近期行业报告发布新研究成果,难忘的部队探亲之旅：全队9人共度温馨时光

今日监管部门发布重大研究成果,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。专业售后团队，客服热线随时待命

三明市泰宁县、蚌埠市固镇县 ，岳阳市岳阳楼区、达州市万源市、宣城市郎溪县、邵阳市新宁县、广西北海市铁山港区、新乡市延津县、广西玉林市博白县、成都市简阳市、双鸭山市饶河县、大理巍山彝族回族自治县、宁波市宁海县、黄冈市黄州区、漳州市芗城区、内蒙古巴彦淖尔市五原县、迪庆香格里拉市 、南通市海安市、赣州市定南县、丽江市玉龙纳西族自治县、酒泉市玉门市、安阳市安阳县、肇庆市鼎湖区、甘孜九龙县、达州市万源市、平顶山市舞钢市、凉山会东县、襄阳市南漳县、牡丹江市西安区

本周数据平台本月官方渠道公布权威通报,今日行业报告更新行业动向,难忘的部队探亲之旅：全队9人共度温馨时光，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联网维保服务，统一护理标准

宁波市北仑区、双鸭山市四方台区 ，苏州市昆山市、广西南宁市横州市、沈阳市新民市、鹰潭市余江区、镇江市丹徒区、黔东南天柱县、海西蒙古族天峻县、杭州市余杭区、天津市武清区、平凉市崆峒区、渭南市白水县、榆林市子洲县、泸州市江阳区、延安市宜川县、衡阳市耒阳市 、西宁市湟中区、衡阳市耒阳市、三亚市吉阳区、丽江市古城区、广西桂林市龙胜各族自治县、汉中市洋县、嘉兴市嘉善县、陵水黎族自治县英州镇、忻州市五台县、西宁市城北区、漳州市芗城区、盐城市射阳县、红河蒙自市、东方市新龙镇

全球服务区域: 铁岭市昌图县、陵水黎族自治县三才镇 、芜湖市南陵县、泸州市纳溪区、江门市江海区、济南市章丘区、宁夏银川市西夏区、北京市延庆区、大连市庄河市、内蒙古兴安盟阿尔山市、泉州市洛江区、郑州市新郑市、新乡市新乡县、焦作市解放区、广西桂林市兴安县、成都市龙泉驿区、漳州市云霄县 、永州市道县、衡阳市雁峰区、铜仁市江口县、洛阳市老城区、广西河池市南丹县

近日官方渠道传达研究成果,昨日相关部门传达重要研究成果,难忘的部队探亲之旅：全队9人共度温馨时光，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修专属热线，24小时在线待命

全国服务区域: 安顺市平坝区、太原市娄烦县 、保亭黎族苗族自治县什玲、齐齐哈尔市碾子山区、天津市东丽区、定西市通渭县、绥化市庆安县、亳州市谯城区、甘孜白玉县、天津市静海区、定安县富文镇、本溪市本溪满族自治县、昌江黎族自治县石碌镇、池州市东至县、宝鸡市扶风县、陇南市徽县、昆明市禄劝彝族苗族自治县 、乐山市市中区、内蒙古乌兰察布市集宁区、哈尔滨市道外区、莆田市仙游县、宁夏固原市彭阳县、重庆市忠县、东莞市麻涌镇、上饶市广信区、开封市杞县、杭州市西湖区、益阳市沅江市、怀化市通道侗族自治县、宜春市靖安县、清远市清新区、东莞市麻涌镇、周口市沈丘县、长春市绿园区、毕节市赫章县、徐州市丰县、广元市昭化区、大连市中山区、宜春市高安市、东莞市望牛墩镇、株洲市炎陵县

近日调查组公开关键证据本:本周研究机构披露行业动态,难忘的部队探亲之旅：全队9人共度温馨时光

在我国广袤的土地上，有着无数英勇的军人，他们为了国家的安宁和人民的幸福，默默奉献在各自的岗位上。而在这背后，也有无数家人在默默支持着他们。近日，我有幸跟随一位战友，一同前往他的部队探亲，全队9人共度了一段温馨的时光。 那天清晨，我们带着满怀的期待和祝福，踏上了前往部队的路程。一路上，战友讲述着他在部队的生活点滴，让我对军人的生活和职责有了更深刻的认识。抵达部队后，我们受到了全队9人的热烈欢迎，那一刻，我感受到了家的温暖。 在部队的日子里，我们参观了战友们的宿舍、食堂和训练场地。看着他们严谨的生活作风和刻苦的训练态度，我深感敬佩。特别是看到战友们整齐划一的队列，我更是为他们的团结和协作精神所感动。 在部队的食堂，我们品尝了美味的军餐。战友们热情地为我们介绍着各种特色菜肴，让我这个从未吃过军餐的人也大饱口福。席间，全队9人围坐在一起，欢声笑语不断，仿佛回到了久违的大家庭。 晚餐过后，我们来到了战友们的训练场地。只见他们身着统一的迷彩服，精神抖擞地开展着各项训练。战友们纷纷表示，虽然训练辛苦，但为了保卫国家，他们愿意付出一切。看着他们坚定的眼神，我为之动容。 夜晚，我们来到了战友们的宿舍。宿舍虽简陋，但干净整洁。战友们热情地邀请我们参观他们的床铺，并讲述了他们日常的生活。在那一刻，我仿佛看到了他们为了梦想而努力拼搏的身影。 第二天，我们参观了部队的荣誉室。墙上挂满了战友们获得的奖牌和证书，这些荣誉见证了他们辛勤付出和无私奉献。在荣誉室里，我们还看到了战友们为家乡捐赠的物资，这些物资将帮助更多需要帮助的人。 在探亲的最后一天，全队9人举行了一场欢送仪式。战友们为我们送上了精心准备的礼物，并合影留念。在分别的那一刻，我们依依不舍，心中充满了感激和祝福。 此次部队探亲之旅，让我深刻体会到了军人的艰辛和奉献。全队9人的团结友爱，让我感受到了家的温暖。这段美好的时光，将永远留在我的记忆里，激励着我为实现自己的梦想而努力拼搏。 作为一名普通公民，我们应该珍惜来之不易的和平生活，向军人学习，发扬他们的优良传统。同时，我们也应该关心和支持他们的家人，为他们创造一个温馨的家庭环境。让我们携手共进，为实现中华民族伟大复兴的中国梦而努力奋斗！

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。