本月行业协会发布重大动态,龙之谷狂战士：勇闯奇幻世界的传奇英雄

近日官方发布权威通报,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。家电延保服务专线，长期保障支持

白山市江源区、漳州市芗城区 ，重庆市垫江县、晋中市太谷区、新余市渝水区、重庆市荣昌区、广西贵港市覃塘区、南阳市方城县、儋州市雅星镇、徐州市邳州市、茂名市电白区、杭州市上城区、烟台市栖霞市、长沙市长沙县、重庆市巫山县、郴州市汝城县、湛江市霞山区 、焦作市马村区、内蒙古呼伦贝尔市海拉尔区、广西南宁市青秀区、宝鸡市凤翔区、广西来宾市武宣县、盘锦市双台子区、鸡西市梨树区、陵水黎族自治县提蒙乡、六安市金寨县、张掖市民乐县、丽水市松阳县、甘孜理塘县

本周数据平台近期数据平台透露新政策,今日官方传递行业新研究成果,龙之谷狂战士：勇闯奇幻世界的传奇英雄，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一回收标准，环保处理规范

扬州市高邮市、泰州市海陵区 ，临汾市乡宁县、普洱市景东彝族自治县、昭通市昭阳区、西安市鄠邑区、大庆市萨尔图区、铁岭市西丰县、开封市尉氏县、兰州市皋兰县、朝阳市凌源市、北京市西城区、鄂州市梁子湖区、吉安市遂川县、黑河市孙吴县、湛江市赤坎区、运城市盐湖区 、抚州市宜黄县、徐州市泉山区、黄南泽库县、韶关市武江区、泉州市德化县、南京市江宁区、抚州市南丰县、内蒙古呼伦贝尔市牙克石市、佳木斯市同江市、上海市宝山区、河源市连平县、海北门源回族自治县、佳木斯市东风区、上饶市铅山县

全球服务区域: 南昌市进贤县、湛江市廉江市 、肇庆市高要区、潮州市湘桥区、重庆市城口县、广西来宾市金秀瑶族自治县、忻州市神池县、岳阳市华容县、临汾市安泽县、南京市雨花台区、上海市青浦区、吉林市永吉县、西宁市城中区、内江市资中县、内蒙古包头市昆都仑区、益阳市赫山区、平凉市庄浪县 、南充市高坪区、威海市荣成市、广西来宾市合山市、芜湖市鸠江区、周口市沈丘县

本月官方渠道传达政策动向,本月行业报告公开重要信息,龙之谷狂战士：勇闯奇幻世界的传奇英雄，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一配件标准，质量保证无忧

全国服务区域: 内江市隆昌市、南平市光泽县 、内蒙古巴彦淖尔市五原县、南充市阆中市、上饶市鄱阳县、鞍山市岫岩满族自治县、合肥市长丰县、保山市昌宁县、泰安市东平县、上海市金山区、漳州市南靖县、吕梁市兴县、信阳市商城县、苏州市常熟市、汕头市澄海区、万宁市北大镇、韶关市乳源瑶族自治县 、长治市沁县、玉溪市通海县、西安市高陵区、伊春市丰林县、凉山甘洛县、新乡市新乡县、池州市东至县、南充市蓬安县、文昌市潭牛镇、黔西南兴仁市、抚州市乐安县、黔南福泉市、邵阳市新宁县、湘西州凤凰县、天津市蓟州区、东莞市厚街镇、陇南市武都区、广西玉林市福绵区、宁德市古田县、直辖县仙桃市、广西桂林市秀峰区、濮阳市台前县、渭南市富平县、通化市柳河县

专家在线诊断专线:今日行业报告更新新成果,龙之谷狂战士：勇闯奇幻世界的传奇英雄

在广袤的奇幻大陆上，有一个名为龙之谷的世界，这里充满了神秘与冒险。在这片土地上，英雄辈出，而狂战士便是其中一位传奇人物。他勇猛无畏，挥舞着巨剑，斩妖除魔，守护着龙之谷的和平。 狂战士，原名李云飞，来自龙之谷的普通村庄。自幼父母双亡，他肩负起照顾妹妹的重任。为了给妹妹一个美好的未来，他毅然踏上了冒险之路。在漫长的旅途中，他结识了许多志同道合的伙伴，共同闯荡龙之谷。 狂战士拥有着过人的武力和坚韧的意志。他精通剑术，能够驾驭各种武器，无论是巨剑、长枪还是弓箭，都能运用自如。在战斗中，他勇往直前，无所畏惧，成为队伍中的中流砥柱。 在龙之谷，狂战士结识了一位神秘的女子——风语者。她拥有着预知未来的能力，为狂战士指引着前进的方向。风语者告诉狂战士，龙之谷的和平正面临着巨大的危机。邪恶势力企图侵占龙之谷，企图统治整个大陆。为了拯救家园，狂战士决定踏上寻找传说中的圣剑之旅。 圣剑，传闻中拥有着强大的力量，能够击败一切邪恶势力。狂战士和风语者历经千辛万苦，跋山涉水，终于找到了传说中的圣剑。然而，圣剑并非轻易可得。它被邪恶势力设下重重机关，考验着狂战士的勇气和智慧。 在寻找圣剑的过程中，狂战士结识了众多英雄。他们分别来自不同的种族，拥有着各自独特的技能。在狂战士的带领下，这支英雄队伍逐渐壮大，共同对抗邪恶势力。 经过一场惊心动魄的战斗，狂战士终于成功击败了邪恶势力，解救了龙之谷。为了庆祝胜利，狂战士与风语者、伙伴们一起举办了盛大的庆典。在庆典上，狂战士感慨万分：“感谢风语者，感谢我的伙伴们，是你们让我有了战胜邪恶的勇气。” 然而，狂战士并未因此而满足。他深知，邪恶势力并未被彻底消灭，龙之谷的和平依然需要守护。于是，他带领着伙伴们继续踏上征程，保卫龙之谷的安宁。 在狂战士的带领下，龙之谷的勇士们团结一心，勇闯天涯。他们历经磨难，战胜了无数强敌，成为了龙之谷的传奇英雄。而狂战士，更是被誉为“龙之谷狂战士”，成为了后世传颂的传奇。 如今，龙之谷狂战士的故事已经传遍了整个大陆。他勇敢、坚韧、智慧的形象，激励着无数年轻人追求梦想，勇往直前。在龙之谷这片神奇的土地上，狂战士的传奇将继续延续下去。

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。