昨日官方传递行业新信息,大与小的辩证关系：探索生活中的平衡之道

今日相关部门披露重大研究成果,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。家电问题反馈专线，多渠道受理投诉

烟台市蓬莱区、菏泽市巨野县 ，淮北市杜集区、三明市三元区、荆州市松滋市、邵阳市双清区、内蒙古乌兰察布市集宁区、平顶山市宝丰县、宝鸡市眉县、洛阳市老城区、永州市零陵区、岳阳市平江县、屯昌县枫木镇、昆明市东川区、大理云龙县、山南市、内蒙古呼和浩特市玉泉区 、安康市镇坪县、广西河池市都安瑶族自治县、东莞市凤岗镇、襄阳市枣阳市、达州市通川区、佛山市南海区、孝感市大悟县、聊城市莘县、渭南市澄城县、徐州市铜山区、文昌市东郊镇、内蒙古通辽市科尔沁区

近日观测中心传出重要预警,本月官方发布行业重要事件,大与小的辩证关系：探索生活中的平衡之道，很高兴为您解答这个问题，让我来帮您详细说明一下：故障诊断服务中心，专业检测设备

上海市虹口区、济宁市汶上县 ，许昌市襄城县、信阳市潢川县、达州市通川区、湛江市遂溪县、芜湖市湾沚区、上海市黄浦区、辽源市西安区、大兴安岭地区加格达奇区、遵义市湄潭县、抚州市资溪县、佛山市南海区、广西南宁市西乡塘区、广西河池市大化瑶族自治县、凉山西昌市、潍坊市安丘市 、枣庄市山亭区、揭阳市揭西县、榆林市绥德县、曲靖市富源县、许昌市鄢陵县、佳木斯市郊区、泸州市古蔺县、南通市启东市、太原市尖草坪区、广西柳州市柳南区、梅州市大埔县、抚州市东乡区、万宁市三更罗镇、遂宁市安居区

全球服务区域: 湘潭市雨湖区、吉安市吉水县 、佳木斯市桦南县、淄博市沂源县、赣州市上犹县、济宁市嘉祥县、凉山美姑县、大同市浑源县、南京市江宁区、铁岭市西丰县、黔东南岑巩县、庆阳市镇原县、泰安市岱岳区、抚州市崇仁县、郑州市上街区、宣城市宁国市、铜仁市松桃苗族自治县 、广西梧州市蒙山县、延边珲春市、宁夏银川市永宁县、普洱市景谷傣族彝族自治县、安庆市太湖县

本周数据平台本月官方渠道公布权威通报,今日行业协会发布重要研究报告,大与小的辩证关系：探索生活中的平衡之道，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化监督平台，智能优化服务质量

全国服务区域: 汉中市佛坪县、徐州市丰县 、云浮市云城区、周口市商水县、吉安市永丰县、汉中市西乡县、内蒙古呼和浩特市新城区、白山市临江市、洛阳市新安县、广西梧州市藤县、衢州市常山县、湛江市遂溪县、达州市渠县、内蒙古鄂尔多斯市杭锦旗、毕节市赫章县、内蒙古包头市昆都仑区、广西百色市田林县 、嘉兴市平湖市、宜宾市兴文县、甘孜新龙县、咸阳市旬邑县、上饶市万年县、怀化市通道侗族自治县、本溪市本溪满族自治县、德阳市中江县、伊春市南岔县、达州市渠县、昆明市禄劝彝族苗族自治县、湛江市坡头区、焦作市马村区、阜新市海州区、陵水黎族自治县隆广镇、南昌市安义县、铜川市耀州区、湘西州吉首市、宁波市江北区、六盘水市钟山区、泉州市石狮市、重庆市南川区、长沙市岳麓区、宁夏银川市灵武市

快速响应维修热线:近日官方更新研究报告,大与小的辩证关系：探索生活中的平衡之道

在生活的长河中，我们常常会遇到各种大小的问题。大到国家政策，小到个人喜好，大小之间似乎总存在着一种微妙的关系。那么，究竟什么是大，什么是小？它们之间又有着怎样的联系和区别呢？ 首先，我们来看看“大”的含义。在这里，“大”可以指代宏观的事物，如国家、社会、自然等。大到国家层面，我们关注的是国家政策、经济发展、国际关系等；大到社会层面，我们关注的是社会风气、道德规范、文化传承等；大到自然层面，我们关注的是生态环境、生物多样性、气候变化等。这些“大”的事物往往具有普遍性、全局性和长远性，它们影响着我们的生活，塑造着我们的价值观。 接下来，我们来看看“小”的含义。在这里，“小”可以指代微观的事物，如家庭、个人、兴趣爱好等。小到家庭层面，我们关注的是家庭成员之间的关系、家庭氛围、家庭教育等；小到个人层面，我们关注的是个人的成长、自我实现、心理健康等；小到兴趣爱好层面，我们关注的是个人的兴趣、爱好、特长等。这些“小”的事物往往具有特殊性、个体性和即时性，它们构成了我们的日常生活。 那么，大与小之间究竟有着怎样的联系和区别呢？ 首先，大与小是相互依存的。没有小，就没有大；没有大，也就没有小。国家和社会是由无数家庭和个人组成的，家庭和个人是国家和社会的基石。同样，个人也是由无数个兴趣爱好、生活习惯等微观因素构成的。因此，我们要关注大与小，既要关注宏观的事物，也要关注微观的事物。 其次，大与小是相互转化的。在一定条件下，大可以转化为小，小也可以转化为大。比如，一个国家的发展离不开每一个公民的努力，而每一个公民的努力又反过来推动国家的发展。在这个意义上，大与小是相互促进、相互转化的。 最后，大与小需要我们保持平衡。在生活中，我们要学会在大与小之间找到平衡点。既要关注国家、社会、自然等宏观事物，也要关注家庭、个人、兴趣爱好等微观事物。只有这样，我们才能在生活的长河中找到自己的位置，实现个人的价值。 那么，如何在生活中保持大与小的平衡呢？ 首先，我们要树立正确的价值观。价值观是人生的指南针，它指引着我们如何对待大与小。我们要认识到，大与小都是生活的一部分，它们各有价值，不可偏废。 其次，我们要学会调整心态。面对大与小，我们要保持平和的心态，既要关注宏观事物，也要关注微观事物。只有这样，我们才能在生活的起伏中找到自己的位置。 最后，我们要付诸行动。大与小的平衡不是空谈，而是需要我们付诸行动。我们要从自身做起，关注家庭、个人、兴趣爱好等微观事物，同时也要关注国家、社会、自然等宏观事物。 总之，大与小的辩证关系是生活中不可或缺的一部分。我们要学会在大与小之间找到平衡，关注宏观与微观，实现个人与社会的和谐共生。只有这样，我们的生活才能更加美好。

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。