今日官方传达行业研究成果,2024海角最新回家路：穿越时空的温馨旅程

本月行业报告传递重大进展,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。家电调试服务热线，确保最佳使用状态

乐东黎族自治县利国镇、宁夏吴忠市青铜峡市 ，新乡市新乡县、黔南贵定县、齐齐哈尔市铁锋区、东莞市黄江镇、双鸭山市四方台区、武威市民勤县、孝感市大悟县、成都市武侯区、天水市武山县、武汉市蔡甸区、徐州市云龙区、湘潭市岳塘区、广西崇左市凭祥市、雅安市汉源县、龙岩市漳平市 、铁岭市昌图县、抚州市南城县、扬州市广陵区、重庆市长寿区、景德镇市昌江区、上海市徐汇区、伊春市金林区、开封市禹王台区、淮安市金湖县、南昌市南昌县、宣城市绩溪县、兰州市西固区

刚刚决策小组公开重大调整,今日行业报告传递政策更新,2024海角最新回家路：穿越时空的温馨旅程，很高兴为您解答这个问题，让我来帮您详细说明一下：售后咨询服务中心，全时段多渠道服务

攀枝花市西区、中山市五桂山街道 ，马鞍山市花山区、惠州市惠阳区、黄冈市武穴市、三亚市海棠区、内蒙古鄂尔多斯市康巴什区、辽源市龙山区、成都市简阳市、焦作市温县、上海市嘉定区、陵水黎族自治县文罗镇、丹东市宽甸满族自治县、邵阳市武冈市、澄迈县金江镇、张掖市肃南裕固族自治县、三门峡市义马市 、天津市北辰区、咸阳市三原县、遵义市赤水市、东莞市石碣镇、莆田市涵江区、襄阳市襄城区、昌江黎族自治县乌烈镇、凉山美姑县、恩施州巴东县、聊城市东阿县、茂名市茂南区、西安市鄠邑区、三明市沙县区、辽源市龙山区

全球服务区域: 宿州市萧县、玉树称多县 、三门峡市灵宝市、宁夏固原市彭阳县、广州市白云区、内蒙古锡林郭勒盟多伦县、南充市顺庆区、文昌市东阁镇、文昌市潭牛镇、常州市溧阳市、九江市浔阳区、福州市平潭县、福州市闽侯县、宿迁市泗阳县、南阳市镇平县、内蒙古呼伦贝尔市扎赉诺尔区、长春市榆树市 、渭南市华阴市、成都市崇州市、辽源市东辽县、达州市达川区、伊春市金林区

在线维修进度查询,本月行业报告披露新进展,2024海角最新回家路：穿越时空的温馨旅程，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客服热线，系统自动分配订单

全国服务区域: 牡丹江市绥芬河市、晋城市阳城县 、滨州市滨城区、黄冈市英山县、南京市秦淮区、商丘市虞城县、黔西南望谟县、韶关市浈江区、南平市建瓯市、上海市浦东新区、惠州市惠城区、雅安市宝兴县、澄迈县永发镇、绵阳市梓潼县、延边延吉市、临汾市大宁县、滁州市明光市 、德州市禹城市、泸州市龙马潭区、万宁市和乐镇、驻马店市泌阳县、阳江市江城区、九江市永修县、珠海市香洲区、漳州市长泰区、西宁市大通回族土族自治县、辽阳市辽阳县、昆明市五华区、台州市路桥区、内蒙古呼和浩特市武川县、蚌埠市五河县、洛阳市新安县、五指山市南圣、雅安市石棉县、济南市槐荫区、重庆市合川区、常德市武陵区、朝阳市龙城区、广安市邻水县、松原市乾安县、临汾市曲沃县

可视化故障排除专线，实时监测数据:今日官方渠道披露行业动态,2024海角最新回家路：穿越时空的温馨旅程

随着2024年的钟声敲响，我们迎来了一个全新的开始。在这个充满希望和挑战的年份，许多人开始规划自己的旅行计划，而“海角”这个词汇，又成为了无数人心中的向往之地。今天，就让我们一起探寻2024年海角最新回家路，体验一场穿越时空的温馨旅程。 一、海角之美 海角，位于我国最南端，是一个充满神秘色彩的地方。这里山清水秀，风景如画，被誉为“天涯海角”。自古以来，海角就是文人墨客向往之地，许多脍炙人口的诗句都出自于此。2024年，海角的美景更是让人流连忘返。 二、最新回家路 1. 交通便利 2024年，海角交通条件得到了极大改善。高铁、飞机、自驾等多种交通方式均可直达海角，让游客们轻松抵达这片神秘之地。 （1）高铁：从全国各地乘坐高铁到三亚站，再转乘公交或出租车前往海角。 （2）飞机：乘坐飞机抵达三亚凤凰国际机场，再转乘公交或出租车前往海角。 （3）自驾：自驾游爱好者可以选择自驾前往海角，沿途欣赏美景，感受旅途的乐趣。 2. 住宿舒适 2024年，海角周边的住宿条件得到了全面提升。从豪华酒店到特色民宿，游客们可以根据自己的需求选择合适的住宿地点。 （1）豪华酒店：三亚亚特兰蒂斯、三亚海棠湾红树林度假酒店等。 （2）特色民宿：三亚海角七号、三亚天涯海角民宿等。 三、温馨旅程 1. 感受海角风情 在海角，游客们可以漫步在沙滩上，聆听海浪的声音，感受海风拂面的清凉。此外，还可以参观天涯海角景区，领略大自然的鬼斧神工。 2. 品味美食 海角美食独具特色，游客们可以品尝到各种海鲜、热带水果等美食。此外，还可以品尝到海南特色小吃，如椰子鸡、清补凉等。 3. 购物狂欢 海角周边的购物场所琳琅满目，游客们可以购买到各种特色纪念品、工艺品等。此外，还可以在三亚免税店购买到国际品牌的商品。 四、结语 2024年，海角最新回家路已经铺就，等待着游客们的到来。在这个充满希望的新年，让我们一起踏上这场穿越时空的温馨旅程，感受海角之美，留下美好的回忆。

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。