本月行业报告更新行业变化,精华液一二三产区的区别：揭秘护肤界的神秘面纱

今日官方通报发布行业新变化,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。家电使用问题咨询，实时解答各类疑问

重庆市大足区、梅州市蕉岭县 ，重庆市潼南区、成都市双流区、长治市壶关县、重庆市綦江区、南京市浦口区、广西玉林市博白县、阜新市彰武县、抚顺市清原满族自治县、凉山金阳县、重庆市石柱土家族自治县、合肥市庐阳区、天水市张家川回族自治县、西宁市大通回族土族自治县、安庆市潜山市、铁岭市西丰县 、信阳市商城县、普洱市景谷傣族彝族自治县、兰州市红古区、安康市镇坪县、焦作市中站区、吕梁市孝义市、韶关市仁化县、萍乡市莲花县、济宁市任城区、宝鸡市太白县、屯昌县屯城镇、中山市神湾镇

本周数据平台最新官方渠道传来研究成果,今日监管部门披露新政策,精华液一二三产区的区别：揭秘护肤界的神秘面纱，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心多渠道接入，响应迅速

牡丹江市西安区、衢州市常山县 ，商洛市商南县、甘孜理塘县、重庆市大足区、甘孜巴塘县、凉山会东县、普洱市西盟佤族自治县、澄迈县永发镇、果洛达日县、长春市农安县、云浮市罗定市、宁夏固原市泾源县、焦作市博爱县、广西百色市那坡县、红河蒙自市、上海市奉贤区 、文山广南县、葫芦岛市兴城市、洛阳市宜阳县、周口市商水县、新乡市延津县、无锡市锡山区、焦作市马村区、周口市项城市、陵水黎族自治县椰林镇、哈尔滨市延寿县、东方市三家镇、赣州市瑞金市、安康市紫阳县、海南贵德县

全球服务区域: 德宏傣族景颇族自治州盈江县、七台河市勃利县 、雅安市雨城区、商洛市柞水县、琼海市石壁镇、内蒙古阿拉善盟阿拉善右旗、广西桂林市龙胜各族自治县、济宁市汶上县、上海市普陀区、吉林市舒兰市、安康市镇坪县、广西柳州市鱼峰区、内蒙古呼伦贝尔市满洲里市、周口市西华县、惠州市博罗县、澄迈县永发镇、宿迁市宿城区 、屯昌县屯城镇、珠海市斗门区、娄底市新化县、沈阳市法库县、贵阳市观山湖区

昨日官方渠道公开新变化,近日官方更新研究报告,精华液一二三产区的区别：揭秘护肤界的神秘面纱，很高兴为您解答这个问题，让我来帮您详细说明一下：家电保养记录查询，完整服务历史追溯

全国服务区域: 江门市新会区、临汾市襄汾县 、邵阳市绥宁县、郑州市金水区、烟台市福山区、德州市德城区、襄阳市宜城市、广州市越秀区、广西桂林市灌阳县、荆州市公安县、焦作市山阳区、宁德市福鼎市、达州市渠县、铁岭市昌图县、常德市武陵区、内蒙古呼伦贝尔市海拉尔区、西安市阎良区 、怀化市会同县、成都市简阳市、天水市秦安县、大连市甘井子区、怀化市会同县、广西钦州市钦南区、普洱市景谷傣族彝族自治县、东方市江边乡、黔东南天柱县、长治市潞城区、吕梁市交口县、临汾市安泽县、鸡西市麻山区、濮阳市华龙区、荆门市东宝区、湘潭市雨湖区、玉溪市华宁县、重庆市潼南区、绵阳市涪城区、信阳市浉河区、新乡市新乡县、延安市甘泉县、广西桂林市荔浦市、重庆市綦江区

本周数据平台近期行业报告发布政策动向:今日行业协会公开新动态,精华液一二三产区的区别：揭秘护肤界的神秘面纱

在护肤界，精华液作为一种高效的护肤产品，受到了广大消费者的喜爱。然而，市面上的精华液琳琅满目，让人眼花缭乱。其中，一二三产区的精华液更是备受关注。那么，精华液一二三产区的区别究竟在哪里呢？本文将为您揭秘护肤界的神秘面纱。 一、产区定义 首先，我们来明确一下“一二三产区”的概念。在我国，护肤品的生产区域大致可以分为三个等级：一产区、二产区、三产区。 1. 一产区：指我国护肤品产业较为发达的地区，如上海、广州、杭州等地。这些地区拥有较为完善的产业链、先进的生产技术和丰富的品牌资源。 2. 二产区：指我国护肤品产业有一定基础，但与一产区相比仍有差距的地区，如四川、江苏、山东等地。 3. 三产区：指我国护肤品产业尚处于起步阶段的地区，如广西、云南、贵州等地。 二、精华液一二三产区的区别 1. 原料来源 一产区的精华液原料来源丰富，品质较高。这些地区拥有丰富的天然资源，如上海、杭州等地靠近海洋，原料新鲜；广州等地靠近热带雨林，植物资源丰富。因此，一产区的精华液在原料选择上具有天然优势。 二产区的精华液原料相对较少，但品质也较为稳定。这些地区虽然资源不如一产区丰富，但仍在努力提升原料品质，以满足市场需求。 三产区的精华液原料较为有限，但近年来也在逐步丰富。这些地区正在努力发展本土原料产业，提高产品质量。 2. 生产技术 一产区的精华液生产技术先进，拥有众多知名品牌和研发机构。这些地区的企业在产品质量、安全性和创新性方面具有较高水平。 二产区的精华液生产技术逐渐提升，部分企业已具备一定竞争力。这些地区的企业在技术研发、生产工艺等方面不断努力，以缩小与一产区的差距。 三产区的精华液生产技术相对落后，但近年来也在逐步改进。这些地区的企业在提高生产效率、降低成本方面取得了一定的成果。 3. 品牌知名度 一产区的精华液品牌知名度较高，如上海家化、广州白云山等。这些品牌在国内市场具有较强的影响力。 二产区的精华液品牌逐渐崭露头角，如四川五粮液、江苏隆力奇等。这些品牌在本土市场具有较高的知名度。 三产区的精华液品牌知名度相对较低，但近年来也在努力提升。这些地区的企业在品牌建设、市场营销等方面投入了大量精力。 4. 价格定位 一产区的精华液价格相对较高，但品质有保障。这些产品主要面向中高端市场。 二产区的精华液价格适中，既能满足大众需求，又能保证产品质量。 三产区的精华液价格相对较低，适合预算有限的消费者。 总结 精华液一二三产区的区别主要体现在原料来源、生产技术、品牌知名度和价格定位等方面。消费者在选购时，可根据自己的需求和预算，选择适合自己的产区精华液。同时，随着我国护肤品产业的不断发展，一二三产区的精华液品质将不断提高，为消费者带来更多优质选择。

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。