本月研究机构发布新研究成果,免费开车视频：疼痛的声音，无需下载即可观看

今日行业报告披露重大变化,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。专业技术救援中心，重大故障专家会诊

永州市冷水滩区、台州市路桥区 ，定安县岭口镇、泰安市宁阳县、四平市铁东区、红河红河县、南充市蓬安县、北京市通州区、濮阳市台前县、攀枝花市西区、广西南宁市良庆区、绍兴市嵊州市、池州市青阳县、宁夏石嘴山市大武口区、邵阳市隆回县、恩施州建始县、泉州市惠安县 、镇江市京口区、成都市金牛区、安庆市岳西县、三门峡市卢氏县、东方市三家镇、广西北海市银海区、滨州市滨城区、厦门市集美区、南京市鼓楼区、濮阳市台前县、玉树称多县、辽源市龙山区

近日监测部门传出异常警报,昨日官方渠道传递重大研究成果,免费开车视频：疼痛的声音，无需下载即可观看，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客服电话，系统自动派单处理

阜新市海州区、抚州市黎川县 ，甘孜康定市、甘孜泸定县、庆阳市华池县、广西钦州市钦北区、漯河市郾城区、恩施州巴东县、武汉市黄陂区、内江市隆昌市、广西崇左市凭祥市、黄南同仁市、大庆市大同区、鹤壁市淇县、大兴安岭地区呼玛县、潍坊市潍城区、昆明市官渡区 、东莞市麻涌镇、成都市新都区、岳阳市平江县、漯河市召陵区、中山市古镇镇、焦作市解放区、三亚市崖州区、六安市金寨县、天水市秦州区、铜陵市义安区、天津市津南区、杭州市西湖区、濮阳市华龙区、咸宁市通城县

全球服务区域: 忻州市原平市、雅安市汉源县 、万宁市三更罗镇、济南市莱芜区、黔南平塘县、芜湖市鸠江区、盐城市大丰区、阜新市清河门区、宜昌市长阳土家族自治县、阳江市阳西县、宝鸡市千阳县、普洱市澜沧拉祜族自治县、内江市东兴区、锦州市义县、芜湖市南陵县、衢州市常山县、黔东南麻江县 、广西河池市环江毛南族自治县、黄冈市红安县、文山广南县、昆明市禄劝彝族苗族自治县、文山文山市

本周数据平台今日官方渠道披露重磅消息,昨日研究机构传递最新成果,免费开车视频：疼痛的声音，无需下载即可观看，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: 临汾市曲沃县、潍坊市潍城区 、广西钦州市钦南区、齐齐哈尔市甘南县、恩施州宣恩县、菏泽市成武县、五指山市水满、上饶市铅山县、万宁市后安镇、临汾市浮山县、安阳市汤阴县、泸州市江阳区、广西来宾市忻城县、广西北海市铁山港区、德州市夏津县、白沙黎族自治县青松乡、内蒙古巴彦淖尔市杭锦后旗 、达州市开江县、广州市天河区、重庆市江北区、海口市秀英区、福州市仓山区、乐山市五通桥区、南平市建瓯市、黄石市铁山区、西安市长安区、烟台市栖霞市、东莞市寮步镇、昆明市嵩明县、衡阳市衡南县、广西梧州市蒙山县、长治市沁源县、长春市南关区、泰州市靖江市、齐齐哈尔市昂昂溪区、汕头市南澳县、定安县新竹镇、朔州市山阴县、湛江市吴川市、临沧市云县、长治市潞城区

本周数据平台近期相关部门公布权威通报:本月相关部门发布新政策,免费开车视频：疼痛的声音，无需下载即可观看

在信息爆炸的时代，网络资源丰富多样，其中免费开车视频成为了许多人娱乐休闲的选择。然而，在享受这些视频的同时，我们也需要注意一些问题，比如视频中的疼痛声音、是否有下载需求等。本文将为您介绍如何免费观看有声音的开车视频，而不需要下载。 首先，让我们来了解一下什么是免费开车视频。免费开车视频是指那些无需付费即可观看的汽车驾驶教学视频，它们通常由专业的驾驶培训机构或个人制作，旨在帮助驾驶爱好者提高驾驶技能。这些视频通常包含驾驶技巧、安全驾驶知识、车辆保养等内容。 在观看免费开车视频时，我们可能会遇到一些问题，比如视频中的疼痛声音。这种声音可能是为了强调某些驾驶技巧或警示驾驶者注意安全而特意添加的。对于这部分声音，我们可以采取以下几种方法来应对： 1. 调整音量：在观看视频时，我们可以适当调整音量，将疼痛声音的音量降低，以免影响观看体验。 2. 使用耳机：如果疼痛声音对您的影响较大，可以使用耳机观看视频。这样，疼痛声音只会通过耳机传入您的耳朵，不会影响到周围的人。 3. 关闭声音：如果您实在无法忍受疼痛声音，可以选择关闭视频中的声音，只观看视频画面。虽然这样会失去一部分信息，但至少可以避免不适。 接下来，我们来说说如何免费观看有声音的开车视频，而不需要下载。以下是一些实用的方法： 1. 在线观看平台：现在很多视频网站都提供了免费观看视频的服务，如优酷、爱奇艺、腾讯视频等。您只需在搜索框中输入相关关键词，如“免费开车视频”，即可找到大量相关视频。 2. 视频分享社区：一些视频分享社区，如B站（哔哩哔哩），也提供了大量免费的视频资源。在这些社区中，您可以找到许多高质量的开车视频，而且无需下载。 3. 移动应用：一些专门提供免费视频观看的移动应用，如腾讯视频、爱奇艺等，也提供了丰富的开车视频资源。您只需下载这些应用，即可免费观看视频。 总之，免费观看有声音的开车视频并不困难。只需选择合适的观看平台，调整好音量，即可享受驾驶乐趣。同时，我们也要注意保护自己的听力，避免长时间接触高音量的疼痛声音。希望本文能对您有所帮助。

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。