近日研究机构发布重磅研究成果,探寻神秘的自然奇观：又白又大的两座峰

昨日行业协会传递重大研究成果,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。维修服务呼叫中心，智能工单自动分配

广西崇左市龙州县、杭州市江干区 ，宁波市镇海区、成都市金堂县、宝鸡市陈仓区、忻州市五台县、广西柳州市城中区、沈阳市新民市、宁夏石嘴山市惠农区、抚州市崇仁县、宝鸡市眉县、宁夏固原市原州区、云浮市罗定市、广西南宁市良庆区、贵阳市南明区、昭通市彝良县、哈尔滨市松北区 、泉州市金门县、滨州市滨城区、酒泉市肃北蒙古族自治县、绥化市海伦市、辽源市龙山区、琼海市会山镇、宁夏固原市彭阳县、滁州市全椒县、郴州市宜章县、陇南市武都区、惠州市惠东县、南充市阆中市

本周数据平台最新研究机构传出新变化,本周官方更新行业通报,探寻神秘的自然奇观：又白又大的两座峰，很高兴为您解答这个问题，让我来帮您详细说明一下：家电保养记录查询，完整服务历史追溯

聊城市茌平区、荆州市监利市 ，白沙黎族自治县金波乡、泰州市靖江市、六盘水市钟山区、广元市青川县、吉安市峡江县、漳州市漳浦县、六盘水市六枝特区、黔南平塘县、黄冈市黄州区、宁夏吴忠市青铜峡市、玉溪市红塔区、内蒙古呼伦贝尔市牙克石市、怀化市新晃侗族自治县、延安市宜川县、琼海市石壁镇 、临高县新盈镇、福州市长乐区、鸡西市滴道区、兰州市皋兰县、成都市青羊区、徐州市鼓楼区、昌江黎族自治县七叉镇、咸阳市杨陵区、赣州市上犹县、淮南市潘集区、烟台市蓬莱区、衡阳市石鼓区、海南贵德县、内蒙古阿拉善盟阿拉善右旗

全球服务区域: 天津市西青区、东莞市石龙镇 、金华市永康市、汕尾市陆丰市、咸阳市乾县、东莞市桥头镇、中山市板芙镇、信阳市光山县、临沧市云县、文昌市翁田镇、临汾市汾西县、怒江傈僳族自治州福贡县、宁波市慈溪市、连云港市连云区、九江市濂溪区、沈阳市沈河区、临汾市永和县 、黔东南雷山县、延安市宝塔区、泸州市龙马潭区、南京市溧水区、庆阳市宁县

近日监测部门公开,本月行业报告公开新政策,探寻神秘的自然奇观：又白又大的两座峰，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修专属热线，24小时在线待命

全国服务区域: 佳木斯市抚远市、东莞市中堂镇 、郴州市汝城县、开封市顺河回族区、绍兴市新昌县、宿州市埇桥区、怒江傈僳族自治州福贡县、临夏广河县、吕梁市文水县、长治市平顺县、梅州市蕉岭县、南充市仪陇县、果洛久治县、南充市南部县、东莞市高埗镇、遵义市桐梓县、内蒙古阿拉善盟阿拉善左旗 、内蒙古兴安盟科尔沁右翼中旗、宜昌市猇亭区、金华市浦江县、淮南市寿县、昭通市绥江县、佛山市高明区、邵阳市大祥区、成都市邛崃市、凉山美姑县、黄山市歙县、运城市河津市、南京市栖霞区、新乡市辉县市、广西南宁市横州市、赣州市崇义县、佛山市南海区、长治市长子县、甘孜稻城县、内蒙古呼和浩特市托克托县、内蒙古巴彦淖尔市乌拉特后旗、鸡西市密山市、成都市简阳市、广西北海市银海区、萍乡市上栗县

本周数据平台最新研究机构传出新变化:今日行业协会传达研究成果,探寻神秘的自然奇观：又白又大的两座峰

在我国广袤的疆域中，蕴藏着无数的自然奇观。其中，有一对又白又大的山峰，犹如两颗璀璨的明珠，静静地镶嵌在群山之中，吸引着无数探险者和摄影爱好者前来一睹其风采。这两座山峰，分别位于我国西南部的云南省和四川省交界处，它们的名字分别是玉龙雪山和四姑娘山。 玉龙雪山，位于云南省丽江市，是著名的旅游胜地。这座山峰海拔5596米，是云南省的第一高峰。玉龙雪山的主峰，被称为“玉龙雪顶”，因其又白又大的特点，被誉为“雪山的皇后”。站在山脚下，仰望玉龙雪山，仿佛置身于一个银装素裹的世界。山上的积雪终年不化，阳光照射下，闪耀着耀眼的光芒，宛如一条银龙蜿蜒于天地之间。 四姑娘山，位于四川省阿坝藏族羌族自治州小金县，是国家级风景名胜区。四姑娘山由四座山峰组成，分别是大姑娘山、二姑娘山、三姑娘山和四姑娘山。其中，四姑娘山海拔6250米，是四座山峰中最高的一座。四姑娘山因其又白又大的特点，被誉为“东方阿尔卑斯”。四姑娘山的山峰形态各异，有的像少女的秀发，有的像雄鹰展翅，美不胜收。 这两座又白又大的山峰，不仅具有极高的观赏价值，还蕴含着丰富的文化内涵。在古代，玉龙雪山和四姑娘山都是神灵的居所。在纳西族和藏族民间传说中，玉龙雪山是纳西族祖先的发源地，四姑娘山则是藏族女神的化身。每年，都有成千上万的信徒前来这两座山峰朝圣，祈求神灵的庇佑。 近年来，随着旅游业的不断发展，玉龙雪山和四姑娘山逐渐成为了国内外游客的热门旅游目的地。游客们可以在这里欣赏到壮丽的自然风光，体验独特的民族风情，还可以参与各种户外运动，如登山、徒步、摄影等。 在登山过程中，游客们可以感受到大自然的神奇魅力。登上玉龙雪山，可以俯瞰整个丽江古城，感受“家家流水、户户垂杨”的美丽景色。登上四姑娘山，可以领略到“蜀山之王”的风采，感受大自然的雄伟壮观。 此外，玉龙雪山和四姑娘山还是动植物的宝库。这里生长着许多珍稀植物，如高山杜鹃、雪莲等；栖息着许多珍稀动物，如金丝猴、雪豹等。这些动植物为这两座山峰增添了无穷的魅力。 总之，又白又大的玉龙雪山和四姑娘山，是大自然赐予我们的宝贵财富。它们不仅展现了大自然的神奇魅力，还承载着丰富的文化内涵。让我们共同珍惜这片美丽的土地，保护好这些珍贵的自然资源，让后人也能欣赏到这壮丽的自然奇观。

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。