今日官方通报研究成果,《探索未知，领略美好：B站免费高清纪录片推荐之旅》

今日研究机构披露重要行业研究成果,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。家电故障不用愁，客服热线帮您忙

连云港市灌云县、德宏傣族景颇族自治州陇川县 ，上饶市广信区、自贡市富顺县、佳木斯市桦南县、内蒙古赤峰市翁牛特旗、咸阳市乾县、中山市东升镇、广西南宁市横州市、淄博市张店区、三明市尤溪县、汕尾市海丰县、南通市崇川区、海口市龙华区、铜川市印台区、黔东南剑河县、宜昌市秭归县 、扬州市宝应县、三明市三元区、南京市浦口区、衢州市开化县、珠海市金湾区、荆门市沙洋县、泰安市泰山区、绵阳市涪城区、上饶市婺源县、宣城市旌德县、马鞍山市当涂县、广西来宾市金秀瑶族自治县

本周官方渠道披露研究成果,本月行业报告公开最新政策,《探索未知，领略美好：B站免费高清纪录片推荐之旅》，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务中心热线，电话网络全渠道

文山文山市、永州市道县 ，临汾市襄汾县、武威市凉州区、成都市都江堰市、广州市越秀区、许昌市建安区、南京市栖霞区、合肥市肥东县、牡丹江市爱民区、恩施州恩施市、儋州市雅星镇、淮安市淮安区、上饶市余干县、济宁市汶上县、上海市静安区、中山市东升镇 、庆阳市庆城县、内蒙古兴安盟科尔沁右翼中旗、曲靖市富源县、汉中市汉台区、陵水黎族自治县提蒙乡、宁夏吴忠市利通区、伊春市丰林县、广西柳州市鱼峰区、濮阳市范县、自贡市贡井区、甘孜泸定县、湛江市徐闻县、临沧市沧源佤族自治县、怒江傈僳族自治州福贡县

全球服务区域: 宁波市宁海县、北京市昌平区 、延安市富县、安庆市望江县、镇江市丹阳市、肇庆市封开县、鹤壁市鹤山区、黔南荔波县、宜昌市伍家岗区、广州市番禺区、天津市河东区、梅州市蕉岭县、昭通市威信县、兰州市红古区、广西桂林市秀峰区、内蒙古通辽市霍林郭勒市、武汉市江岸区 、齐齐哈尔市克东县、潮州市潮安区、乐东黎族自治县尖峰镇、上饶市玉山县、宁夏中卫市海原县

全天候服务支持热线,今日官方渠道传递行业新研究成果,《探索未知，领略美好：B站免费高清纪录片推荐之旅》，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

全国服务区域: 湛江市遂溪县、烟台市福山区 、大连市瓦房店市、长沙市浏阳市、晋中市太谷区、永州市冷水滩区、广西南宁市良庆区、襄阳市襄城区、梅州市蕉岭县、普洱市西盟佤族自治县、内蒙古锡林郭勒盟镶黄旗、衢州市衢江区、黄冈市红安县、赣州市南康区、韶关市始兴县、赣州市信丰县、韶关市南雄市 、吕梁市兴县、焦作市马村区、上海市黄浦区、临汾市大宁县、三门峡市陕州区、西安市碑林区、十堰市郧阳区、萍乡市莲花县、东营市利津县、庆阳市西峰区、九江市湖口县、甘孜新龙县、六盘水市盘州市、东莞市长安镇、北京市昌平区、衢州市开化县、河源市东源县、清远市佛冈县、东方市感城镇、重庆市石柱土家族自治县、临沧市永德县、吉安市峡江县、福州市闽侯县、广州市从化区

本周数据平台今日官方渠道公布最新动态:本月监管部门公布最新研究成果,《探索未知，领略美好：B站免费高清纪录片推荐之旅》

随着互联网的普及，越来越多的人开始关注纪录片这一形式，它不仅能够带我们走进历史的深处，还能让我们领略大自然的壮丽与人类文明的辉煌。在我国知名的视频平台B站上，有许多高质量的纪录片免费提供给观众观看。今天，就让我为大家推荐几部B站上好看的纪录片，让我们一起享受这份免费的文化盛宴。 首先，不得不提的是《如果国宝会说话》。这部纪录片以国宝级文物为线索，通过生动的故事讲述，让观众了解我国悠久的历史文化。每一集都选取一件文物，深入挖掘其背后的故事，让观众在欣赏文物的同时，感受到中华民族的博大精深。此外，纪录片画面精美，配音生动，让人仿佛穿越时空，亲身感受历史的魅力。 接下来，是《舌尖上的中国》。这部纪录片以美食为切入点，带领观众领略我国各地的饮食文化。从食材的选取、制作到餐桌上的美味佳肴，每一个环节都让观众感受到中华美食的博大精深。纪录片中，不仅有各种特色美食的制作过程，还有对美食背后的历史、文化、民俗的解读，让人在品尝美食的同时，增长知识。 此外，《我在故宫修文物》也是一部不容错过的纪录片。它以故宫博物院为背景，讲述了一群文物修复师的故事。纪录片中，修复师们用精湛的技艺，将一件件破旧的文物恢复到原本的面貌。在这个过程中，观众不仅能了解到文物修复的过程，还能感受到中华民族对文化遗产的珍视和保护。 对于喜欢自然风光的观众，不妨看看《航拍中国》。这部纪录片以航拍的方式，展示了我国各地的自然风光、人文景观。从高山流水到沙漠戈壁，从繁华都市到宁静乡村，观众仿佛乘坐飞机，俯瞰祖国的大好河山。纪录片中，镜头捕捉到的美景令人陶醉，让人不禁感叹大自然的鬼斧神工。 此外，B站上还有许多其他优秀的纪录片，如《国家宝藏》、《大美中国》、《航拍世界》等。这些纪录片涵盖了历史、文化、自然、科技等多个领域，为观众提供了丰富的精神食粮。 总之，B站上的免费高清纪录片为观众提供了一个了解世界、增长知识的平台。在忙碌的生活中，不妨抽出时间，观看这些优秀的纪录片，让心灵得到滋养。让我们一起探索未知，领略美好，感受生活的无限魅力。

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。