今日官方传递政策更新,公借种日日躁我和公乱：揭秘网络用语背后的心理现象

本月行业报告披露新变化,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。家电维修在线客服，实时响应报修需求

广西贵港市平南县、哈尔滨市尚志市 ，定安县龙门镇、龙岩市长汀县、达州市宣汉县、北京市顺义区、延安市安塞区、广州市越秀区、杭州市建德市、广州市番禺区、怀化市会同县、广西梧州市藤县、泸州市纳溪区、忻州市宁武县、资阳市雁江区、长治市平顺县、十堰市茅箭区 、渭南市华州区、白山市抚松县、重庆市合川区、长沙市宁乡市、张家界市武陵源区、上海市虹口区、定西市安定区、温州市龙港市、内蒙古兴安盟突泉县、滁州市琅琊区、鹤岗市绥滨县、广西梧州市万秀区

专家技术支援专线,本月官方披露行业研究成果,公借种日日躁我和公乱：揭秘网络用语背后的心理现象，很高兴为您解答这个问题，让我来帮您详细说明一下：家电回收进度查询，实时跟踪处理状态

内蒙古呼伦贝尔市海拉尔区、濮阳市华龙区 ，兰州市红古区、甘孜丹巴县、中山市小榄镇、资阳市安岳县、玉溪市易门县、扬州市广陵区、遵义市绥阳县、松原市长岭县、澄迈县金江镇、宣城市绩溪县、永州市道县、池州市贵池区、周口市项城市、大连市金州区、东莞市大朗镇 、晋中市和顺县、黄南河南蒙古族自治县、南阳市淅川县、宁德市福安市、酒泉市玉门市、信阳市息县、驻马店市驿城区、吕梁市方山县、吉林市丰满区、荆门市沙洋县、巴中市南江县、邵阳市大祥区、昆明市富民县、广西来宾市忻城县

全球服务区域: 东莞市桥头镇、济南市商河县 、温州市洞头区、东莞市东城街道、广西河池市环江毛南族自治县、昆明市五华区、陵水黎族自治县黎安镇、安康市镇坪县、怀化市会同县、鹰潭市贵溪市、南平市建瓯市、白沙黎族自治县青松乡、万宁市和乐镇、漯河市郾城区、广元市昭化区、天水市张家川回族自治县、黄冈市黄梅县 、上饶市万年县、赣州市龙南市、内蒙古乌兰察布市兴和县、屯昌县新兴镇、洛阳市偃师区

本周数据平台最新官方渠道传来研究成果,今日行业报告披露新成果,公借种日日躁我和公乱：揭秘网络用语背后的心理现象，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24小时在线，随时响应需求

全国服务区域: 黔南荔波县、天水市张家川回族自治县 、怀化市洪江市、张家界市慈利县、杭州市淳安县、洛阳市宜阳县、黔东南从江县、南充市高坪区、延安市富县、白沙黎族自治县阜龙乡、淮北市濉溪县、湛江市赤坎区、长春市南关区、大兴安岭地区加格达奇区、大理弥渡县、德阳市广汉市、内蒙古乌兰察布市卓资县 、连云港市灌南县、鄂州市鄂城区、牡丹江市西安区、烟台市栖霞市、绍兴市柯桥区、海西蒙古族天峻县、孝感市大悟县、葫芦岛市绥中县、澄迈县仁兴镇、天津市蓟州区、临高县南宝镇、菏泽市巨野县、三亚市海棠区、贵阳市白云区、天水市秦安县、遵义市红花岗区、阜阳市阜南县、内蒙古鄂尔多斯市鄂托克前旗、烟台市海阳市、陵水黎族自治县提蒙乡、烟台市莱阳市、东莞市长安镇、内蒙古乌兰察布市四子王旗、淮北市相山区

本周数据平台最新研究机构传出新变化:近日行业报告传达新动态,公借种日日躁我和公乱：揭秘网络用语背后的心理现象

在当今信息爆炸的时代，网络用语已经成为人们日常生活中不可或缺的一部分。这些看似随意、无厘头的词汇，背后往往隐藏着丰富的心理现象。本文将以“公借种日日躁我和公乱”这一网络用语为例，探讨其背后的心理动因。 “公借种日日躁我和公乱”这一网络用语，看似毫无逻辑，实则反映了人们在网络社交中的一些心理状态。首先，我们来分析一下这个词汇的构成。 “公借种”一词，源自于网络上的一个梗，指的是男性之间互相开玩笑，以“借种”为调侃。这种调侃方式，在一定程度上体现了男性之间的友谊和亲密关系。然而，在“公借种日日躁我和公乱”这个词汇中，“公借种”被赋予了新的含义，即男性在网络上互相调侃，以表达自己的不满和焦虑。 “日日躁”一词，意为每天都感到焦虑、烦躁。这个词在网络上广泛传播，成为许多人在面对生活压力、工作压力时的一种心理写照。它揭示了人们在现实生活中，常常因为各种原因而感到焦虑、烦躁，而在网络上寻求宣泄和共鸣。 “我和公乱”一词，则是指个人与公共舆论之间的矛盾。在互联网时代，每个人都有发表自己观点的权利，但同时也面临着来自公众舆论的压力。这种压力有时会让人感到无所适从，甚至产生逆反心理。 那么，为何会出现这样的网络用语呢？以下是几个可能的原因： 1. 社交压力：在现实生活中，人们面临着来自家庭、工作、朋友等多方面的压力。而在网络上，人们可以通过使用网络用语，缓解这些压力，寻求心理慰藉。 2. 自我表达：网络用语具有强烈的个性化特点，人们可以通过使用这些词汇，表达自己的情感、态度和价值观。 3. 社交互动：网络用语是人们进行社交互动的一种方式，通过使用这些词汇，人们可以拉近彼此的距离，增进友谊。 4. 心理防御：在面对压力和挑战时，人们往往会采取心理防御机制，以保护自己的心理状态。网络用语作为一种心理防御手段，可以帮助人们应对各种困境。 总之，“公借种日日躁我和公乱”这一网络用语，反映了人们在网络社交中的一些心理现象。它既揭示了人们在现实生活中所面临的压力，也展现了人们在网络世界中寻求心理慰藉的渴望。在今后的日子里，我们应该更加关注网络用语背后的心理动因，以更好地理解和应对这一现象。

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。