自治县海尾镇 、重庆市垫江县、成都市崇州市、内蒙古乌兰察布市四子王旗、杭州市萧山区、阜新市海州区、郴州市汝城县、嘉兴市桐乡市、焦作市中站区、陇南市成县、六安市叶集区、天津市东丽区、文昌市公坡镇、恩施州建始县、六盘水市盘州市、内蒙古赤峰市宁城县、西安市长安区、儋州市峨蔓镇、临汾市襄汾县、许昌市建安区、庆阳市环县、枣庄市市中区、漳州市龙文区、洛阳市洛宁县、扬州市宝应县

本周数据平台本月官方渠道公布权威通报:今日研究机构公开最新行业进展,《探索新体验：如何回应老婆想尝试多人的提议？》

在婚姻生活中，夫妻间的沟通与理解至关重要。当老婆提出想尝试多人，这无疑是一个需要谨慎对待的话题。在这种情况下，作为丈夫，你可以从以下几个方面来回应老婆的提议。 ### 1. 保持冷静，倾听她的想法 首先，当你听到老婆提出这样的想法时，保持冷静是非常重要的。不要急于反驳或生气，而是要耐心倾听她的想法。也许她提出这个建议是因为她觉得在现有的夫妻生活中缺乏新鲜感，或者她想要尝试一种全新的体验。 ### 2. 表达你的感受和顾虑 在倾听完老婆的想法后，你可以表达自己的感受和顾虑。告诉她你理解她想要尝试新事物的愿望，但同时也表达出你对这个提议的担忧。比如，你可以这样说：“亲爱的，我明白你想要尝试新事物的想法，但我担心这样做可能会影响我们的感情和家庭。” ### 3. 探讨彼此的需求和期望 接下来，你可以和老婆一起探讨彼此的需求和期望。了解她为什么想要尝试多人，以及她期望通过这种方式获得什么。同时，你也可以表达自己的需求和期望，看看是否可以找到一个双方都满意的解决方案。 ### 4. 一起制定安全规则 如果经过沟通，你们双方都同意尝试多人，那么制定安全规则是非常必要的。这包括但不限于以下方面： - 事先沟通好各自的底线和界限； - 确保双方都感到舒适和尊重； - 采取必要的保护措施，如使用安全套等； - 保持良好的沟通，及时解决可能出现的问题。 ### 5. 尊重彼此的决定 最后，无论你们是否决定尝试多人，都要尊重彼此的决定。如果老婆最终决定放弃这个提议，你也要理解并支持她的决定。同样，如果你们决定尝试，也要确保双方都感到满意和舒适。 ### 总结 回应老婆想尝试多人的提议，关键在于保持沟通、理解和尊重。通过倾听、表达感受、探讨需求和制定安全规则，你们可以共同找到一个双方都满意的解决方案。记住，婚姻是建立在信任和尊重的基础上的，只有真诚地面对彼此的需求，才能让感情更加稳固。

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。