近期相关部门更新行业成果,“一面亲上边，一面膜下边：探寻现代生活的双重面貌”

近日监管部门发布重要信息,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。客服中心全国联网，服务更便捷

六安市叶集区、绍兴市柯桥区 ，重庆市垫江县、荆州市沙市区、万宁市大茂镇、牡丹江市东宁市、安阳市文峰区、晋中市榆社县、大兴安岭地区松岭区、黄石市大冶市、常德市石门县、苏州市相城区、临夏康乐县、萍乡市湘东区、凉山喜德县、资阳市雁江区、毕节市大方县 、乐山市峨边彝族自治县、内蒙古乌兰察布市丰镇市、咸宁市嘉鱼县、梅州市平远县、深圳市盐田区、中山市古镇镇、宝鸡市陈仓区、深圳市龙华区、马鞍山市含山县、广西百色市平果市、甘孜雅江县、兰州市城关区

可视化故障排除专线,近日监管部门透露最新动态,“一面亲上边，一面膜下边：探寻现代生活的双重面貌”，很高兴为您解答这个问题，让我来帮您详细说明一下：维修专线服务，师傅快速上门处理

安庆市潜山市、东莞市沙田镇 ，广西南宁市良庆区、青岛市市南区、云浮市云安区、绍兴市诸暨市、咸阳市礼泉县、忻州市忻府区、阳泉市城区、重庆市合川区、安庆市迎江区、内蒙古鄂尔多斯市鄂托克前旗、保山市腾冲市、昭通市水富市、德州市武城县、太原市晋源区、西宁市湟中区 、泉州市德化县、昭通市鲁甸县、内蒙古乌海市乌达区、儋州市排浦镇、黔东南黎平县、北京市房山区、汉中市城固县、广西南宁市横州市、昌江黎族自治县海尾镇、东莞市石龙镇、凉山会理市、驻马店市确山县、东莞市塘厦镇、长春市宽城区

全球服务区域: 扬州市仪征市、西宁市城中区 、广西桂林市荔浦市、内蒙古兴安盟科尔沁右翼中旗、大庆市林甸县、滁州市天长市、怀化市芷江侗族自治县、南昌市西湖区、黄南河南蒙古族自治县、厦门市思明区、南阳市方城县、恩施州咸丰县、铜川市耀州区、儋州市海头镇、贵阳市息烽县、龙岩市永定区、铜仁市沿河土家族自治县 、昆明市五华区、昌江黎族自治县七叉镇、庆阳市环县、广西桂林市象山区、哈尔滨市道外区

本周数据平台不久前行业协会透露新变化,今日行业报告更新研究成果,“一面亲上边，一面膜下边：探寻现代生活的双重面貌”，很高兴为您解答这个问题，让我来帮您详细说明一下：专业配件咨询中心，精准推荐型号

全国服务区域: 沈阳市大东区、内蒙古兴安盟扎赉特旗 、宁夏固原市彭阳县、衢州市开化县、铜川市印台区、内蒙古兴安盟乌兰浩特市、澄迈县永发镇、达州市渠县、东莞市凤岗镇、成都市双流区、吕梁市交口县、内蒙古锡林郭勒盟苏尼特左旗、黔东南丹寨县、聊城市东阿县、中山市西区街道、韶关市始兴县、九江市湖口县 、内蒙古通辽市开鲁县、长治市平顺县、漳州市南靖县、阜阳市颍泉区、曲靖市马龙区、德州市禹城市、娄底市涟源市、广西防城港市上思县、重庆市大渡口区、荆门市掇刀区、广州市从化区、烟台市海阳市、重庆市永川区、内蒙古巴彦淖尔市五原县、衢州市开化县、黄冈市黄州区、枣庄市山亭区、广西崇左市天等县、上海市普陀区、济宁市梁山县、哈尔滨市宾县、玉树杂多县、遂宁市安居区、南充市高坪区

本周数据平台近日官方渠道公开最新动态:今日研究机构披露重要行业研究成果,“一面亲上边，一面膜下边：探寻现代生活的双重面貌”

在快节奏的现代社会，人们的生活仿佛被分割成了两个截然不同的层面：一面是亲上边，充满温暖与关怀；另一面是膜下边，隐藏着复杂与矛盾。这两个层面相互交织，共同构成了我们丰富多彩的生活画卷。 一、亲上边：亲情、友情与爱情的港湾 亲上边，是我们生活中最温馨的一面。在这个层面上，我们感受到了亲情、友情和爱情的美好。 亲情，是生命中最原始、最纯粹的情感。在亲上边，我们与家人共度时光，分享喜怒哀乐。家，成为了我们心灵的港湾，无论何时何地，都能感受到家的温暖。 友情，是人生路上的同行者。在亲上边，我们结识了一群志同道合的朋友，共同成长，共同进步。友情让我们在困难面前不再孤单，让我们在快乐时分更加珍惜。 爱情，是人生中最美好的相遇。在亲上边，我们与心爱的人携手共度，相互扶持，共同创造美好的未来。爱情让我们感受到了生命的意义，让我们相信，这个世界充满了爱。 二、膜下边：现实与理想的碰撞 膜下边，是我们生活中最复杂、最矛盾的一面。在这个层面上，我们面临着现实与理想的碰撞，体验着人生的酸甜苦辣。 现实，是残酷的。在膜下边，我们不得不为生活奔波，为事业拼搏。面对种种压力，我们学会了坚强，学会了在逆境中成长。 理想，是美好的。在膜下边，我们怀揣着梦想，努力追求。尽管现实与理想之间存在着巨大的差距，但我们依然坚信，只要努力，终会实现梦想。 膜下边，是我们内心深处的挣扎。在这个层面上，我们面临着道德与利益的抉择，面临着自我与他人的冲突。这些挣扎让我们更加成熟，更加懂得珍惜。 三、双重面貌的融合：构建和谐人生 一面亲上边，一面膜下边，这两个层面并非孤立存在，而是相互融合，共同构成了我们丰富多彩的人生。 在亲上边，我们学会了关爱他人，学会了承担责任。在膜下边，我们学会了面对现实，学会了追求梦想。这两个层面的融合，让我们在人生的道路上不断前行，不断成长。 面对生活中的种种挑战，我们要学会在亲上边寻找温暖，在膜下边寻找力量。只有这样，我们才能构建一个和谐的人生，实现自我价值。 总之，一面亲上边，一面膜下边，是我们生活中不可或缺的双重面貌。在这个充满挑战与机遇的时代，让我们珍惜每一个瞬间，用心感受生活的美好，努力追求梦想，共同创造一个更加美好的未来。

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。