今日行业报告传递重要政策变化,三国王者：三国时代的英雄传奇

今日监管部门公布重要研究成果,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。家电维修客服电话，系统自动派单

楚雄双柏县、景德镇市乐平市 ，儋州市雅星镇、六盘水市盘州市、广西来宾市忻城县、长沙市长沙县、儋州市排浦镇、文昌市公坡镇、泸州市纳溪区、昭通市彝良县、德州市禹城市、中山市三乡镇、铜川市印台区、恩施州恩施市、四平市伊通满族自治县、运城市永济市、黄冈市黄梅县 、大连市瓦房店市、丽江市永胜县、临汾市古县、忻州市偏关县、鹤岗市萝北县、萍乡市上栗县、铜仁市沿河土家族自治县、周口市鹿邑县、洛阳市伊川县、儋州市海头镇、德州市庆云县、北京市西城区

专业维修服务电话,本月官方渠道发布重磅信息,三国王者：三国时代的英雄传奇，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

济宁市嘉祥县、重庆市綦江区 ，东营市广饶县、宁波市慈溪市、六安市金安区、武汉市青山区、江门市台山市、广安市邻水县、内蒙古赤峰市喀喇沁旗、万宁市三更罗镇、吕梁市离石区、绍兴市柯桥区、忻州市定襄县、湛江市霞山区、重庆市垫江县、榆林市子洲县、漯河市召陵区 、文山麻栗坡县、重庆市南岸区、东方市新龙镇、东营市广饶县、杭州市余杭区、龙岩市连城县、攀枝花市东区、抚州市临川区、内蒙古呼伦贝尔市阿荣旗、成都市大邑县、中山市石岐街道、玉树曲麻莱县、内蒙古锡林郭勒盟正镶白旗、抚州市临川区

全球服务区域: 衢州市江山市、娄底市娄星区 、安阳市滑县、丹东市东港市、白城市洮南市、广西防城港市东兴市、怀化市麻阳苗族自治县、宣城市旌德县、郴州市临武县、连云港市灌云县、大理鹤庆县、陵水黎族自治县黎安镇、芜湖市南陵县、信阳市商城县、临高县调楼镇、本溪市桓仁满族自治县、抚顺市抚顺县 、沈阳市和平区、盐城市射阳县、大兴安岭地区松岭区、兰州市西固区、松原市乾安县

本周数据平台不久前行业协会透露新变化,本周研究机构发布行业新动向,三国王者：三国时代的英雄传奇，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修专属热线，24小时在线待命

全国服务区域: 黑河市爱辉区、日照市东港区 、黄石市黄石港区、沈阳市沈河区、哈尔滨市方正县、长沙市宁乡市、清远市阳山县、长春市二道区、济南市长清区、乐东黎族自治县尖峰镇、湘西州凤凰县、江门市恩平市、日照市岚山区、长治市襄垣县、九江市瑞昌市、遵义市湄潭县、湘西州凤凰县 、泰安市肥城市、德州市禹城市、朔州市平鲁区、西安市莲湖区、云浮市罗定市、黔西南晴隆县、张家界市慈利县、潍坊市临朐县、辽源市龙山区、宣城市郎溪县、汉中市佛坪县、吉安市万安县、黔西南兴仁市、内蒙古赤峰市松山区、蚌埠市蚌山区、中山市大涌镇、湛江市霞山区、内蒙古呼和浩特市土默特左旗、东营市东营区、内蒙古兴安盟扎赉特旗、齐齐哈尔市碾子山区、丹东市振兴区、吉安市万安县、信阳市息县

可视化故障排除专线:今日研究机构发布新成果,三国王者：三国时代的英雄传奇

在中国历史上，三国时期是一个英雄辈出的时代。这个时期，群雄逐鹿，烽火连天，涌现出了无数英勇的将领和智谋过人的谋士。其中，被誉为“三国王者”的曹操、刘备、孙权三人，更是以其卓越的才能和非凡的胆识，成为了后世传颂的传奇人物。 ### 曹操：雄才大略，一代枭雄 曹操，字孟德，东汉末年杰出的政治家、军事家、文学家。他出生于一个官宦家庭，自幼聪颖过人，才智过人。曹操的一生充满了传奇色彩，他不仅是一位英勇的武将，更是一位深谋远虑的政治家。 在三国时期，曹操先后击败了袁绍、吕布等众多豪强，统一了北方。他善于用兵，多次在战场上取得辉煌的胜利，如官渡之战、赤壁之战等。曹操不仅是一位杰出的军事家，还是一位文学家，他的诗作《观沧海》等，流传千古。 ### 刘备：仁德之君，蜀汉基业 刘备，字玄德，东汉末年杰出的政治家、军事家。他出身贫寒，但胸怀大志，仁德之心。刘备的一生充满了坎坷，但他始终坚守仁义之道，赢得了天下人的尊敬。 刘备在三国时期，历经磨难，最终建立了蜀汉政权。他善于用人，如诸葛亮、关羽、张飞等，都是他的得力助手。刘备的一生，充满了传奇色彩，他的仁德之心，更是成为了后世传颂的佳话。 ### 孙权：英勇果断，江东霸主 孙权，字仲谋，东汉末年杰出的政治家、军事家。他出生于江东，是孙坚、孙策的儿子。孙权继承了父亲的事业，成为江东的霸主。 在三国时期，孙权多次与曹操、刘备交战，如赤壁之战、夷陵之战等。他英勇果断，善于用兵，多次在战场上取得胜利。孙权不仅是一位杰出的军事家，还是一位文学家，他的诗作《临江仙·滚滚长江东逝水》等，流传千古。 ### 三国王者，各领风骚 曹操、刘备、孙权三人，虽然各自为政，但他们都是三国时期的杰出人物。他们各自有着不同的性格特点，但都具备卓越的才能和非凡的胆识。 曹操雄才大略，英勇果断；刘备仁德之心，胸怀大志；孙权英勇果断，善于用兵。他们三人各领风骚，成为了后世传颂的传奇人物。 在三国时期，三国王者以他们的英勇事迹，谱写了一曲曲英雄传奇。他们的故事，成为了后人津津乐道的佳话，也成为了中国历史上一段永恒的传奇。

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。