本月官方披露行业研究成果,《口述邻居添乱的全程，一场邻里纠纷的微妙较量》

本周行业报告传递新动态,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。家电功能演示热线，专业展示使用技巧

内蒙古乌兰察布市兴和县、广西梧州市藤县 ，澄迈县老城镇、苏州市常熟市、淮北市濉溪县、洛阳市洛龙区、鹤岗市南山区、揭阳市榕城区、广西桂林市永福县、郑州市登封市、铜仁市思南县、重庆市万州区、韶关市武江区、西安市阎良区、淮南市八公山区、晋中市榆社县、威海市文登区 、内蒙古乌兰察布市卓资县、济宁市梁山县、西安市碑林区、自贡市富顺县、上饶市广丰区、陵水黎族自治县椰林镇、遵义市赤水市、定安县雷鸣镇、内蒙古巴彦淖尔市乌拉特前旗、黄石市大冶市、北京市房山区、新乡市长垣市

刚刚信息部门通报重大更新,昨日行业协会披露最新报告,《口述邻居添乱的全程，一场邻里纠纷的微妙较量》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客服热线，系统自动分配订单

果洛玛多县、北京市通州区 ，濮阳市台前县、淮北市杜集区、巴中市通江县、德阳市中江县、德州市德城区、焦作市解放区、吕梁市兴县、内蒙古赤峰市阿鲁科尔沁旗、酒泉市敦煌市、怒江傈僳族自治州福贡县、内蒙古赤峰市克什克腾旗、丽水市云和县、内蒙古包头市白云鄂博矿区、通化市辉南县、太原市迎泽区 、屯昌县南吕镇、成都市郫都区、济宁市嘉祥县、福州市闽侯县、宜昌市秭归县、揭阳市揭西县、牡丹江市绥芬河市、鹤岗市兴山区、常州市武进区、湘西州吉首市、中山市中山港街道、三门峡市湖滨区、大庆市让胡路区、萍乡市莲花县

全球服务区域: 重庆市巫山县、信阳市息县 、迪庆维西傈僳族自治县、滁州市凤阳县、三门峡市卢氏县、内蒙古赤峰市翁牛特旗、内蒙古赤峰市红山区、新乡市延津县、景德镇市浮梁县、南京市江宁区、惠州市惠阳区、黄冈市武穴市、中山市古镇镇、运城市芮城县、九江市都昌县、黔东南丹寨县、镇江市润州区 、咸阳市彬州市、开封市龙亭区、重庆市彭水苗族土家族自治县、宁夏银川市金凤区、广西玉林市陆川县

本周数据平台今日官方渠道公布最新动态,今日监管部门传达新研究成果,《口述邻居添乱的全程，一场邻里纠纷的微妙较量》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电保养提醒服务，延长产品使用寿命

全国服务区域: 成都市双流区、日照市东港区 、潍坊市临朐县、郴州市嘉禾县、温州市永嘉县、贵阳市花溪区、三门峡市渑池县、阿坝藏族羌族自治州茂县、辽源市西安区、四平市公主岭市、广西玉林市陆川县、六安市金安区、广州市从化区、荆州市松滋市、新乡市新乡县、宜春市高安市、哈尔滨市方正县 、海西蒙古族格尔木市、重庆市江北区、合肥市蜀山区、内蒙古呼伦贝尔市根河市、临高县新盈镇、文山马关县、松原市宁江区、咸宁市赤壁市、临沧市沧源佤族自治县、北京市通州区、九江市永修县、东方市八所镇、郑州市巩义市、襄阳市保康县、湘西州保靖县、辽源市东辽县、琼海市龙江镇、贵阳市南明区、兰州市皋兰县、新乡市获嘉县、哈尔滨市平房区、上海市松江区、淄博市张店区、伊春市大箐山县

统一维修资源中心:今日官方传达行业研究成果,《口述邻居添乱的全程，一场邻里纠纷的微妙较量》

在一个宁静的周末午后，阳光透过窗户洒在温馨的小区里。李阿姨正在家中悠闲地品着茶，享受着难得的休闲时光。然而，这份宁静很快被打破，一场突如其来的口述事件让整个小区都沸腾了起来。 事情起因于李阿姨的邻居张先生。那天，张先生在家中突然发现家中的一盆绿植不见了，顿时火冒三丈。他怀疑是邻居李阿姨偷了他的绿植，于是，张先生带着怒气找到了李阿姨。 “李阿姨，你今天有没有看到我家那盆绿植？”张先生气势汹汹地问道。 李阿姨一愣，随即微笑着回答：“张先生，您别着急，绿植的事情我确实不知道。不过，我可以帮你找找看。” 张先生不信任地看着李阿姨，说道：“算了，我信不过你。你把全过程给我口述一遍，我要听听你到底有没有偷我的绿植。” 李阿姨无奈地叹了口气，只好答应了。于是，她开始口述当天发生的事情。 “今天早上，我起床后去阳台浇花，看到您的绿植长得很好，就随手拍了张照片。然后，我去市场买菜，回来的时候，看到您家的门没关，我就进去看了看。我发现您家的绿植还在，我就放心了。” 张先生听完，脸色渐渐缓和，但仍然有些怀疑。他问：“那你回来后，绿植还在吗？” “当然还在，我回来的时候，绿植就在原来的位置上。”李阿姨回答。 张先生沉默了片刻，然后说：“那好吧，我相信你。可能是我想错了。” 就在这时，李阿姨的手机响了。她接起电话，脸色突然变得凝重。她放下电话，对张先生说：“张先生，我刚才接到一个电话，说您家的绿植被人偷了。原来，您误会我了。” 张先生愣住了，他没想到自己竟然误会了李阿姨。他连忙道歉：“李阿姨，对不起，我错怪你了。刚才我听你口述全过程，才发现是我弄错了。” 李阿姨微笑着说：“没关系，邻里之间应该互相理解。以后遇到事情，还是应该心平气和地沟通。” 这场口述事件最终以误会解除、邻里关系得到缓和而告终。然而，这件事也让李阿姨和张先生意识到，在日常生活中，沟通的重要性。只有通过真诚的交流，才能化解误会，增进邻里之间的感情。 从那以后，李阿姨和张先生的关系变得更加融洽。他们经常一起聊天、交流生活琐事，成为了无话不谈的好朋友。这场口述事件，虽然让两人经历了一场小小的风波，但也让他们更加珍惜彼此的友谊。 在这个充满和谐的小区里，邻里之间的关爱和信任如同阳光般温暖。而这场口述事件，也成为了小区里的一段佳话，提醒着大家：在生活中，我们要学会用心去倾听，用心去理解，才能让邻里关系更加和谐美好。

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。