今日相关部门发布新动向,人与畜禽蛋白质——共生的营养奥秘

本月行业报告传达最新进展,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。全国联网维保服务，统一护理标准

内蒙古巴彦淖尔市五原县、宜宾市江安县 ，内蒙古赤峰市喀喇沁旗、潍坊市奎文区、天津市静海区、揭阳市榕城区、葫芦岛市兴城市、焦作市温县、黔东南台江县、成都市青羊区、铁岭市昌图县、福州市永泰县、淮北市烈山区、文山西畴县、上海市徐汇区、汉中市留坝县、儋州市那大镇 、泰安市泰山区、绥化市望奎县、乐山市沙湾区、本溪市明山区、普洱市澜沧拉祜族自治县、遵义市湄潭县、晋中市左权县、东莞市南城街道、果洛玛沁县、西安市阎良区、马鞍山市雨山区、宣城市旌德县

刚刚监管中心披露最新规定,本周研究机构发布权威信息,人与畜禽蛋白质——共生的营养奥秘，很高兴为您解答这个问题，让我来帮您详细说明一下：智能维修管理平台，自动分配服务订单

咸阳市武功县、德宏傣族景颇族自治州瑞丽市 ，商洛市丹凤县、甘南合作市、遂宁市安居区、六安市舒城县、铜陵市铜官区、天津市蓟州区、沈阳市皇姑区、安阳市文峰区、晋城市沁水县、三明市建宁县、儋州市雅星镇、哈尔滨市南岗区、汕头市龙湖区、宁夏吴忠市同心县、云浮市罗定市 、广西来宾市忻城县、松原市宁江区、甘孜德格县、大同市云冈区、内蒙古赤峰市宁城县、宿迁市泗阳县、内蒙古巴彦淖尔市乌拉特中旗、南充市高坪区、开封市通许县、果洛班玛县、太原市万柏林区、湖州市南浔区、黑河市爱辉区、黔西南贞丰县

全球服务区域: 广西柳州市融水苗族自治县、九江市庐山市 、南京市江宁区、南京市建邺区、遵义市正安县、咸阳市武功县、东莞市樟木头镇、南充市南部县、内江市东兴区、黄冈市红安县、运城市稷山县、西宁市大通回族土族自治县、德州市宁津县、陵水黎族自治县光坡镇、商洛市丹凤县、忻州市五台县、临夏康乐县 、周口市西华县、广西桂林市灌阳县、郴州市苏仙区、本溪市本溪满族自治县、濮阳市濮阳县

可视化故障排除专线，实时监测数据,本月行业报告公开最新动态,人与畜禽蛋白质——共生的营养奥秘，很高兴为您解答这个问题，让我来帮您详细说明一下：专业技术救援中心，重大故障专家会诊

全国服务区域: 芜湖市湾沚区、葫芦岛市兴城市 、北京市西城区、赣州市定南县、商丘市睢县、张掖市甘州区、吕梁市孝义市、内蒙古鄂尔多斯市乌审旗、济源市市辖区、黔东南从江县、广西柳州市融安县、周口市西华县、三门峡市灵宝市、资阳市乐至县、保亭黎族苗族自治县什玲、肇庆市鼎湖区、洛阳市老城区 、锦州市义县、吕梁市交口县、广西桂林市资源县、儋州市那大镇、广州市白云区、濮阳市华龙区、马鞍山市雨山区、抚顺市望花区、安康市汉阴县、金华市婺城区、郑州市新密市、广西桂林市永福县、榆林市绥德县、白山市抚松县、铁岭市调兵山市、大连市甘井子区、潍坊市诸城市、枣庄市市中区、南充市仪陇县、广西百色市田阳区、广西玉林市兴业县、凉山木里藏族自治县、十堰市竹溪县、广安市广安区

专家技术支援专线:本周研究机构传达最新行业进展,人与畜禽蛋白质——共生的营养奥秘

在自然界中，人类与畜禽之间存在着一种微妙而又紧密的联系。蛋白质，作为生命活动的基本物质，对于人类和畜禽都是不可或缺的。本文将探讨人与畜禽之间的蛋白质关系，揭示这一共生的营养奥秘。 首先，蛋白质是构成生物体细胞的基本成分，对于维持生命活动具有重要意义。人体内蛋白质的含量约占体重的16%-20%，而畜禽体内蛋白质含量也高达15%-20%。因此，蛋白质对于人类和畜禽来说，都是至关重要的营养素。 人类对蛋白质的需求主要通过食物摄入，其中畜禽肉类是蛋白质的主要来源。畜禽肉中的蛋白质含量高，质量好，易于消化吸收。据统计，我国城乡居民膳食蛋白质摄入量中，畜禽肉类占比超过50%。畜禽蛋白质的摄入，为人类提供了丰富的氨基酸，满足了人体生长发育、新陈代谢和免疫调节等多方面的需求。 与此同时，畜禽在生长过程中也需要摄入足够的蛋白质。蛋白质是畜禽生长发育的基础，对于维持其生命活动具有重要意义。畜禽蛋白质主要来源于饲料，如玉米、豆粕、鱼粉等。优质的蛋白质饲料可以促进畜禽生长，提高饲料利用率，降低养殖成本。 然而，人与畜禽在蛋白质摄入上存在着一定的差异。人类对蛋白质的需求量相对较低，而畜禽对蛋白质的需求量较高。这是因为畜禽生长速度快，新陈代谢旺盛，需要大量的蛋白质来满足其生长发育的需求。因此，在畜禽养殖过程中，合理搭配蛋白质饲料，确保畜禽获得充足的蛋白质，是提高养殖效益的关键。 在人与畜禽蛋白质共生的过程中，还存在着一些问题。首先，畜禽养殖过程中可能存在抗生素滥用、激素添加等问题，导致畜禽产品中的蛋白质质量下降。其次，畜禽排泄物中的蛋白质含量较高，若处理不当，可能对环境造成污染。因此，在人与畜禽蛋白质共生的过程中，我们需要关注以下几个方面： 1. 加强畜禽养殖监管，确保畜禽产品安全。通过加强饲料质量监管、规范养殖行为，从源头上保障畜禽蛋白质质量。 2. 推广绿色养殖技术，减少畜禽排泄物对环境的污染。通过优化养殖模式、提高饲料利用率，降低畜禽排泄物中的蛋白质含量。 3. 发展循环农业，实现人与畜禽蛋白质的循环利用。将畜禽排泄物中的蛋白质资源化利用，转化为有机肥料，提高土地肥力。 4. 提高公众对畜禽蛋白质营养价值的认识，引导人们合理膳食。通过普及营养知识，使人们了解畜禽蛋白质对健康的益处，从而提高蛋白质摄入量。 总之，人与畜禽蛋白质共生是一种共生的营养奥秘。在人类与畜禽共同发展的过程中，我们需要关注蛋白质的摄入与利用，确保人与畜禽共同健康、可持续发展。

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。