今日国家机构发布重要动态,独自在家，畅游M世界的奇妙冒险之旅

昨日监管部门公布最新动态,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。全国联保售后电话，服务有保障

东莞市长安镇、宣城市宣州区 ，江门市蓬江区、太原市杏花岭区、海北门源回族自治县、福州市永泰县、潍坊市高密市、临沂市蒙阴县、台州市路桥区、重庆市彭水苗族土家族自治县、东莞市东城街道、佳木斯市同江市、绥化市兰西县、攀枝花市仁和区、巴中市巴州区、伊春市丰林县、临高县南宝镇 、内蒙古鄂尔多斯市准格尔旗、吉林市永吉县、西宁市城东区、内蒙古兴安盟突泉县、临沂市莒南县、景德镇市昌江区、宁夏固原市彭阳县、保山市昌宁县、白沙黎族自治县细水乡、成都市双流区、抚州市乐安县、湘西州凤凰县

近日监测部门传出异常警报,今日官方渠道传递行业新研究成果,独自在家，畅游M世界的奇妙冒险之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化维保平台，智能管理维护周期

双鸭山市宝清县、海口市秀英区 ，通化市柳河县、重庆市开州区、定安县黄竹镇、商洛市山阳县、遵义市仁怀市、保山市腾冲市、中山市古镇镇、菏泽市牡丹区、南昌市南昌县、哈尔滨市阿城区、昭通市绥江县、遵义市仁怀市、惠州市惠阳区、上海市黄浦区、黑河市五大连池市 、重庆市大足区、荆州市监利市、海口市秀英区、三明市将乐县、宜昌市秭归县、海北刚察县、云浮市云安区、延边图们市、临汾市古县、襄阳市樊城区、岳阳市君山区、嘉兴市桐乡市、许昌市建安区、新乡市获嘉县

全球服务区域: 潮州市湘桥区、福州市马尾区 、衢州市龙游县、普洱市西盟佤族自治县、梅州市蕉岭县、吉安市峡江县、咸宁市赤壁市、太原市万柏林区、萍乡市芦溪县、济南市平阴县、深圳市福田区、临沧市凤庆县、双鸭山市饶河县、泉州市金门县、文昌市东阁镇、阿坝藏族羌族自治州茂县、黄石市阳新县 、重庆市巫山县、开封市兰考县、开封市兰考县、广西崇左市天等县、渭南市华阴市

官方技术支援专线,昨日相关部门发布新政策动态,独自在家，畅游M世界的奇妙冒险之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化监督平台，智能优化服务质量

全国服务区域: 襄阳市襄州区、安阳市安阳县 、扬州市江都区、东莞市长安镇、万宁市山根镇、宜昌市五峰土家族自治县、广安市前锋区、衢州市衢江区、长春市德惠市、赣州市寻乌县、铜仁市印江县、上饶市玉山县、甘孜九龙县、儋州市东成镇、延安市黄陵县、随州市广水市、营口市站前区 、汕头市龙湖区、黄石市铁山区、株洲市炎陵县、万宁市山根镇、贵阳市修文县、澄迈县永发镇、广州市越秀区、岳阳市岳阳县、佛山市高明区、天津市河东区、鄂州市华容区、南充市仪陇县、沈阳市新民市、郑州市新郑市、雅安市石棉县、商洛市山阳县、漯河市郾城区、蚌埠市五河县、资阳市雁江区、武汉市青山区、内蒙古呼和浩特市新城区、阿坝藏族羌族自治州茂县、自贡市富顺县、泸州市叙永县

本周数据平台稍早前行业报告:今日官方传递政策更新,独自在家，畅游M世界的奇妙冒险之旅

在这个信息爆炸的时代，电子游戏成为了许多人休闲娱乐的首选。M任务，一款深受玩家喜爱的冒险游戏，以其丰富的剧情、精美的画面和独特的玩法，吸引了无数玩家的目光。当一个人在家，如何才能玩好M任务，享受这段奇妙的冒险之旅呢？以下是一些建议，帮助你更好地体验M任务的世界。 一、熟悉游戏背景与设定 在开始游戏之前，了解M任务的世界观、角色设定和游戏规则至关重要。通过阅读游戏攻略、观看教学视频等方式，你可以快速掌握游戏的基本操作和玩法。此外，熟悉游戏背景故事，有助于你在游戏中更好地融入角色，体验沉浸式的冒险之旅。 二、制定游戏计划 独自在家玩游戏，时间管理尤为重要。制定一个合理的游戏计划，可以帮助你合理安排时间，避免沉迷。以下是一些建议： 1. 设定每日游戏时间：根据自己的时间安排，设定每天的游戏时间，如晚上7点到9点。 2. 分阶段完成任务：将游戏任务分解为若干个小目标，逐步完成，避免一次性完成过多任务导致疲劳。 3. 合理分配资源：在游戏中，合理分配资源，如金币、装备等，有助于提高游戏体验。 三、结交游戏好友 虽然独自在家玩游戏很惬意，但与好友一起游戏更能增添乐趣。在M任务中，你可以通过以下方式结交游戏好友： 1. 加入游戏公会：加入一个活跃的公会，与公会成员一起组队完成任务、参加活动。 2. 参加游戏活动：积极参与游戏中的各种活动，结识志同道合的玩家。 3. 利用游戏社交功能：通过游戏内的聊天、好友系统等功能，与玩家互动。 四、提升游戏技巧 在M任务中，提升游戏技巧是提高游戏体验的关键。以下是一些建议： 1. 学习操作技巧：通过观看教学视频、请教高手等方式，掌握游戏操作技巧。 2. 熟悉游戏装备：了解各种装备的属性和作用，合理搭配装备。 3. 提高战斗能力：通过提升角色等级、学习技能等方式，提高战斗能力。 五、保持良好的游戏心态 独自在家玩游戏，容易产生孤独感。保持良好的游戏心态，有助于你更好地享受游戏。以下是一些建议： 1. 保持乐观心态：遇到困难时，保持乐观心态，相信自己能够克服。 2. 学会放松：在游戏中适当休息，避免长时间沉迷。 3. 适度游戏：合理安排时间，避免过度沉迷游戏，影响生活。 总之，一个人在家玩M任务，只要掌握好游戏技巧、合理安排时间、结交好友，你就能在M世界的冒险之旅中收获满满的快乐。让我们一起踏上这段奇妙的旅程吧！

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。