本周行业报告传递重大进展,探索N78：一款引领未来的智能设备

本月行业报告披露重大进展,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。专业售后服务中心，技术团队随时支援

常德市津市市、重庆市云阳县 ，商丘市睢县、黔东南岑巩县、湘西州凤凰县、菏泽市成武县、洛阳市栾川县、泰安市肥城市、内蒙古呼和浩特市和林格尔县、宁夏银川市兴庆区、汉中市留坝县、韶关市仁化县、文昌市重兴镇、张家界市武陵源区、丽水市缙云县、玉溪市红塔区、新余市分宜县 、内蒙古包头市东河区、内蒙古鄂尔多斯市鄂托克旗、阜阳市颍州区、蚌埠市禹会区、内蒙古包头市石拐区、温州市泰顺县、葫芦岛市南票区、杭州市建德市、泉州市洛江区、菏泽市牡丹区、南阳市内乡县、宣城市旌德县

本周数据平台近期行业报告发布政策动向,本月行业报告公开研究成果,探索N78：一款引领未来的智能设备，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

抚州市黎川县、巴中市南江县 ，泸州市古蔺县、洛阳市老城区、泸州市古蔺县、宿州市萧县、广元市利州区、信阳市淮滨县、西安市长安区、锦州市义县、双鸭山市岭东区、南平市顺昌县、广西来宾市合山市、宣城市郎溪县、晋中市左权县、乐东黎族自治县千家镇、临汾市乡宁县 、西安市未央区、文山广南县、宿州市萧县、三明市尤溪县、亳州市谯城区、宁夏银川市兴庆区、台州市天台县、内蒙古呼伦贝尔市扎赉诺尔区、邵阳市武冈市、鞍山市铁东区、无锡市宜兴市、遂宁市安居区、安康市紫阳县、白沙黎族自治县金波乡

全球服务区域: 德宏傣族景颇族自治州瑞丽市、忻州市岢岚县 、潍坊市坊子区、宁夏银川市灵武市、清远市清新区、万宁市和乐镇、怀化市靖州苗族侗族自治县、吕梁市交口县、广西来宾市忻城县、衢州市开化县、扬州市高邮市、广西柳州市融安县、洛阳市汝阳县、文昌市铺前镇、大理鹤庆县、南通市如皋市、东莞市石碣镇 、荆门市东宝区、陵水黎族自治县三才镇、益阳市桃江县、淄博市淄川区、儋州市光村镇

作为国家高新技术企业认证平台,本月行业报告发布新动态,探索N78：一款引领未来的智能设备，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务热线，专业团队保障质量

全国服务区域: 丽水市缙云县、滁州市明光市 、黔东南台江县、安康市紫阳县、宿迁市宿城区、济南市莱芜区、伊春市铁力市、本溪市溪湖区、丽江市古城区、达州市宣汉县、铜仁市德江县、汉中市南郑区、内蒙古鄂尔多斯市鄂托克前旗、无锡市宜兴市、菏泽市单县、昭通市昭阳区、黔东南黎平县 、长治市潞城区、广西贵港市港南区、广安市邻水县、昭通市威信县、商丘市宁陵县、内蒙古赤峰市红山区、烟台市栖霞市、文山麻栗坡县、凉山金阳县、文山广南县、广西柳州市融水苗族自治县、济宁市任城区、巴中市南江县、聊城市茌平区、天水市清水县、定安县龙湖镇、广安市岳池县、南阳市宛城区、九江市永修县、凉山宁南县、阳江市阳东区、儋州市兰洋镇、南京市江宁区、琼海市会山镇

可视化故障排除专线，实时监测数据:今日监管部门公开新进展,探索N78：一款引领未来的智能设备

在科技日新月异的今天，智能设备已经深入到我们生活的方方面面。而N78，作为一款备受瞩目的智能设备，无疑成为了人们关注的焦点。那么，N78究竟有何独特之处，能够引领未来呢？ 首先，N78在硬件配置上堪称顶级。它采用了最新的处理器，运行速度快，功耗低，能够为用户带来流畅的使用体验。此外，N78的屏幕采用了先进的OLED技术，显示效果细腻，色彩鲜艳，无论是观看视频还是浏览图片，都能呈现出令人惊艳的画面。 其次，N78在操作系统方面也颇具特色。它采用了自主研发的操作系统，兼容性强，能够满足用户多样化的需求。同时，N78还支持多种智能交互方式，如语音识别、手势控制等，让用户在使用过程中更加便捷。 在功能方面，N78同样表现出色。它集成了多种实用功能，如健康监测、智能家居控制、移动支付等，为用户提供了全方位的生活服务。例如，N78的健康监测功能可以实时监测用户的血压、心率等生理指标，为用户的健康保驾护航。 值得一提的是，N78在安全性方面也做到了极致。它采用了多重安全防护措施，如指纹识别、面部识别等，确保用户隐私和数据安全。此外，N78还支持远程锁定、数据备份等功能，让用户在使用过程中更加放心。 在设计和外观方面，N78同样独具匠心。它采用了流线型的设计，线条流畅，手感舒适。同时，N78还提供了多种颜色选择，满足不同用户的需求。此外，N78的电池续航能力也非常出色，可以满足用户一整天的使用需求。 随着5G时代的到来，N78在通信方面也具备了强大的优势。它支持5G网络，下载速度更快，网络连接更加稳定。这使得N78在处理大数据、高清视频等方面具有更高的性能。 当然，N78的成功离不开其强大的生态系统。它不仅与多家知名企业建立了合作关系，还积极推动开发者生态的建设，为用户提供丰富的应用和服务。这使得N78在智能设备市场中具有更高的竞争力。 总之，N78作为一款引领未来的智能设备，凭借其出色的硬件配置、丰富的功能、独特的设计以及强大的生态系统，赢得了广大用户的青睐。在未来，我们有理由相信，N78将继续引领智能设备的发展潮流，为我们的生活带来更多便利和惊喜。

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。