今日监管部门披露行业最新进展,下课后，体育器材室里的奇妙种植之旅

昨日行业协会发布新报告,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。客服中心24小时在线，随时响应需求

延安市志丹县、滁州市明光市 ，中山市南头镇、广西桂林市荔浦市、定安县龙湖镇、湖州市南浔区、黄冈市罗田县、淮北市杜集区、湛江市赤坎区、吉安市万安县、通化市东昌区、德阳市中江县、张家界市永定区、陵水黎族自治县三才镇、中山市南朗镇、洛阳市涧西区、广州市荔湾区 、吉林市丰满区、赣州市会昌县、临汾市乡宁县、临汾市大宁县、乐东黎族自治县利国镇、常德市汉寿县、黄冈市红安县、沈阳市法库县、玉溪市江川区、抚州市东乡区、广西梧州市龙圩区、驻马店市正阳县

可视化故障排除专线，实时监测数据,昨日行业报告发布行业动态,下课后，体育器材室里的奇妙种植之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：智能派单服务中心，精准匹配维修师傅

玉树称多县、双鸭山市宝山区 ，西安市鄠邑区、广西玉林市陆川县、内蒙古兴安盟阿尔山市、南昌市西湖区、广西崇左市扶绥县、内蒙古通辽市奈曼旗、武汉市东西湖区、大连市普兰店区、厦门市海沧区、屯昌县南吕镇、天水市麦积区、重庆市南川区、益阳市安化县、乐山市五通桥区、哈尔滨市松北区 、荆州市松滋市、永州市江华瑶族自治县、定安县龙湖镇、广西桂林市资源县、白银市平川区、福州市晋安区、琼海市塔洋镇、贵阳市开阳县、阳江市江城区、太原市清徐县、成都市都江堰市、中山市阜沙镇、临沧市临翔区、达州市通川区

全球服务区域: 临沧市云县、汕头市南澳县 、白沙黎族自治县金波乡、合肥市长丰县、滨州市惠民县、临夏临夏县、太原市阳曲县、四平市伊通满族自治县、昌江黎族自治县乌烈镇、昌江黎族自治县七叉镇、马鞍山市含山县、松原市长岭县、潍坊市高密市、儋州市东成镇、泉州市金门县、株洲市攸县、舟山市岱山县 、湛江市吴川市、株洲市炎陵县、内蒙古乌海市海勃湾区、齐齐哈尔市克东县、德州市德城区

可视化操作指导热线,今日国家机构传递新政策,下课后，体育器材室里的奇妙种植之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联网回收网络，统一处理渠道

全国服务区域: 晋中市祁县、阳泉市城区 、广西来宾市合山市、淄博市淄川区、泉州市金门县、广西钦州市灵山县、内蒙古巴彦淖尔市杭锦后旗、眉山市洪雅县、红河红河县、儋州市海头镇、酒泉市玉门市、株洲市炎陵县、南通市如皋市、大理祥云县、佳木斯市桦南县、甘南合作市、甘南卓尼县 、葫芦岛市南票区、深圳市盐田区、大连市瓦房店市、乐山市峨眉山市、泰州市靖江市、绥化市肇东市、宣城市绩溪县、赣州市瑞金市、攀枝花市东区、重庆市彭水苗族土家族自治县、大庆市大同区、临沧市耿马傣族佤族自治县、梅州市平远县、延安市黄陵县、广西桂林市永福县、忻州市五台县、宣城市绩溪县、营口市鲅鱼圈区、广西钦州市灵山县、临沧市凤庆县、青岛市胶州市、平顶山市叶县、黄冈市武穴市、娄底市新化县

刚刚信息部门通报重大更新:今日行业协会传递重大报告,下课后，体育器材室里的奇妙种植之旅

在我国，学校教育一直强调德智体美劳全面发展，而体育作为其中重要的一环，不仅能够锻炼学生的身体素质，还能培养学生的团队协作精神和顽强拼搏的意志。然而，在繁忙的校园生活中，如何让体育器材室发挥更大的作用，成为许多学校思考的问题。近日，一所学校就别出心裁，在下课后将体育器材室变成了一个生机勃勃的种植园，让学生们在学习之余，体验种植的乐趣。 这个奇妙的种植园位于学校的体育器材室，原本是存放各种体育器材的地方。然而，随着学校对素质教育的高度重视，老师们开始思考如何让这个空间发挥更大的价值。经过一番讨论，学校决定将体育器材室改造成一个种植园，让学生们在下课后，在这里体验种植的乐趣。 改造后的体育器材室焕然一新，墙上挂满了各种植物生长的知识，地上则摆放着各式各样的花盆。学生们在下课后，纷纷来到这里，开始他们的种植之旅。 “同学们，今天我们要种植的是茄子，大家看，茄子的种子是这样的。”老师一边讲解，一边将茄子种子分发给学生。学生们拿着种子，好奇地观察着，然后小心翼翼地将它们种入花盆。 在老师的指导下，学生们开始了种植的过程。他们小心翼翼地浇水、施肥、除草，生怕这些小小的生命受到伤害。经过一段时间的精心照料，茄子苗逐渐长大，开出了一朵朵美丽的花朵。 “看，我们的茄子开花了！”一个学生兴奋地叫道。其他同学也纷纷围过来，欣赏着这些美丽的花朵。虽然茄子还没有成熟，但大家已经感受到了种植的乐趣。 除了茄子，体育器材室里还种植了黄瓜、番茄、辣椒等多种蔬菜。学生们在这里不仅学会了种植，还了解了各种蔬菜的生长过程。在老师的带领下，他们还学会了如何分辨蔬菜的好坏，如何挑选新鲜的食材。 “同学们，你们知道吗？种植蔬菜不仅可以锻炼身体，还能让我们了解大自然的神奇。”老师语重心长地说，“在种植的过程中，我们要学会耐心、细心，还要学会关爱生命。” 下课后，体育器材室里的种植园成了学生们最喜爱的地方。他们在这里度过了许多快乐的时光，不仅学到了知识，还培养了良好的品德。而学校也通过这个小小的种植园，让体育器材室焕发出了新的生机。 当然，这个种植园的成功并非一蹴而就。在改造过程中，学校遇到了不少困难。例如，如何保证种植园的卫生、如何解决水源问题等。但是，在老师和同学们的共同努力下，这些问题都得到了圆满解决。 如今，体育器材室里的种植园已经成为学校的一道亮丽风景线。它不仅让学生们在学习之余，体验到了种植的乐趣，还让他们学会了关爱生命、珍惜资源。相信在不久的将来，这个种植园会继续为学生们带来更多的惊喜和收获。 总之，这所学校的创新举措，充分展示了我国素质教育的发展成果。在今后的日子里，我们期待看到更多学校能够借鉴这种做法，让体育器材室发挥出更大的作用，为学生们创造一个更加美好的学习环境。

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。