本月行业报告发布新政策,双男情感纠葛：嗟嗟嗟，痛彻心扉的挣扎

本月研究机构发布新研究成果,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。家电配件订购专线，原厂正品保障

内江市市中区、重庆市綦江区 ，双鸭山市集贤县、大理鹤庆县、迪庆香格里拉市、玉溪市澄江市、抚州市乐安县、肇庆市德庆县、辽源市东丰县、龙岩市上杭县、广安市武胜县、内蒙古兴安盟突泉县、驻马店市西平县、南充市高坪区、邵阳市邵阳县、达州市渠县、广西南宁市良庆区 、鞍山市台安县、咸阳市三原县、德阳市中江县、马鞍山市雨山区、聊城市东昌府区、内蒙古巴彦淖尔市临河区、四平市伊通满族自治县、东莞市厚街镇、德州市德城区、东营市广饶县、曲靖市沾益区、东莞市东坑镇

本周数据平台本月官方渠道公布权威通报,今日行业报告披露最新研究成果,双男情感纠葛：嗟嗟嗟，痛彻心扉的挣扎，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一服务专线，标准化维修流程

濮阳市台前县、太原市小店区 ，盐城市建湖县、襄阳市保康县、大理南涧彝族自治县、锦州市古塔区、广西来宾市象州县、六安市霍山县、丽水市缙云县、济南市商河县、伊春市铁力市、广西桂林市资源县、北京市西城区、漳州市龙海区、珠海市斗门区、南平市浦城县、郑州市新密市 、忻州市原平市、阜新市阜新蒙古族自治县、攀枝花市米易县、眉山市彭山区、三门峡市卢氏县、芜湖市湾沚区、福州市长乐区、温州市永嘉县、梅州市梅江区、宝鸡市太白县、广西南宁市青秀区、德州市禹城市、新余市分宜县、孝感市孝昌县

全球服务区域: 孝感市应城市、岳阳市云溪区 、汕尾市陆河县、景德镇市浮梁县、阜阳市颍州区、岳阳市君山区、海北刚察县、兰州市皋兰县、澄迈县桥头镇、渭南市白水县、巴中市南江县、大理祥云县、台州市玉环市、荆州市洪湖市、北京市石景山区、辽阳市灯塔市、苏州市太仓市 、南平市顺昌县、重庆市九龙坡区、凉山冕宁县、甘孜道孚县、萍乡市莲花县

近日官方渠道传达研究成果,昨日研究机构传递最新成果,双男情感纠葛：嗟嗟嗟，痛彻心扉的挣扎，很高兴为您解答这个问题，让我来帮您详细说明一下：家电问题一键呼叫，客服专员全程跟进

全国服务区域: 万宁市和乐镇、吉安市峡江县 、东营市东营区、三亚市天涯区、西双版纳勐腊县、咸阳市秦都区、六安市舒城县、舟山市嵊泗县、广西百色市右江区、聊城市东阿县、凉山会理市、聊城市高唐县、铜川市印台区、运城市万荣县、汕头市濠江区、丹东市凤城市、黄南同仁市 、韶关市翁源县、漳州市平和县、重庆市黔江区、吉安市遂川县、杭州市拱墅区、西宁市大通回族土族自治县、大连市西岗区、遵义市凤冈县、内蒙古锡林郭勒盟阿巴嘎旗、南充市南部县、朝阳市凌源市、哈尔滨市木兰县、临汾市洪洞县、哈尔滨市尚志市、长春市朝阳区、甘孜康定市、安庆市怀宁县、哈尔滨市依兰县、吕梁市交口县、海西蒙古族都兰县、内蒙古阿拉善盟阿拉善右旗、营口市大石桥市、濮阳市范县、襄阳市襄城区

本周数据平台今日多方媒体透露研究成果:今日行业报告公布最新研究成果,双男情感纠葛：嗟嗟嗟，痛彻心扉的挣扎

在这个纷繁复杂的世界里，爱情总是以各种形态出现，让人难以捉摸。而在这其中，双男之间的情感纠葛更是让人嗟叹不已。嗟嗟嗟，那份痛，仿佛能穿透灵魂，让人痛彻心扉。 故事的主人公，小明（化名）和小刚（化名），是大学时代结识的好友。两人性格互补，相互扶持，度过了许多难忘的时光。然而，随着时间的推移，他们之间的关系逐渐发生了微妙的变化。 小明的内心深处，对小刚有着特殊的情感。他发现自己越来越依赖小刚，甚至开始渴望得到小刚的关心和爱护。而小刚，却似乎对这种关系保持着模糊的态度。他既没有明确拒绝，也没有接受，让小明陷入了深深的迷茫。 每当夜晚降临，小明都会在心中默默祈祷，希望小刚能看穿他的心思。然而，现实却总是残酷的。小刚依旧保持着原有的生活节奏，仿佛小明内心的挣扎对他来说无关紧要。 “嗟嗟嗟，真的很痛。”小明在日记中这样写道。每当夜深人静时，他都会独自一人品味这份痛苦。他开始怀疑自己，是否过于自私地将自己的情感强加于小刚身上。然而，当他试图放下这份感情时，却发现内心的痛楚愈发剧烈。 就在这时，小刚的生活发生了变故。他因为工作原因，不得不离开这座城市。在分别的那一天，小明鼓起勇气，向小刚表达了自己的心意。然而，小刚却选择了沉默。他紧紧地握住小明的手，眼中闪烁着复杂的情感。 “我知道你对我有感情，但我不能给你想要的承诺。”小刚的声音低沉而坚定，“我不想伤害你，也不想让你陷入更深的痛苦。” 小明的心如刀割。他明白，小刚的话虽然残酷，却是他一直以来所期待的答案。他终于放下了心中的执念，微笑着对小刚说：“我明白了，你不用为我担心。我会好好生活，找到属于自己的幸福。” 分别的那一天，小明独自一人走在街头。夜色中，他的背影显得格外孤独。然而，他心中的痛，却逐渐淡去。他明白，这份痛苦，是成长的代价。 时光荏苒，小明和小刚各自开始了新的生活。他们在彼此的世界里，成为了对方最美好的回忆。而那段嗟嗟嗟的痛，也成为了他们心中永远的烙印。 在这个世界上，双男之间的情感纠葛并非罕见。他们或许会痛彻心扉，但只要勇敢面对，总会找到属于自己的幸福。而那些嗟叹不已的日子，终将成为他们人生中最宝贵的财富。

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。