今日官方渠道公布新政策,表弟要求与他交往，我该如何应对？

本月监管部门发布行业新报告,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。售后服务中心热线，电话网络全渠道

揭阳市揭东区、大理云龙县 ，广西钦州市灵山县、濮阳市华龙区、平顶山市鲁山县、延安市甘泉县、周口市鹿邑县、广西河池市都安瑶族自治县、天津市津南区、阜阳市太和县、临夏东乡族自治县、通化市梅河口市、连云港市灌南县、阳泉市盂县、果洛班玛县、荆门市沙洋县、开封市尉氏县 、台州市玉环市、内蒙古巴彦淖尔市杭锦后旗、太原市杏花岭区、鹰潭市余江区、惠州市惠城区、牡丹江市穆棱市、天津市河西区、临沂市临沭县、大庆市肇州县、黔南瓮安县、宣城市绩溪县、辽源市龙山区

近日调查组公开关键证据,今日相关部门披露最新研究成果,表弟要求与他交往，我该如何应对？，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，统一技术操作规范

安阳市汤阴县、黔东南黎平县 ，长沙市宁乡市、常德市临澧县、宜春市铜鼓县、亳州市谯城区、丽江市华坪县、抚州市资溪县、厦门市集美区、黔东南镇远县、南阳市卧龙区、黔南贵定县、赣州市石城县、南平市邵武市、白沙黎族自治县青松乡、通化市梅河口市、内蒙古乌兰察布市四子王旗 、广西贵港市港南区、三明市宁化县、海口市秀英区、临沧市临翔区、重庆市沙坪坝区、焦作市博爱县、临汾市安泽县、红河金平苗族瑶族傣族自治县、咸阳市乾县、红河金平苗族瑶族傣族自治县、汕头市濠江区、汕头市龙湖区、天水市张家川回族自治县、益阳市沅江市

全球服务区域: 文山西畴县、铜陵市枞阳县 、孝感市云梦县、南通市海安市、五指山市毛阳、新乡市卫辉市、宜宾市高县、广西南宁市马山县、延安市宜川县、忻州市保德县、抚顺市新宾满族自治县、新乡市原阳县、长治市沁源县、吉安市万安县、深圳市光明区、广西来宾市金秀瑶族自治县、连云港市灌云县 、泰州市兴化市、马鞍山市和县、邵阳市武冈市、黔南长顺县、聊城市临清市

刚刚决策小组公开重大调整,本月官方渠道传递新进展,表弟要求与他交往，我该如何应对？，很高兴为您解答这个问题，让我来帮您详细说明一下：家电功能演示热线，专业展示使用技巧

全国服务区域: 阜阳市颍泉区、郑州市上街区 、衡阳市衡东县、合肥市蜀山区、黄冈市罗田县、阿坝藏族羌族自治州小金县、定安县龙湖镇、安庆市太湖县、南通市崇川区、成都市青羊区、鞍山市铁西区、吕梁市交城县、沈阳市沈河区、定西市岷县、淮南市八公山区、安康市紫阳县、葫芦岛市兴城市 、常州市金坛区、资阳市雁江区、济南市商河县、鸡西市麻山区、重庆市永川区、重庆市綦江区、白沙黎族自治县金波乡、金华市东阳市、玉溪市华宁县、长沙市望城区、鹤壁市淇县、玉溪市红塔区、鸡西市鸡冠区、金华市义乌市、大庆市萨尔图区、广西百色市那坡县、漯河市源汇区、哈尔滨市道里区、苏州市虎丘区、重庆市永川区、贵阳市南明区、韶关市南雄市、营口市西市区、广州市黄埔区

可视化操作指导热线:今日监管部门更新政策动向,表弟要求与他交往，我该如何应对？

在家庭关系中，表弟表妹之间的关系往往既亲近又微妙。当表弟向你提出想要与你更亲近，甚至有进一步交往的请求时，作为他的表姐或表哥，我们该如何应对呢？以下是一些处理此类情况的建议。 ### 了解动机 首先，我们需要了解表弟提出这种要求的动机。他是因为寂寞、寻求陪伴，还是因为对家庭关系有所期待？了解动机有助于我们更好地理解他的需求，并作出相应的反应。 ### 保持尊重 在处理这类问题时，尊重是关键。无论表弟的请求是出于何种原因，我们都应该保持尊重，不要轻易否定或嘲笑他的感受。尊重他，也尊重自己的感受。 ### 明确界限 在家庭关系中，明确界限是非常重要的。我们要告诉表弟，虽然我们是亲戚，但每个人都有自己的私人空间和界限。在交往过程中，我们要明确哪些行为是可以接受的，哪些行为是应该避免的。 ### 沟通与交流 与表弟进行坦诚的沟通是解决问题的关键。我们可以找一个合适的时间和地点，与他坐下来，耐心倾听他的想法和感受。同时，我们也应该表达自己的看法和感受，让彼此都了解对方的立场。 ### 寻求家庭支持 在处理这类问题时，家庭的支持至关重要。你可以与父母或其他亲戚沟通，寻求他们的意见和建议。他们的经验可能会给你提供一些有益的启示。 ### 关注情感需求 表弟提出这样的请求，说明他可能在情感上有一定的需求。作为亲戚，我们可以尝试了解他的情感需求，并给予适当的关心和支持。例如，我们可以陪他聊天、一起参加活动，或者为他提供一些心理上的安慰。 ### 坚持原则 在处理这类问题时，我们要坚持自己的原则。如果表弟的请求超出了我们的底线，我们应该勇敢地拒绝，并说明原因。同时，我们也要尊重他的感受，不要让对方感到被伤害。 ### 寻求专业帮助 如果表弟的要求让你感到困扰或不适，或者你们之间的交往出现了问题，不妨寻求专业人士的帮助。心理咨询师或家庭关系顾问可以为你提供专业的指导和建议。 总之，面对表弟要求与他交往的情况，我们要保持冷静、尊重和理解。通过沟通、明确界限、关注情感需求等方式，我们可以妥善处理这种微妙的关系，既维护了家庭和谐，也照顾到了彼此的感受。在这个过程中，我们要学会平衡，既要关心表弟的需求，也要保护自己的权益。只有这样，我们才能在家庭关系中找到属于自己的位置。

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。