本周监管部门发布重大研究成果,东北大坑：探寻原始欲爱的神秘之旅

今日官方通报行业新动态,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。售后服务热线，专业团队保障质量

佳木斯市桦川县、衢州市江山市 ，商洛市山阳县、普洱市景谷傣族彝族自治县、德宏傣族景颇族自治州瑞丽市、宜昌市远安县、双鸭山市集贤县、雅安市雨城区、黄山市徽州区、遂宁市安居区、台州市玉环市、内蒙古乌兰察布市四子王旗、黔东南岑巩县、昭通市巧家县、广西梧州市岑溪市、广西钦州市灵山县、许昌市襄城县 、广州市天河区、上饶市弋阳县、哈尔滨市南岗区、延安市吴起县、驻马店市平舆县、揭阳市普宁市、广西来宾市合山市、临高县南宝镇、咸阳市武功县、长治市屯留区、泉州市金门县、中山市南区街道

刚刚专家组披露重要结论,昨日官方更新最新行业动态,东北大坑：探寻原始欲爱的神秘之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：专业家电维修客服，一对一解决问题

宣城市旌德县、鸡西市麻山区 ，吉安市青原区、临沂市兰山区、文昌市翁田镇、广西玉林市北流市、济宁市嘉祥县、宜宾市长宁县、甘孜稻城县、温州市苍南县、襄阳市南漳县、儋州市兰洋镇、四平市伊通满族自治县、昭通市威信县、楚雄禄丰市、黄冈市罗田县、延安市志丹县 、驻马店市驿城区、宜昌市兴山县、黄石市铁山区、雅安市汉源县、保山市腾冲市、盐城市东台市、中山市三乡镇、宜春市上高县、揭阳市榕城区、荆门市掇刀区、安顺市平坝区、成都市崇州市、佛山市禅城区、武汉市武昌区

全球服务区域: 龙岩市永定区、烟台市栖霞市 、太原市娄烦县、襄阳市保康县、萍乡市芦溪县、淮安市盱眙县、营口市老边区、漳州市芗城区、锦州市义县、延安市子长市、潍坊市安丘市、绥化市肇东市、濮阳市台前县、达州市万源市、黄南尖扎县、宁德市福鼎市、永州市江永县 、临汾市隰县、广西来宾市金秀瑶族自治县、内蒙古呼伦贝尔市扎赉诺尔区、中山市西区街道、凉山木里藏族自治县

专家远程指导热线，多终端,昨日研究机构发布行业成果,东北大坑：探寻原始欲爱的神秘之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用问题咨询，实时解答各类疑问

全国服务区域: 焦作市博爱县、马鞍山市雨山区 、黄冈市黄梅县、湖州市南浔区、阿坝藏族羌族自治州茂县、内蒙古乌兰察布市集宁区、黔东南黎平县、中山市小榄镇、芜湖市弋江区、周口市郸城县、白沙黎族自治县青松乡、聊城市东阿县、直辖县天门市、东莞市常平镇、上海市浦东新区、汉中市西乡县、哈尔滨市呼兰区 、上海市静安区、大同市灵丘县、澄迈县仁兴镇、宜宾市兴文县、齐齐哈尔市铁锋区、西宁市大通回族土族自治县、广西防城港市防城区、运城市盐湖区、潍坊市诸城市、广西崇左市天等县、吕梁市交口县、驻马店市泌阳县、海口市秀英区、潮州市潮安区、陇南市康县、五指山市番阳、北京市顺义区、西安市高陵区、上海市静安区、内蒙古赤峰市克什克腾旗、甘孜九龙县、伊春市丰林县、广州市白云区、郴州市宜章县

近日监测部门公开:昨日行业报告传递新成果,东北大坑：探寻原始欲爱的神秘之旅

东北大坑，这个名字听起来就充满了神秘与诱惑。它位于我国东北地区，是一个鲜为人知的自然奇观。这里，原始的自然风光与人类原始的欲爱情感交织，形成了一幅独特的画卷。 东北大坑，顾名思义，是一个巨大的坑洞。它位于一片茂密的森林之中，四周被茂盛的树木环绕，仿佛是一个与世隔绝的世外桃源。这里的土壤肥沃，植被丰富，各种野生动物在此繁衍生息。而最令人神往的，莫过于这里独特的原始欲爱文化。 在东北大坑，人们可以感受到一种与现代社会截然不同的生活状态。这里的人们崇尚自然，尊重生命，将原始欲爱视为一种神圣的情感。他们相信，只有与大自然融为一体，才能找到真正的自我，实现内心的和谐。 在东北大坑，你可以看到许多原始的求爱方式。这里的青年男女，在森林中漫步，用歌声传递爱意，用舞蹈表达情感。他们不畏艰险，勇敢地追求真爱。这种原始的欲爱方式，让人不禁感叹大自然的神奇魅力。 在这里，你还可以了解到一些古老的民间传说。相传，很久以前，东北大坑曾是神仙居住的地方。他们为了保护这片土地，将原始欲爱赋予了神圣的意义。如今，这里的居民们依然传承着这一传统，将原始欲爱视为一种信仰。 走进东北大坑，你会被这里的原始风光所吸引。这里的山清水秀，空气清新，让人心旷神怡。在这里，你可以尽情地感受大自然的魅力，体验原始欲爱的神奇。 然而，随着现代社会的发展，东北大坑的原始欲爱文化也面临着严峻的挑战。为了保护这一珍贵的文化遗产，当地政府采取了一系列措施。他们加强了对东北大坑的保护，禁止乱砍滥伐，鼓励居民们传承和发扬原始欲爱文化。 如今，东北大坑已成为一个热门的旅游景点。每年都有成千上万的游客慕名而来，探寻这里的原始欲爱文化。他们在这里感受大自然的神奇，体验原始欲爱的魅力，同时也为保护这片土地贡献自己的力量。 总之，东北大坑是一个充满神秘与诱惑的地方。在这里，你可以感受到原始欲爱的力量，体验到与大自然融为一体的美妙感觉。让我们携手保护这片土地，传承和发扬东北大坑的原始欲爱文化，让更多的人了解和感受到大自然的神奇魅力。

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。