近期国家机构传递重大政策,国产美女：美丽与智慧并重的时代新宠

本月行业协会披露研究成果,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。家电深度清洁专线，彻底解决卫生问题

黔南福泉市、辽阳市弓长岭区 ，临汾市永和县、新余市分宜县、大庆市肇源县、内蒙古呼和浩特市土默特左旗、临夏永靖县、抚州市崇仁县、葫芦岛市南票区、攀枝花市东区、大连市金州区、昭通市鲁甸县、吕梁市离石区、天津市西青区、广西桂林市象山区、黄冈市罗田县、景德镇市浮梁县 、湖州市南浔区、保山市龙陵县、湛江市廉江市、乐山市五通桥区、徐州市鼓楼区、汉中市宁强县、万宁市山根镇、孝感市孝南区、保山市腾冲市、晋中市寿阳县、聊城市临清市、台州市温岭市

本周数据平台稍早前行业协会报道新政,本月行业报告发布新动态,国产美女：美丽与智慧并重的时代新宠，很高兴为您解答这个问题，让我来帮您详细说明一下：家电操作教学专线，新手快速上手

南充市蓬安县、潍坊市奎文区 ，衡阳市衡南县、大理漾濞彝族自治县、邵阳市新邵县、临高县和舍镇、内蒙古阿拉善盟阿拉善右旗、赣州市瑞金市、鞍山市立山区、咸宁市嘉鱼县、安庆市望江县、德阳市旌阳区、内蒙古锡林郭勒盟镶黄旗、六安市叶集区、深圳市龙华区、六安市舒城县、昆明市寻甸回族彝族自治县 、福州市马尾区、长治市屯留区、大同市灵丘县、宁夏银川市金凤区、徐州市鼓楼区、甘孜理塘县、东莞市洪梅镇、海北祁连县、重庆市巴南区、万宁市后安镇、延安市子长市、乐东黎族自治县九所镇、延安市延川县、内蒙古赤峰市阿鲁科尔沁旗

全球服务区域: 宁德市寿宁县、伊春市铁力市 、东莞市常平镇、琼海市潭门镇、内江市东兴区、宜宾市珙县、晋城市城区、榆林市清涧县、遵义市湄潭县、曲靖市陆良县、内蒙古包头市青山区、黄冈市罗田县、内蒙古鄂尔多斯市乌审旗、陵水黎族自治县文罗镇、凉山雷波县、澄迈县永发镇、陇南市徽县 、攀枝花市米易县、宣城市宣州区、信阳市淮滨县、常德市津市市、内蒙古鄂尔多斯市杭锦旗

近日监测部门传出异常警报,今日研究机构发布行业通报,国产美女：美丽与智慧并重的时代新宠，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化维保平台，智能优化保养方案

全国服务区域: 肇庆市端州区、宁夏固原市西吉县 、郴州市桂东县、十堰市郧阳区、合肥市肥西县、六安市舒城县、凉山木里藏族自治县、佛山市高明区、漳州市漳浦县、长治市潞州区、上海市松江区、广西百色市那坡县、儋州市和庆镇、金华市永康市、广西桂林市象山区、汕尾市城区、常德市鼎城区 、重庆市巫溪县、广州市黄埔区、凉山金阳县、青岛市平度市、恩施州恩施市、双鸭山市四方台区、内蒙古赤峰市宁城县、铜仁市万山区、成都市金堂县、丽水市景宁畲族自治县、抚顺市清原满族自治县、延安市子长市、荆州市松滋市、广西柳州市融水苗族自治县、广安市岳池县、儋州市雅星镇、龙岩市漳平市、清远市清新区、鹤壁市淇县、丹东市元宝区、汉中市留坝县、安顺市普定县、上海市黄浦区、广西南宁市隆安县

刚刚信息中心公布关键数据:今日行业协会发布重要研究报告,国产美女：美丽与智慧并重的时代新宠

随着社会的发展和科技的进步，人们对于美的追求也日益多样化。在众多追求美的领域中，国产美女以其独特的魅力和气质，成为了新时代的焦点。她们不仅拥有出众的颜值，更具备丰富的内涵和智慧，成为众多粉丝心目中的偶像。 首先，国产美女的颜值无疑是她们的一大优势。在众多美女中，国产美女以其独特的东方韵味和气质脱颖而出。她们的面容精致，五官端正，身材曼妙，无论是站在舞台上，还是走在街头，都能吸引无数目光。与此同时，国产美女们还注重内在修养，通过不断的学习和提升，使自己的气质更加优雅。 其次，国产美女的智慧也是她们的一大亮点。在这个知识爆炸的时代，她们不仅关注外表，更注重内在素质的培养。许多国产美女都是高学历人才，她们在各自的领域内取得了优异的成绩，成为行业的佼佼者。她们用自己的实力证明，美丽与智慧可以并存，甚至可以相互促进。 此外，国产美女在公益事业上的贡献也让人称赞。她们积极参与公益活动，用自己的影响力为社会传递正能量。在关爱弱势群体、环境保护等方面，她们都表现出了强烈的社会责任感。这种高尚的品质，使得国产美女在人们心中的形象更加立体，更加美好。 在娱乐圈，国产美女更是占据了半壁江山。她们凭借出色的演技和独特的魅力，赢得了观众的喜爱。在影视作品中，国产美女们展现出了多样的角色，既有古典美女的温婉贤淑，又有现代女性的独立自主。她们用自己的才华，为观众带来了无尽的惊喜。 然而，在享受美丽的同时，我们也应该理性看待国产美女。首先，我们要明白，美丽并不是评判一个人的唯一标准。一个人的价值，更应该从其品德、智慧、才华等方面来衡量。其次，我们要尊重每个人的选择，无论是从事何种职业，只要努力拼搏，都能实现自己的人生价值。 总之，国产美女作为新时代的代表，她们以美丽的外表、丰富的内涵和智慧，赢得了人们的喜爱。在追求美的道路上，她们不仅为自己树立了榜样，也为广大女性同胞们树立了信心。让我们共同期待，国产美女在未来的日子里，能够继续绽放光彩，为我国的文化事业和社会发展做出更大的贡献。

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。