今日相关部门发布重磅报告,欧美一卡2卡3卡4卡乱象：揭秘信用卡消费背后的风险

本周行业报告披露行业新动态,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。家电安装服务热线，专业团队上门

吉林市龙潭区、广西百色市德保县 ，珠海市斗门区、万宁市南桥镇、红河绿春县、广西河池市东兰县、朔州市应县、双鸭山市四方台区、河源市源城区、南平市顺昌县、九江市湖口县、衡阳市南岳区、许昌市建安区、毕节市金沙县、佳木斯市同江市、贵阳市息烽县、云浮市罗定市 、儋州市新州镇、盐城市盐都区、宜宾市高县、阜新市阜新蒙古族自治县、大庆市红岗区、泉州市鲤城区、中山市横栏镇、揭阳市揭西县、杭州市萧山区、荆州市公安县、鹰潭市余江区、沈阳市大东区

刚刚监管中心披露最新规定,今日研究机构传递行业研究成果,欧美一卡2卡3卡4卡乱象：揭秘信用卡消费背后的风险，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化服务派单，精准对接维修需求

焦作市温县、儋州市木棠镇 ，上饶市玉山县、达州市宣汉县、果洛甘德县、齐齐哈尔市建华区、内蒙古巴彦淖尔市磴口县、十堰市竹山县、陵水黎族自治县新村镇、金华市义乌市、汕头市潮南区、北京市平谷区、海口市琼山区、盐城市大丰区、广西玉林市福绵区、永州市冷水滩区、广西桂林市荔浦市 、三亚市吉阳区、哈尔滨市道外区、松原市扶余市、黄石市西塞山区、延边延吉市、澄迈县永发镇、鄂州市梁子湖区、平顶山市鲁山县、安康市镇坪县、青岛市即墨区、开封市祥符区、绵阳市安州区、湖州市吴兴区、广西贵港市平南县

全球服务区域: 开封市鼓楼区、安顺市西秀区 、合肥市瑶海区、丽水市青田县、南充市高坪区、白沙黎族自治县青松乡、安庆市桐城市、益阳市资阳区、阳泉市城区、南充市南部县、阜新市阜新蒙古族自治县、盐城市大丰区、广西桂林市叠彩区、长沙市开福区、孝感市云梦县、海东市乐都区、临夏东乡族自治县 、铁岭市清河区、四平市铁东区、延边汪清县、黄冈市蕲春县、大同市左云县

刚刚信息部门通报重大更新,本周官方披露新研究成果,欧美一卡2卡3卡4卡乱象：揭秘信用卡消费背后的风险，很高兴为您解答这个问题，让我来帮您详细说明一下：家电操作教学专线，新手快速上手

全国服务区域: 洛阳市孟津区、延安市安塞区 、上饶市余干县、焦作市武陟县、连云港市赣榆区、韶关市翁源县、聊城市临清市、朔州市右玉县、宣城市宣州区、红河建水县、文昌市潭牛镇、乐山市沙湾区、海东市民和回族土族自治县、哈尔滨市依兰县、焦作市沁阳市、铜仁市沿河土家族自治县、长春市榆树市 、辽源市东辽县、安顺市西秀区、聊城市阳谷县、抚州市宜黄县、晋中市昔阳县、安庆市宿松县、曲靖市麒麟区、重庆市忠县、衡阳市石鼓区、三明市沙县区、孝感市孝南区、宜昌市秭归县、内蒙古兴安盟乌兰浩特市、九江市彭泽县、广安市岳池县、广西梧州市长洲区、德州市宁津县、岳阳市君山区、定安县黄竹镇、滁州市南谯区、中山市横栏镇、安庆市桐城市、中山市横栏镇、广州市白云区

专家技术支援专线:本周官方渠道传达新成果,欧美一卡2卡3卡4卡乱象：揭秘信用卡消费背后的风险

随着我国经济的快速发展，信用卡已经成为人们日常生活中不可或缺的支付工具。然而，在欧美等发达国家，信用卡乱象频发，一卡、二卡、三卡、四卡现象层出不穷，给消费者和金融机构带来了诸多困扰。本文将揭秘信用卡消费背后的风险，提醒消费者理性使用信用卡。 一、一卡多卡现象 在欧美国家，一卡多卡现象十分普遍。许多消费者同时持有多个信用卡，甚至多达四五个。这种现象一方面源于信用卡消费的便利性，另一方面则与信用卡促销活动有关。银行为了争夺市场份额，纷纷推出各种优惠活动，吸引消费者办理信用卡。消费者在享受优惠的同时，也陷入了信用卡的泥潭。 二、二卡三卡现象 二卡三卡现象是指消费者在办理信用卡时，由于对信用卡了解不足，盲目跟风，导致信用卡数量过多。一方面，信用卡过多容易导致还款压力增大，逾期还款现象增多；另一方面，信用卡过多也容易导致个人信息泄露，给消费者带来安全隐患。 三、四卡乱象 四卡乱象是指消费者在信用卡消费时，过度依赖信用卡，导致负债累累。一些消费者为了追求高消费，不惜透支信用卡，甚至使用信用卡套现。这种过度消费行为，不仅给消费者自身带来经济负担，还可能引发一系列社会问题。 四、信用卡消费背后的风险 1. 信用卡逾期还款风险：信用卡逾期还款会产生滞纳金、利息等额外费用，严重时还会影响个人信用记录。 2. 信用卡套现风险：信用卡套现属于违法行为，一旦被查处，将面临法律责任。 3. 个人信息安全风险：信用卡信息泄露可能导致盗刷、诈骗等犯罪行为。 4. 负债风险：过度依赖信用卡消费，容易导致负债累累，甚至陷入“卡奴”困境。 五、如何理性使用信用卡 1. 了解信用卡知识：消费者在办理信用卡前，应充分了解信用卡的相关知识，包括利率、手续费、还款方式等。 2. 合理规划消费：消费者应根据自身经济状况，合理安排消费，避免过度消费。 3. 重视还款：按时还款是维护个人信用记录的关键，消费者应养成良好的还款习惯。 4. 保管好信用卡信息：消费者应妥善保管信用卡信息，避免信息泄露。 总之，信用卡作为一种便捷的支付工具，在给人们带来便利的同时，也存在着诸多风险。消费者在使用信用卡时，应保持理性，避免陷入信用卡乱象。同时，金融机构也应加强监管，共同维护信用卡市场的健康发展。

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。