今日行业报告传递重要政策变化,《进化世界攻略：解锁神秘世界的进化之旅》

本周研究机构披露新政策,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。智能回收评估系统，自动生成报价

万宁市和乐镇、襄阳市宜城市 ，葫芦岛市连山区、河源市东源县、金华市东阳市、湘西州花垣县、西安市莲湖区、普洱市思茅区、铜仁市沿河土家族自治县、濮阳市台前县、赣州市瑞金市、孝感市应城市、滁州市明光市、三明市泰宁县、文昌市铺前镇、成都市龙泉驿区、普洱市景谷傣族彝族自治县 、泉州市金门县、鞍山市铁东区、太原市阳曲县、内蒙古通辽市库伦旗、孝感市孝南区、大庆市肇州县、湖州市长兴县、黔南长顺县、东方市大田镇、自贡市沿滩区、牡丹江市绥芬河市、眉山市洪雅县

本周数据平台今日数据平台透露最新消息,今日行业报告更新新成果,《进化世界攻略：解锁神秘世界的进化之旅》，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联保服务热线，正规售后有保障

文山丘北县、赣州市崇义县 ，吕梁市交城县、甘孜新龙县、重庆市渝中区、萍乡市安源区、福州市罗源县、永州市道县、齐齐哈尔市富裕县、岳阳市华容县、济宁市嘉祥县、苏州市常熟市、莆田市涵江区、攀枝花市东区、襄阳市宜城市、广西梧州市长洲区、临高县博厚镇 、大庆市肇州县、北京市门头沟区、梅州市蕉岭县、咸阳市杨陵区、福州市晋安区、苏州市常熟市、山南市、宜宾市翠屏区、广州市从化区、襄阳市南漳县、岳阳市岳阳楼区、吉安市吉州区、商丘市梁园区、宁夏吴忠市利通区

全球服务区域: 延安市甘泉县、武汉市洪山区 、内蒙古巴彦淖尔市乌拉特前旗、徐州市云龙区、成都市新津区、儋州市中和镇、营口市大石桥市、武汉市洪山区、铜川市印台区、广安市岳池县、泸州市合江县、咸阳市兴平市、黄冈市麻城市、铜仁市万山区、德州市陵城区、阳江市阳西县、周口市太康县 、德州市宁津县、安康市镇坪县、本溪市明山区、赣州市会昌县、江门市江海区

作为国家高新技术企业认证平台,昨日官方披露行业研究成果,《进化世界攻略：解锁神秘世界的进化之旅》，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务统一热线，维修更放心

全国服务区域: 永州市宁远县、广西百色市西林县 、广西崇左市凭祥市、东莞市莞城街道、武威市天祝藏族自治县、伊春市汤旺县、平凉市崇信县、儋州市光村镇、临汾市汾西县、玉树治多县、松原市乾安县、黄冈市红安县、孝感市云梦县、襄阳市宜城市、怀化市辰溪县、亳州市涡阳县、庆阳市宁县 、抚州市乐安县、成都市崇州市、杭州市临安区、吉安市万安县、上饶市玉山县、景德镇市浮梁县、长春市绿园区、内蒙古赤峰市元宝山区、广西钦州市钦北区、揭阳市普宁市、延安市甘泉县、邵阳市双清区、淮南市田家庵区、雅安市雨城区、南平市邵武市、保山市腾冲市、南平市邵武市、阜新市海州区、万宁市南桥镇、陇南市徽县、枣庄市山亭区、天津市红桥区、乐东黎族自治县抱由镇、杭州市萧山区

可视化故障排除专线，实时监测数据:今日行业协会发布行业动态,《进化世界攻略：解锁神秘世界的进化之旅》

在这个充满神秘与奇幻的进化世界中，玩家们将踏上一段惊心动魄的进化之旅。这里，每一种生物都有其独特的进化路径，每一个选择都可能影响整个世界的格局。那么，如何在这个充满挑战的世界中脱颖而出，成为进化大师呢？下面，就让我为大家带来一份详细的进化世界攻略。 一、了解世界背景 进化世界是一个充满神秘与奇幻的虚拟世界，在这里，生物通过不断进化，逐渐获得强大的能力。这个世界分为多个阶段，每个阶段都有其独特的生物种类和进化路径。了解这个世界背景，有助于我们更好地把握进化的方向。 二、选择合适的生物 在进化世界中，生物种类繁多，包括植物、动物、昆虫等。选择一个合适的生物作为进化伙伴至关重要。以下是一些建议： 1. 选择具有高潜力进化的生物：在进化过程中，生物的能力会不断提升。选择一个具有高潜力进化的生物，能让你在游戏中走得更远。 2. 考虑生物的适应能力：在进化世界中，生物需要适应不同的环境。选择一个适应能力强的生物，能让你在游戏中应对各种挑战。 3. 注意生物之间的搭配：在进化过程中，生物之间可以相互配合，发挥出更强大的能力。选择具有互补属性的生物，能让你在游戏中更具竞争力。 三、掌握进化技巧 1. 合理分配进化点数：在进化过程中，生物会获得进化点数。合理分配这些点数，有助于生物在各个阶段都能保持强大的实力。 2. 研究进化路径：了解每个生物的进化路径，有助于你更好地规划进化的方向。 3. 利用特殊技能：在进化过程中，生物会获得一些特殊技能。掌握这些技能，能让你在游戏中更具优势。 四、探索世界，获取资源 1. 探索地图：在进化世界中，地图上分布着各种资源。探索地图，获取资源，有助于你更好地发展自己的进化事业。 2. 建立基地：在游戏中，建立一个属于自己的基地至关重要。基地可以为你提供各种资源，同时也能为你提供安全的栖息地。 3. 结识盟友：在进化世界中，结识盟友能让你在游戏中更具竞争力。与盟友合作，共同对抗强大的敌人。 五、应对挑战，提升实力 1. 挑战强大的敌人：在进化世界中，强大的敌人无处不在。勇敢地挑战他们，提升自己的实力。 2. 参与活动：游戏中会有各种活动，参与这些活动，能让你获得丰厚的奖励。 3. 不断学习：在进化世界中，学习是提升实力的关键。多了解游戏知识，掌握各种技巧，才能在这个世界中立于不败之地。 总之，进化世界是一个充满挑战与机遇的世界。通过了解世界背景、选择合适的生物、掌握进化技巧、探索世界、应对挑战，你将在这个神秘的世界中找到属于自己的位置。祝你在进化世界中一路顺风，成为进化大师！

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。