今日行业报告传递新研究成果,如何应对一边做饭一边狂躁的情绪？

本月行业报告公开重要信息,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。专业技术指导中心，远程视频协助安装

内江市威远县、东莞市中堂镇 ，琼海市塔洋镇、韶关市翁源县、延边敦化市、临沂市费县、南充市顺庆区、南充市西充县、合肥市肥西县、长治市沁县、焦作市修武县、怒江傈僳族自治州福贡县、宁夏石嘴山市平罗县、广西钦州市灵山县、株洲市茶陵县、丽水市云和县、宝鸡市陇县 、自贡市富顺县、昆明市石林彝族自治县、保亭黎族苗族自治县什玲、济南市商河县、鄂州市华容区、潍坊市临朐县、福州市平潭县、福州市平潭县、宁德市福鼎市、重庆市巴南区、连云港市海州区、白山市靖宇县

近日监测小组公开最新参数,昨日官方渠道披露新政策,如何应对一边做饭一边狂躁的情绪？，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修电话，支持在线咨询报修

文昌市文城镇、青岛市胶州市 ，抚州市崇仁县、黔东南榕江县、铜仁市玉屏侗族自治县、安顺市普定县、齐齐哈尔市富裕县、宁夏固原市泾源县、忻州市五寨县、常德市津市市、赣州市宁都县、怒江傈僳族自治州泸水市、内蒙古锡林郭勒盟苏尼特左旗、文昌市公坡镇、咸宁市通城县、内蒙古通辽市霍林郭勒市、宁德市古田县 、成都市龙泉驿区、上海市松江区、葫芦岛市兴城市、北京市延庆区、乐山市市中区、内蒙古呼伦贝尔市根河市、广西来宾市忻城县、抚州市黎川县、漯河市郾城区、铜陵市义安区、曲靖市富源县、延边延吉市、广西桂林市阳朔县、濮阳市台前县

全球服务区域: 宿迁市宿城区、宁夏固原市彭阳县 、淮安市清江浦区、阿坝藏族羌族自治州小金县、广西梧州市蒙山县、保山市腾冲市、东莞市道滘镇、屯昌县西昌镇、绥化市肇东市、深圳市龙华区、赣州市信丰县、广西河池市凤山县、济南市长清区、郴州市嘉禾县、长治市襄垣县、广西桂林市灵川县、长春市朝阳区 、岳阳市平江县、景德镇市昌江区、郴州市嘉禾县、荆门市沙洋县、眉山市彭山区

本周数据平台不久前行业协会透露新变化,本周研究机构发布权威信息,如何应对一边做饭一边狂躁的情绪？，很高兴为您解答这个问题，让我来帮您详细说明一下：24小时维修客服热线，随时为您服务

全国服务区域: 广西河池市大化瑶族自治县、榆林市子洲县 、广州市从化区、鸡西市鸡东县、芜湖市繁昌区、达州市万源市、白城市洮北区、宣城市旌德县、芜湖市镜湖区、泉州市石狮市、内蒙古呼伦贝尔市牙克石市、梅州市大埔县、平顶山市郏县、吉安市峡江县、沈阳市新民市、开封市祥符区、忻州市宁武县 、南昌市进贤县、龙岩市新罗区、吉林市桦甸市、中山市南朗镇、常州市新北区、文昌市蓬莱镇、营口市鲅鱼圈区、太原市清徐县、双鸭山市四方台区、安康市镇坪县、湛江市徐闻县、吉安市峡江县、内蒙古巴彦淖尔市乌拉特中旗、莆田市仙游县、九江市浔阳区、陵水黎族自治县提蒙乡、广西桂林市秀峰区、上海市徐汇区、淮北市相山区、榆林市神木市、东方市大田镇、武汉市洪山区、牡丹江市海林市、忻州市偏关县

本周数据平台近日官方渠道公开最新动态:本周行业报告披露重要进展,如何应对一边做饭一边狂躁的情绪？

在我们的日常生活中，做饭是必不可少的一项家务活动。然而，对于一些人来说，做饭的过程可能会变得异常艰难，尤其是当他们在烹饪时感到狂躁。那么，面对一边做饭一边狂躁的情况，我们该如何应对呢？以下是一些建议，希望能帮助到您。 ### 1. 识别情绪来源 首先，我们要明确一点，狂躁情绪的产生并非无迹可寻。在做饭时，可能是因为以下原因导致情绪失控： - 烹饪技巧不佳，导致食物难以入口。 - 家务繁忙，需要兼顾烹饪和其他家务。 - 工作压力大，做饭时无法放松心情。 了解情绪来源后，我们可以更有针对性地解决问题。 ### 2. 调整心态 心态决定一切。在做饭时，试着调整自己的心态，将烹饪视为一种放松身心的方式。以下是一些建议： - 深呼吸：在烹饪过程中，适时进行深呼吸，有助于缓解紧张情绪。 - 放松音乐：播放一些轻柔的音乐，让心情变得愉悦。 - 保持微笑：微笑是一种积极的情绪表达，有助于改善心情。 ### 3. 优化烹饪环境 一个舒适的烹饪环境有助于减轻狂躁情绪。以下是一些建议： - 保持厨房整洁：整洁的厨房有助于提高烹饪效率，减少焦虑感。 - 调整灯光：柔和的灯光有助于营造轻松的氛围。 - 选择合适的烹饪工具：使用便捷、高效的烹饪工具，可以减少烹饪过程中的压力。 ### 4. 学会放手 在烹饪过程中，我们难免会遇到一些困难。这时，要学会放手，不要过分追求完美。以下是一些建议： - 接受失败：烹饪过程中，失败在所难免。学会接受失败，并从中吸取教训。 - 不要强求：有时候，过于追求完美只会让自己更加焦虑。试着放宽心态，享受烹饪的乐趣。 - 适时求助：当遇到难题时，不要犹豫，向家人或朋友求助。 ### 5. 适当休息 长时间处于高压状态，容易导致情绪失控。在烹饪过程中，适时休息，给自己一个放松的机会。以下是一些建议： - 短暂休息：在烹饪过程中，每隔一段时间，给自己一个短暂的休息时间。 - 做一些轻松的活动：如散步、听音乐、阅读等，有助于缓解压力。 - 睡眠充足：保证充足的睡眠，有助于提高情绪稳定性。 总之，一边做饭一边狂躁并非不可解决。通过调整心态、优化烹饪环境、学会放手和适当休息，我们能够有效地缓解烹饪过程中的焦虑情绪。让我们一起享受烹饪的乐趣，成为生活中的美食家吧！

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。