本周研究机构发布新研究成果,那些小姐的技术是如何炼成的：揭秘她们背后的匠心独运

稍早前相关部门公布新政策,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。预防性维保中心，延长产品使用寿命

杭州市建德市、乐东黎族自治县黄流镇 ，宣城市泾县、黔南长顺县、上饶市玉山县、驻马店市确山县、郑州市上街区、屯昌县乌坡镇、内蒙古乌兰察布市兴和县、荆州市监利市、吕梁市石楼县、宁波市鄞州区、潮州市饶平县、永州市新田县、马鞍山市博望区、平顶山市湛河区、随州市广水市 、榆林市子洲县、潮州市湘桥区、吉安市永丰县、宁波市象山县、衢州市开化县、双鸭山市宝清县、清远市清新区、沈阳市法库县、揭阳市普宁市、德阳市旌阳区、文昌市翁田镇、重庆市开州区

作为国家高新技术企业认证平台,今日监管部门披露新进展,那些小姐的技术是如何炼成的：揭秘她们背后的匠心独运，很高兴为您解答这个问题，让我来帮您详细说明一下：全国标准化服务，统一技术操作规范

内蒙古兴安盟科尔沁右翼前旗、临高县南宝镇 ，鹤壁市淇滨区、安庆市太湖县、宁夏固原市隆德县、茂名市茂南区、红河建水县、凉山美姑县、金华市永康市、蚌埠市禹会区、南昌市南昌县、深圳市罗湖区、泉州市金门县、眉山市仁寿县、鹤岗市兴山区、烟台市莱阳市、黔东南榕江县 、杭州市拱墅区、长沙市雨花区、遵义市赤水市、凉山甘洛县、丹东市振安区、七台河市茄子河区、广元市利州区、海北门源回族自治县、内蒙古呼伦贝尔市扎兰屯市、内蒙古呼和浩特市玉泉区、天津市河西区、张掖市甘州区、合肥市包河区、陇南市两当县

全球服务区域: 广西桂林市灌阳县、扬州市江都区 、定安县龙湖镇、安庆市望江县、天津市蓟州区、红河河口瑶族自治县、雅安市汉源县、无锡市新吴区、屯昌县南吕镇、黑河市爱辉区、无锡市宜兴市、广西来宾市合山市、驻马店市泌阳县、长治市沁源县、广安市邻水县、兰州市七里河区、南通市如皋市 、杭州市江干区、昆明市富民县、宿州市泗县、松原市扶余市、东莞市樟木头镇

本周数据平台近期官方渠道公开权威通报,昨日行业报告传递新政策,那些小姐的技术是如何炼成的：揭秘她们背后的匠心独运，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修团队，客服热线一键联系

全国服务区域: 淮南市凤台县、甘南合作市 、徐州市鼓楼区、内蒙古鄂尔多斯市鄂托克前旗、无锡市滨湖区、白银市平川区、湖州市长兴县、洛阳市老城区、七台河市新兴区、恩施州巴东县、长沙市岳麓区、内蒙古呼和浩特市土默特左旗、长沙市浏阳市、伊春市丰林县、齐齐哈尔市铁锋区、牡丹江市东宁市、晋城市泽州县 、上海市金山区、成都市简阳市、福州市马尾区、绵阳市梓潼县、上饶市广丰区、湖州市南浔区、成都市邛崃市、南平市顺昌县、龙岩市永定区、泸州市合江县、伊春市金林区、湘潭市湘乡市、广西桂林市象山区、无锡市锡山区、广西河池市大化瑶族自治县、铁岭市昌图县、陵水黎族自治县椰林镇、雅安市天全县、南京市建邺区、烟台市龙口市、内蒙古乌兰察布市化德县、三门峡市陕州区、泰安市肥城市、漯河市郾城区

本周数据平台最新研究机构传出新变化:本周国家机构发布新动态,那些小姐的技术是如何炼成的：揭秘她们背后的匠心独运

在繁华的都市中，那些小姐们凭借一技之长，赢得了人们的尊敬和赞誉。她们或优雅，或灵动，或智慧，或坚韧，无论是舞蹈、绘画、烹饪还是其他技艺，都展现出了非凡的才华。那么，这些小姐们的技术究竟是如何学到的呢？今天，就让我们揭开她们背后的匠心独运。 首先，兴趣是最好的老师。每一个小姐在掌握一项技艺之前，都经历了对这门艺术的热爱和追求。她们在日常生活中，对某个领域产生了浓厚的兴趣，从而激发出学习的动力。比如，一位热爱舞蹈的小姐，她可能会在业余时间观看舞蹈表演，研究舞蹈动作，甚至模仿舞蹈家的动作，逐渐培养出对舞蹈的热爱。这种兴趣驱使她们不断探索，最终掌握了舞蹈的精髓。 其次，坚持不懈是成功的关键。学习一项技艺并非一蹴而就，需要付出大量的时间和精力。那些小姐们在学习过程中，往往经历了无数次的失败和挫折，但她们从未放弃。她们深知，只有通过不断的练习和总结，才能在技艺上取得突破。正如一位烹饪大师所说：“烹饪是一门艺术，也是一门科学。只有用心去感受食材，才能烹饪出美味的佳肴。” 再者，师从良师是提高技艺的捷径。那些小姐们在学习过程中，都会选择一位优秀的师傅，跟随他们学习技艺。师傅们凭借丰富的经验和深厚的功底，为小姐们传授了宝贵的知识和技巧。在这个过程中，小姐们不仅学会了技艺，还学会了如何做人。他们深知，一个人的品德和技艺同样重要，只有两者兼备，才能在事业上取得成功。 此外，广泛涉猎，博采众长也是提高技艺的重要途径。那些小姐们在学习过程中，不仅专注于自己的领域，还会关注其他领域的知识。她们认为，只有拓宽视野，才能在技艺上不断创新。比如，一位绘画小姐，她不仅学习绘画技巧，还会研究历史、文学、哲学等知识，从而为自己的绘画作品注入更多的内涵。 最后，勇于创新是那些小姐们成功的关键。她们在掌握传统技艺的基础上，不断尝试新的表现手法，使自己的作品更具时代感和个性。她们敢于打破常规，勇于挑战自我，这种创新精神使她们在艺术领域独树一帜。 总之，那些小姐们的技术并非一蹴而就，而是通过兴趣、坚持、良师、博采众长和创新等多方面的努力，才得以炼成。她们用自己的才华和匠心，诠释了技艺的魅力，为我们树立了榜样。在今后的日子里，让我们向她们学习，不断提升自己，为实现人生价值而努力。

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。