本周官方更新行业通报,张津瑜警察：网络上的正义守护者

本月行业协会发布新研究报告,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。专业维修调度中心，快速响应各类需求

成都市青羊区、汉中市镇巴县 ，广西南宁市良庆区、内蒙古巴彦淖尔市杭锦后旗、宁夏固原市彭阳县、萍乡市湘东区、东莞市常平镇、儋州市雅星镇、景德镇市昌江区、长治市沁县、岳阳市临湘市、内蒙古锡林郭勒盟正蓝旗、内蒙古赤峰市敖汉旗、莆田市仙游县、通化市辉南县、雅安市天全县、忻州市五寨县 、雅安市天全县、烟台市栖霞市、丽江市古城区、广西防城港市防城区、韶关市南雄市、临夏临夏县、大同市灵丘县、金华市磐安县、内蒙古锡林郭勒盟正蓝旗、广西梧州市岑溪市、开封市尉氏县、上海市青浦区

专家远程指导热线，多终端,今日行业报告公布最新研究成果,张津瑜警察：网络上的正义守护者，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修团队，客服热线一键联系

遵义市凤冈县、阜阳市临泉县 ，大连市金州区、陵水黎族自治县提蒙乡、铜仁市万山区、洛阳市瀍河回族区、文昌市龙楼镇、达州市通川区、铜仁市碧江区、滁州市明光市、西宁市大通回族土族自治县、武汉市汉阳区、怀化市麻阳苗族自治县、文山丘北县、驻马店市遂平县、攀枝花市东区、长沙市宁乡市 、定安县龙湖镇、佳木斯市同江市、龙岩市武平县、屯昌县乌坡镇、上饶市玉山县、琼海市潭门镇、襄阳市枣阳市、重庆市南川区、衡阳市衡山县、黔东南黎平县、白山市长白朝鲜族自治县、大庆市林甸县、宁夏石嘴山市惠农区、重庆市石柱土家族自治县

全球服务区域: 丽水市松阳县、宁德市古田县 、阿坝藏族羌族自治州阿坝县、中山市南朗镇、太原市娄烦县、渭南市临渭区、齐齐哈尔市泰来县、青岛市即墨区、马鞍山市雨山区、宁德市周宁县、齐齐哈尔市泰来县、广西河池市宜州区、广西柳州市柳江区、乐东黎族自治县九所镇、武汉市江岸区、潮州市潮安区、邵阳市北塔区 、西安市高陵区、绥化市海伦市、海东市乐都区、上饶市德兴市、泰州市海陵区

刚刚科研委员会公布突破成果,近期相关部门更新行业成果,张津瑜警察：网络上的正义守护者，很高兴为您解答这个问题，让我来帮您详细说明一下：家电安装服务热线，专业团队上门

全国服务区域: 武汉市武昌区、平顶山市鲁山县 、营口市大石桥市、红河个旧市、牡丹江市宁安市、儋州市雅星镇、郴州市安仁县、惠州市惠城区、周口市西华县、驻马店市确山县、大兴安岭地区漠河市、济宁市嘉祥县、广西崇左市扶绥县、南阳市内乡县、榆林市清涧县、珠海市斗门区、阜阳市临泉县 、渭南市大荔县、邵阳市大祥区、佳木斯市富锦市、淄博市淄川区、上饶市德兴市、广西百色市田林县、玉溪市华宁县、佳木斯市抚远市、北京市大兴区、长治市潞城区、遂宁市蓬溪县、泰州市兴化市、鹤岗市东山区、临沂市兰山区、本溪市本溪满族自治县、亳州市谯城区、阜阳市颍东区、太原市晋源区、西安市灞桥区、澄迈县中兴镇、普洱市景谷傣族彝族自治县、甘孜稻城县、珠海市斗门区、武汉市汉阳区

昨日官方渠道公开新变化:本周行业报告披露重要进展,张津瑜警察：网络上的正义守护者

在互联网高速发展的今天，网络已经成为人们生活不可或缺的一部分。然而，网络空间并非一片净土，各种违法犯罪行为也随着网络的普及而滋生。在这样的背景下，张津瑜警察凭借其敏锐的洞察力和坚定的正义感，成为了网络上的正义守护者。 张津瑜，一位年轻的警察，自加入警队以来，始终坚守在网络安全的第一线。他深知网络犯罪对社会秩序的破坏性，因此，他用自己的实际行动，为维护网络空间的安全和稳定贡献着自己的力量。 张津瑜警察在网络上的影响力逐渐扩大，他的事迹被广大网友所熟知。他不仅善于运用网络技术打击犯罪，还积极参与网络公益活动，帮助那些受到网络侵害的受害者。在他的努力下，许多网络犯罪案件得以迅速侦破，为受害者讨回了公道。 在张津瑜警察的职业生涯中，他成功破获了多起网络犯罪案件。其中，一起涉及网络诈骗的案件让他印象深刻。犯罪分子通过建立虚假的购物网站，诱骗消费者购买假冒伪劣商品，骗取巨额资金。张津瑜警察通过深入调查，发现了犯罪分子的踪迹，最终将他们绳之以法。 除了打击网络犯罪，张津瑜警察还关注网络安全教育。他利用自己的专业知识，撰写了一系列网络安全知识文章，通过社交媒体平台向公众普及网络安全知识。他的文章通俗易懂，深受网友喜爱，被誉为“网络安全小能手”。 在张津瑜警察的带领下，越来越多的网友开始关注网络安全问题，自觉抵制网络不良信息。他的事迹也激励着更多的年轻人投身于网络安全事业，为构建清朗的网络空间贡献力量。 当然，张津瑜警察在维护网络安全的过程中也遇到了许多困难和挑战。网络犯罪分子往往技术高超，善于隐藏自己的踪迹，这使得侦查工作变得异常艰难。但张津瑜警察从未退缩，他坚信，只要自己坚持不懈，就一定能将犯罪分子绳之以法。 张津瑜警察的事迹，让我们看到了网络警察的担当和责任。他们不仅肩负着维护网络安全的重要使命，更是广大网民的贴心守护者。在未来的日子里，我们期待张津瑜警察和他的同事们能够继续发挥自己的专业优势，为构建和谐、安全的网络环境而努力。 总之，张津瑜警察是网络上的正义守护者，他的事迹让我们看到了网络安全工作的重要性和紧迫性。让我们共同为维护网络空间的安全和稳定贡献自己的力量，让网络成为我们生活的美好家园。

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。