今日监管部门传达新研究成果,探索短视频新潮流：盘点当下热门成品APP推荐

本月行业协会传递新研究成果,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。家电问题一键呼叫，客服专员全程跟进

兰州市皋兰县、温州市龙湾区 ，本溪市桓仁满族自治县、甘孜康定市、长沙市雨花区、广西崇左市龙州县、衢州市常山县、洛阳市宜阳县、吉安市万安县、辽源市龙山区、常德市汉寿县、吉安市吉安县、开封市祥符区、南昌市西湖区、昆明市安宁市、许昌市魏都区、安阳市汤阴县 、运城市盐湖区、沈阳市浑南区、佳木斯市桦川县、玉溪市通海县、三明市大田县、普洱市宁洱哈尼族彝族自治县、临高县新盈镇、朝阳市双塔区、镇江市句容市、中山市大涌镇、孝感市云梦县、连云港市东海县

刚刚应急团队公布处置方案,今日相关部门披露最新研究成果,探索短视频新潮流：盘点当下热门成品APP推荐，很高兴为您解答这个问题，让我来帮您详细说明一下：智能派单服务中心，精准匹配维修师傅

衢州市常山县、鹤岗市兴安区 ，杭州市淳安县、湘西州龙山县、福州市福清市、淮南市潘集区、鸡西市滴道区、重庆市巴南区、孝感市孝昌县、文山富宁县、广西钦州市钦南区、安庆市怀宁县、扬州市广陵区、赣州市宁都县、自贡市富顺县、西安市未央区、广西北海市铁山港区 、咸阳市长武县、泸州市合江县、安庆市望江县、吉安市永丰县、重庆市黔江区、朝阳市凌源市、娄底市娄星区、常德市武陵区、贵阳市观山湖区、马鞍山市当涂县、潮州市潮安区、南充市营山县、昌江黎族自治县海尾镇、营口市大石桥市

全球服务区域: 攀枝花市米易县、常州市新北区 、湖州市吴兴区、宁夏固原市原州区、天水市麦积区、阿坝藏族羌族自治州金川县、海南共和县、陇南市成县、玉溪市江川区、广西来宾市合山市、恩施州巴东县、成都市崇州市、漯河市源汇区、南阳市方城县、芜湖市镜湖区、宁夏吴忠市利通区、内蒙古巴彦淖尔市乌拉特前旗 、内蒙古锡林郭勒盟多伦县、上海市长宁区、甘南临潭县、株洲市渌口区、常德市武陵区

昨日官方渠道公开新变化,本月研究机构发布最新报告,探索短视频新潮流：盘点当下热门成品APP推荐，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客服电话，系统自动派单处理

全国服务区域: 甘孜石渠县、株洲市茶陵县 、济宁市嘉祥县、福州市晋安区、楚雄双柏县、朝阳市凌源市、平凉市泾川县、荆州市荆州区、襄阳市保康县、龙岩市漳平市、南京市建邺区、琼海市博鳌镇、陵水黎族自治县隆广镇、定西市渭源县、荆门市沙洋县、忻州市五寨县、琼海市龙江镇 、漳州市长泰区、文昌市龙楼镇、甘孜九龙县、昆明市官渡区、三亚市海棠区、娄底市娄星区、琼海市会山镇、湘西州古丈县、新乡市卫滨区、东莞市虎门镇、滨州市惠民县、恩施州巴东县、雅安市名山区、三门峡市卢氏县、广西河池市大化瑶族自治县、重庆市石柱土家族自治县、自贡市大安区、平顶山市郏县、洛阳市洛宁县、忻州市岢岚县、广西柳州市鱼峰区、汉中市留坝县、宣城市绩溪县、怀化市芷江侗族自治县

全天候服务支持热线:本月行业报告披露新进展,探索短视频新潮流：盘点当下热门成品APP推荐

随着移动互联网的飞速发展，短视频已经成为人们日常生活中不可或缺的一部分。无论是娱乐、学习还是社交，短视频都以其便捷、高效的特点赢得了广大用户的喜爱。在这个短视频盛行的时代，众多成品APP层出不穷，为用户提供了丰富的内容选择。本文将为您盘点几款当下热门的成品APP，让您轻松找到适合自己的短视频平台。 ### 1. 抖音（Douyin） 抖音作为中国领先的短视频平台，凭借其独特的算法推荐机制，让用户能够快速找到感兴趣的内容。抖音上的短视频内容丰富多样，涵盖了美食、旅行、时尚、搞笑等多个领域。此外，抖音还拥有强大的社交功能，用户可以关注喜欢的达人，与他们互动交流。 ### 2. 快手（Kuaishou） 快手作为国内另一款热门短视频APP，以其接地气的风格和真实的内容赢得了大量用户的喜爱。快手上的短视频内容贴近生活，涵盖了农村、城市等多个场景。快手还拥有丰富的直播功能，用户可以实时观看直播，与主播互动。 ### 3. 美拍（Meipai） 美拍是一款集短视频拍摄、编辑、分享于一体的APP，以其精美的界面和丰富的特效功能受到了许多年轻用户的喜爱。美拍上的短视频内容以美妆、时尚、旅行等为主，用户可以在这里找到各种创意短视频。 ### 4. 抖音短视频（TikTok） 抖音短视频是抖音的海外版，在全球范围内拥有庞大的用户群体。抖音短视频的内容同样丰富多样，包括舞蹈、音乐、搞笑等多个领域。这款APP的界面简洁大方，操作简单，让用户能够轻松上手。 ### 5. B站（Bilibili） B站作为国内知名的视频弹幕网站，近年来在短视频领域也取得了不错的成绩。B站上的短视频内容以二次元、游戏、科技等为主，吸引了大量年轻用户。B站的弹幕功能让用户在观看视频时能够与其他观众互动，增加了观看的趣味性。 ### 6. 小红书（Xiaohongshu） 小红书是一款以分享生活、购物为主的短视频APP，用户可以在上面找到各种美妆、时尚、美食等领域的优质内容。小红书还拥有强大的社交功能，用户可以关注喜欢的博主，与他们互动交流。 ### 总结 以上几款成品APP在短视频领域都拥有较高的知名度和用户基础。无论是追求娱乐、学习还是社交，这些APP都能满足您的需求。在短视频盛行的时代，选择适合自己的平台，享受短视频带来的乐趣吧！

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。