今日行业报告公开重大研究成果,韩国面膜界的创新之作：一面膜上边一面膜下边，双重呵护，美丽加倍！

本月研究机构传递最新政策,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。以旧换新服务中心，全流程指导

佛山市顺德区、漳州市龙海区 ，遵义市赤水市、徐州市鼓楼区、上海市奉贤区、迪庆香格里拉市、黄冈市英山县、邵阳市新邵县、黄冈市麻城市、铁岭市铁岭县、云浮市云城区、重庆市南岸区、三亚市海棠区、黔南长顺县、齐齐哈尔市龙沙区、伊春市大箐山县、晋中市太谷区 、营口市鲅鱼圈区、宁夏石嘴山市惠农区、临沂市莒南县、郑州市新密市、哈尔滨市双城区、池州市青阳县、宜昌市秭归县、铜川市宜君县、宜昌市当阳市、重庆市沙坪坝区、厦门市集美区、张掖市民乐县

本周数据平台今日数据平台透露最新消息,本月官方渠道发布行业新报告,韩国面膜界的创新之作：一面膜上边一面膜下边，双重呵护，美丽加倍！，很高兴为您解答这个问题，让我来帮您详细说明一下：智能化工单系统，自动派发维修任务

昌江黎族自治县王下乡、聊城市冠县 ，枣庄市山亭区、九江市彭泽县、九江市湖口县、青岛市胶州市、无锡市宜兴市、甘孜色达县、梅州市平远县、株洲市攸县、大理剑川县、长沙市开福区、宿迁市泗阳县、徐州市睢宁县、广西钦州市钦南区、广西钦州市钦南区、郴州市嘉禾县 、雅安市芦山县、黔西南普安县、澄迈县金江镇、宜宾市高县、襄阳市谷城县、内蒙古鄂尔多斯市准格尔旗、洛阳市偃师区、河源市紫金县、抚顺市清原满族自治县、黄冈市团风县、合肥市庐江县、北京市密云区、哈尔滨市依兰县、屯昌县乌坡镇

全球服务区域: 济南市长清区、雅安市汉源县 、阜新市阜新蒙古族自治县、广西河池市南丹县、宝鸡市麟游县、济宁市邹城市、新乡市新乡县、嘉兴市海宁市、海西蒙古族都兰县、吕梁市临县、西安市周至县、岳阳市君山区、临汾市汾西县、湛江市遂溪县、渭南市华州区、成都市成华区、六盘水市钟山区 、松原市扶余市、郴州市安仁县、黔南长顺县、南充市嘉陵区、广西南宁市良庆区

本周官方渠道披露研究成果,近日监管部门发布重要通报,韩国面膜界的创新之作：一面膜上边一面膜下边，双重呵护，美丽加倍！，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务热线，专业团队保障质量

全国服务区域: 吕梁市柳林县、自贡市大安区 、抚州市临川区、东方市三家镇、迪庆维西傈僳族自治县、株洲市攸县、荆州市公安县、广西百色市田阳区、三亚市吉阳区、东营市河口区、内蒙古包头市东河区、益阳市资阳区、黑河市爱辉区、芜湖市镜湖区、赣州市信丰县、昆明市富民县、重庆市南岸区 、汕头市濠江区、楚雄姚安县、宜昌市伍家岗区、中山市小榄镇、赣州市于都县、中山市小榄镇、温州市龙港市、岳阳市临湘市、潍坊市寒亭区、大连市西岗区、海北刚察县、驻马店市汝南县、甘孜石渠县、牡丹江市宁安市、海西蒙古族德令哈市、张掖市甘州区、天水市麦积区、广西柳州市柳北区、白山市抚松县、安阳市林州市、甘南卓尼县、临夏康乐县、沈阳市新民市、内蒙古包头市九原区

刚刚应急团队公布处置方案:近期相关部门更新行业成果,韩国面膜界的创新之作：一面膜上边一面膜下边，双重呵护，美丽加倍！

在追求美丽与健康的道路上，面膜一直是女性朋友们不可或缺的护肤神器。近年来，韩国面膜以其独特的配方和卓越的品质在全球范围内备受瞩目。而今天，我们要为大家介绍一款来自韩国的创新面膜——一面膜上边一面膜下边，双重呵护，美丽加倍！ 这款韩国面膜的设计理念非常独特，它将传统面膜的上下两部分巧妙地结合在一起，形成了一种全新的护肤体验。在佩戴这款面膜时，上边部分紧贴面部，下边部分则覆盖在颈部，使得面膜的覆盖面积更大，护肤效果更加显著。 首先，让我们来看看这款面膜的材质。它采用了高品质的无纺布，这种材质具有良好的透气性和亲肤性，能够确保面膜在为肌肤提供充足营养的同时，不会造成闷热感。此外，面膜的厚度适中，既不会过于厚重，也不会过于轻薄，使得使用者在佩戴过程中感到舒适。 接下来，我们来看看这款面膜的精华液。韩国面膜在精华液的研发上一直走在行业的前沿，这款面膜的精华液也不例外。它富含多种天然植物提取物，如绿茶、黄瓜、芦荟等，这些成分具有抗炎、抗氧化、保湿等多种功效，能够有效改善肌肤问题，提升肌肤状态。 那么，这款韩国面膜究竟有哪些独特之处呢？ 1. 双重呵护：一面膜上边一面膜下边的设计，使得面膜的覆盖面积更大，能够同时呵护面部和颈部肌肤，让美丽更加全面。 2. 便捷实用：这款面膜的包装设计非常人性化，使用起来非常方便。只需将面膜展开，贴在脸上即可，无需繁琐的步骤。 3. 美白保湿：面膜中的美白保湿成分能够有效改善肤色不均、暗沉等问题，让肌肤焕发出水嫩光泽。 4. 抗衰老：面膜中的抗衰老成分能够帮助肌肤抵抗岁月痕迹，延缓肌肤衰老。 5. 适合各种肤质：这款韩国面膜适用于各种肤质，无论是干性、油性还是混合性肌肤，都能找到适合自己的版本。 总之，这款韩国面膜一面膜上边一面膜下边，凭借其独特的创新设计、卓越的品质和丰富的功效，成为了面膜市场上的佼佼者。如果你也想拥有水嫩、光滑、有弹性的肌肤，不妨尝试一下这款韩国面膜，让美丽加倍，自信加分！

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。