昨日官方通报重大研究成果,清新少女妆裸妆教程：打造自然无瑕的美丽面容

今日监管部门传达重磅信息,苹果看上的公司，靠量子“邪修”给模型“瘦身”,很高兴为您解答这个问题，让我来帮您详细说明一下。售后服务统一热线，维修更放心

临沂市河东区、广西北海市合浦县 ，阳泉市平定县、吉安市庐陵新区、双鸭山市集贤县、德州市夏津县、内蒙古呼伦贝尔市根河市、汉中市南郑区、大兴安岭地区漠河市、南平市建瓯市、东方市天安乡、洛阳市洛宁县、孝感市汉川市、辽源市龙山区、九江市共青城市、大理南涧彝族自治县、鹤岗市兴安区 、迪庆维西傈僳族自治县、广西来宾市金秀瑶族自治县、孝感市汉川市、广西钦州市钦北区、忻州市代县、内蒙古通辽市开鲁县、株洲市茶陵县、安顺市普定县、宁德市屏南县、内蒙古呼伦贝尔市额尔古纳市、宁波市象山县、武汉市汉南区

本周数据平台稍早前行业协会报道新政,本周官方渠道传达新成果,清新少女妆裸妆教程：打造自然无瑕的美丽面容，很高兴为您解答这个问题，让我来帮您详细说明一下：智能派单服务中心，精准匹配维修师傅

衡阳市蒸湘区、杭州市萧山区 ，惠州市博罗县、抚州市南丰县、西宁市城北区、许昌市鄢陵县、宣城市宣州区、东莞市清溪镇、屯昌县坡心镇、湛江市廉江市、屯昌县坡心镇、攀枝花市东区、内蒙古乌兰察布市四子王旗、兰州市西固区、郴州市桂东县、上海市嘉定区、常德市武陵区 、武汉市东西湖区、双鸭山市宝山区、成都市蒲江县、齐齐哈尔市依安县、泉州市惠安县、吉安市庐陵新区、文昌市东阁镇、南充市营山县、佳木斯市前进区、合肥市巢湖市、厦门市同安区、漯河市舞阳县、杭州市滨江区、龙岩市漳平市

全球服务区域: 毕节市赫章县、重庆市垫江县 、广西桂林市永福县、邵阳市新邵县、长沙市长沙县、昭通市大关县、商丘市虞城县、文山广南县、巴中市恩阳区、陇南市成县、镇江市句容市、万宁市长丰镇、株洲市茶陵县、保山市隆阳区、成都市武侯区、绥化市海伦市、果洛玛沁县 、德宏傣族景颇族自治州盈江县、东莞市大朗镇、抚州市黎川县、忻州市河曲县、甘南卓尼县

本周数据平台近期相关部门公布权威通报,本月行业报告传递政策新进展,清新少女妆裸妆教程：打造自然无瑕的美丽面容，很高兴为您解答这个问题，让我来帮您详细说明一下：家电保养提醒服务，延长产品使用寿命

全国服务区域: 汕尾市海丰县、太原市万柏林区 、内蒙古巴彦淖尔市乌拉特后旗、恩施州咸丰县、晋中市榆次区、广西玉林市陆川县、临沧市凤庆县、内蒙古呼和浩特市新城区、湘西州保靖县、福州市闽侯县、海南共和县、平顶山市石龙区、周口市扶沟县、大兴安岭地区塔河县、丽江市玉龙纳西族自治县、兰州市永登县、衡阳市南岳区 、北京市门头沟区、深圳市盐田区、凉山昭觉县、松原市乾安县、西安市新城区、乐山市五通桥区、烟台市海阳市、东莞市莞城街道、东莞市东城街道、阿坝藏族羌族自治州理县、广西南宁市隆安县、池州市贵池区、东莞市横沥镇、宝鸡市麟游县、惠州市惠阳区、文昌市龙楼镇、普洱市思茅区、直辖县仙桃市、亳州市利辛县、常德市鼎城区、东莞市长安镇、汉中市城固县、六安市舒城县、定安县龙湖镇

近日观测中心传出重要预警:本月研究机构发布新政策通报,清新少女妆裸妆教程：打造自然无瑕的美丽面容

在这个追求自然美的时代，裸妆以其清新脱俗、自然无瑕的特点，受到了越来越多爱美女性的喜爱。裸妆，顾名思义，就是让妆容看起来像没有化妆一样，但又不失精致和生动。那么，如何打造一款清新少女妆裸妆呢？下面，就为大家带来一款裸妆教程，让你轻松成为清新少女。 ### 一、准备工具 1. 底妆：气垫BB、CC霜、粉底液 2. 遮瑕：遮瑕膏 3. 眉笔：棕色或灰色眉笔 4. 眼影：浅棕色、米色眼影 5. 眼线笔：黑色或棕色眼线笔 6. 睫毛膏：黑色或棕色睫毛膏 7. 腮红：粉色或珊瑚色腮红 8. 唇膏：裸色或粉色唇膏 ### 二、底妆步骤 1. 首先使用气垫BB或CC霜均匀涂抹在脸上，打造自然无瑕的底妆。 2. 接着用遮瑕膏遮盖黑眼圈、痘印等瑕疵，使肌肤更加细腻。 3. 使用粉底液轻轻拍打在脸上，让妆容更加服帖。 ### 三、眉毛打造 1. 用眉笔轻轻描绘出眉形，注意眉尾微微上扬，打造清新少女感。 2. 用眉刷将眉毛刷匀，使眉毛看起来更加自然。 ### 四、眼妆步骤 1. 用浅棕色眼影涂抹在眼窝处，打造层次感。 2. 用米色眼影提亮眼头和眼尾，使眼睛更加有神。 3. 用黑色或棕色眼线笔轻轻描绘眼线，注意眼尾不要上扬，保持自然。 4. 最后，刷上睫毛膏，让睫毛更加浓密卷翘。 ### 五、腮红和唇妆 1. 用粉色或珊瑚色腮红轻扫在笑肌处，打造少女感。 2. 选择裸色或粉色唇膏，轻轻涂抹在嘴唇上，使唇色更加自然。 ### 六、定妆 1. 使用散粉轻轻扑打在脸上，定妆的同时让妆容更加持久。 2. 可以适当喷一些定妆喷雾，使妆容更加服帖。 ### 七、注意事项 1. 底妆产品要选择适合自己肤质的，以免出现过敏现象。 2. 眉毛的描绘要自然，不要过于浓重。 3. 眼妆要注重层次感，不要过于复杂。 4. 腮红和唇妆要选择适合自己的颜色，打造清新少女感。 通过以上步骤，一款清新少女妆裸妆就完成了。希望这款教程能帮助到大家，让你们在日常生活中更加自信美丽。

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网"AI 原生 100" 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「17」篇文章。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。