本周监管部门发布重大研究成果,“是不是男的都吃过女朋友的小兔兔”：揭秘网络流行语的背后含义

本周监管部门公布行业动态,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。全国统一配件标准，质量保证无忧

乐东黎族自治县抱由镇、阿坝藏族羌族自治州茂县 ，无锡市江阴市、定安县龙门镇、广西百色市德保县、万宁市和乐镇、广西防城港市东兴市、铜仁市德江县、贵阳市观山湖区、临夏永靖县、绵阳市江油市、淄博市博山区、福州市连江县、上海市松江区、榆林市神木市、洛阳市老城区、苏州市常熟市 、日照市岚山区、东营市利津县、晋中市祁县、广西玉林市容县、福州市连江县、广元市旺苍县、乐东黎族自治县志仲镇、南阳市南召县、宜昌市点军区、东营市东营区、嘉兴市秀洲区、德宏傣族景颇族自治州陇川县

本周数据平台最新官方渠道传来研究成果,本周行业协会发布新报告,“是不是男的都吃过女朋友的小兔兔”：揭秘网络流行语的背后含义，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修保障热线，售后90天质保

扬州市邗江区、随州市随县 ，徐州市铜山区、雅安市汉源县、海东市平安区、玉树称多县、亳州市蒙城县、天津市和平区、黄山市黄山区、佳木斯市同江市、临汾市曲沃县、青岛市即墨区、琼海市龙江镇、云浮市郁南县、内蒙古呼伦贝尔市满洲里市、郑州市新密市、宁夏银川市兴庆区 、张掖市山丹县、九江市瑞昌市、绥化市望奎县、朝阳市北票市、广西钦州市钦南区、内蒙古巴彦淖尔市临河区、内蒙古呼伦贝尔市根河市、烟台市蓬莱区、重庆市大渡口区、哈尔滨市呼兰区、泸州市叙永县、赣州市定南县、台州市临海市、新乡市获嘉县

全球服务区域: 重庆市奉节县、绍兴市柯桥区 、十堰市郧西县、宜宾市筠连县、广元市利州区、广州市黄埔区、清远市连州市、本溪市南芬区、南阳市新野县、郴州市资兴市、朔州市朔城区、临汾市吉县、宁夏吴忠市青铜峡市、内蒙古阿拉善盟阿拉善右旗、乐山市峨眉山市、金华市金东区、西安市新城区 、北京市朝阳区、伊春市汤旺县、萍乡市上栗县、阜阳市颍泉区、韶关市南雄市

可视化操作指导热线,昨日行业报告发布行业动态,“是不是男的都吃过女朋友的小兔兔”：揭秘网络流行语的背后含义，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用教学专线，新手快速入门指导

全国服务区域: 南充市蓬安县、酒泉市阿克塞哈萨克族自治县 、宿迁市沭阳县、河源市东源县、凉山木里藏族自治县、陇南市礼县、本溪市南芬区、澄迈县仁兴镇、温州市鹿城区、阜新市细河区、牡丹江市东宁市、武汉市东西湖区、湘潭市雨湖区、琼海市博鳌镇、西宁市城北区、东方市江边乡、重庆市铜梁区 、广西柳州市柳北区、长春市宽城区、广西柳州市柳江区、齐齐哈尔市富拉尔基区、三明市沙县区、常德市武陵区、宜春市宜丰县、海北刚察县、大庆市萨尔图区、太原市迎泽区、滨州市无棣县、忻州市原平市、上海市宝山区、菏泽市郓城县、潍坊市诸城市、黄冈市黄梅县、文昌市东阁镇、重庆市綦江区、乐山市金口河区、临汾市洪洞县、佛山市高明区、黑河市爱辉区、迪庆香格里拉市、南昌市新建区

刚刚科研委员会公布突破成果:昨日行业协会传递新研究成果,“是不是男的都吃过女朋友的小兔兔”：揭秘网络流行语的背后含义

在互联网时代，流行语层出不穷，它们往往能迅速在网络上传播，成为人们茶余饭后的谈资。近期，一句“是不是男的都吃过女朋友的小兔兔”在网络上引起了广泛关注。这句话看似荒诞不经，实则背后隐藏着丰富的社会文化内涵。 首先，这句话的表面意思是调侃男性在恋爱过程中是否都尝试过与女朋友的亲密接触。然而，这句话的流行并非偶然，而是反映了当代年轻人对爱情、性观念的探讨和反思。 在传统观念中，性是一个敏感而私密的话题，往往被束之高阁。然而，随着社会的发展，人们的性观念逐渐开放，性教育也逐渐普及。这句话的流行，一方面体现了年轻人对性话题的接受程度，另一方面也反映了他们对爱情的理解。 从这句话中，我们可以看到几个方面的社会现象： 1. 性观念的开放：在现代社会，人们对于性的认识越来越开放，不再将其视为禁忌。这句话的流行，说明年轻人对于性话题的接受程度已经达到了一定程度。 2. 恋爱观念的变化：这句话中的“女朋友的小兔兔”，实际上是对女性私密部位的戏称。这种称呼在网络上广泛流传，说明当代年轻人对于恋爱关系的看法已经发生了变化，不再拘泥于传统的恋爱模式。 3. 互联网文化的传播：这句话的流行，离不开互联网的传播。在互联网时代，信息传播速度极快，一句话、一张图、一个视频都能迅速走红。这也反映了互联网文化的影响力。 然而，这句话的流行也引发了一些争议。有人认为，这句话过于直白，有失尊重；还有人认为，这句话容易引发误解，误导人们对性观念的理解。对此，我们应该理性看待。 首先，这句话的流行并不意味着所有男性都经历过与女朋友的亲密接触。它只是一种网络调侃，不具有普遍性。 其次，在讨论性话题时，我们应该尊重对方，避免使用过于直白、不尊重的语言。同时，我们也要正确理解性观念，避免陷入误区。 总之，“是不是男的都吃过女朋友的小兔兔”这句话的流行，反映了当代年轻人对性观念、恋爱观念的探讨。在享受互联网带来的便利的同时，我们也要理性看待网络流行语，避免被误导。在爱情的道路上，尊重、理解和沟通才是最重要的。

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。