昨日行业报告更新政策变化,揭秘aaaaaa级特色特黄的毛片：探寻隐藏在历史尘埃中的珍贵记忆

本月行业协会发布重大动态,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。家电维修应急热线，24小时待命

上饶市铅山县、芜湖市湾沚区 ，衡阳市祁东县、武汉市洪山区、咸阳市渭城区、九江市湖口县、徐州市云龙区、琼海市会山镇、内蒙古包头市东河区、遂宁市安居区、通化市通化县、娄底市娄星区、广西桂林市阳朔县、广元市青川县、广西百色市德保县、辽阳市弓长岭区、韶关市乐昌市 、汉中市汉台区、澄迈县金江镇、红河个旧市、文昌市文城镇、德阳市中江县、江门市恩平市、阿坝藏族羌族自治州松潘县、铜仁市思南县、驻马店市正阳县、金华市金东区、大理大理市、宣城市宣州区

本周数据平台近期相关部门公布权威通报,今日行业报告传递新研究成果,揭秘aaaaaa级特色特黄的毛片：探寻隐藏在历史尘埃中的珍贵记忆，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联保售后电话，服务有保障

沈阳市铁西区、烟台市芝罘区 ，珠海市香洲区、黄山市歙县、湘潭市岳塘区、岳阳市君山区、宜春市铜鼓县、鸡西市鸡冠区、荆门市沙洋县、宁波市象山县、宿州市萧县、内江市资中县、儋州市木棠镇、西安市阎良区、七台河市桃山区、毕节市赫章县、广西梧州市藤县 、晋中市平遥县、重庆市万州区、阜阳市界首市、雅安市芦山县、渭南市大荔县、东营市河口区、屯昌县西昌镇、宝鸡市太白县、武汉市东西湖区、聊城市茌平区、广西崇左市龙州县、内蒙古呼和浩特市和林格尔县、泸州市叙永县、乐东黎族自治县尖峰镇

全球服务区域: 赣州市于都县、广西桂林市秀峰区 、西双版纳勐海县、襄阳市枣阳市、东营市河口区、海东市乐都区、岳阳市云溪区、芜湖市镜湖区、池州市青阳县、漯河市召陵区、延安市吴起县、郑州市新郑市、宜宾市翠屏区、萍乡市芦溪县、安顺市西秀区、汉中市镇巴县、汕头市澄海区 、广安市邻水县、丹东市振安区、昌江黎族自治县石碌镇、榆林市子洲县、吕梁市离石区

24小时维修咨询热线，智能语音导航,本月监管部门公开新成果,揭秘aaaaaa级特色特黄的毛片：探寻隐藏在历史尘埃中的珍贵记忆，很高兴为您解答这个问题，让我来帮您详细说明一下：家电操作教学专线，新手快速上手

全国服务区域: 昭通市永善县、宜宾市南溪区 、抚州市黎川县、武汉市东西湖区、宁夏固原市彭阳县、衢州市衢江区、澄迈县仁兴镇、徐州市云龙区、广西桂林市龙胜各族自治县、中山市南朗镇、青岛市胶州市、盐城市射阳县、芜湖市繁昌区、玉溪市华宁县、宁波市江北区、连云港市灌南县、南京市雨花台区 、朝阳市建平县、营口市老边区、阿坝藏族羌族自治州金川县、武汉市新洲区、郴州市临武县、辽阳市辽阳县、忻州市五台县、云浮市罗定市、昌江黎族自治县叉河镇、绥化市海伦市、洛阳市洛龙区、广西柳州市鹿寨县、甘孜康定市、台州市黄岩区、阜新市太平区、温州市龙湾区、九江市濂溪区、黔东南黎平县、许昌市鄢陵县、泉州市石狮市、白沙黎族自治县细水乡、青岛市崂山区、洛阳市偃师区、文昌市潭牛镇

近日技术小组通报核心进展:本月行业协会发布重大政策,揭秘aaaaaa级特色特黄的毛片：探寻隐藏在历史尘埃中的珍贵记忆

在我国悠久的历史长河中，每一片土地都留下了丰富的文化遗产。这些文化遗产不仅包括建筑、文物，还包括那些鲜为人知的民间传说和民间艺术。今天，我们要揭开一个aaaaaa级特色特黄的毛片之谜，探寻隐藏在历史尘埃中的珍贵记忆。 毛片，顾名思义，就是用毛制作的片状物品。在我国，毛片有着悠久的历史，它不仅是民间工艺的瑰宝，更是民俗文化的重要组成部分。aaaaaa级特色特黄的毛片，更是毛片中的佼佼者，它以独特的工艺、精湛的技艺和丰富的文化内涵，成为民间艺术的代表。 aaaaaa级特色特黄的毛片，起源于我国古代的民间工艺。据史料记载，早在唐宋时期，毛片工艺就已经初具规模。到了明清时期，毛片工艺更是达到了鼎盛。这种毛片选用优质羊毛为原料，经过精心挑选、梳理、染色、编织等工序，最终形成了一幅幅精美的图案。 aaaaaa级特色特黄的毛片之所以被称为“特黄”，是因为它的染色工艺独特。在染色过程中，工匠们选用了一种名为“黄丹”的天然矿物颜料，这种颜料色泽鲜艳、耐久性强，使得毛片呈现出独特的黄色。这种黄色不仅代表了毛片的独特工艺，更是民间艺术的象征。 aaaaaa级特色特黄的毛片在图案设计上独具匠心。它以民间传说、神话故事、自然景观为题材，将生活中的美好寓意融入其中。如《牛郎织女》、《白蛇传》等经典故事，都在毛片中得到了生动的展现。这些图案不仅具有极高的艺术价值，更是中华民族传统文化的瑰宝。 在毛片工艺的制作过程中，工匠们秉承着精益求精的精神，将毛片制作得精美绝伦。每片毛片都经过精心挑选、梳理，确保羊毛的质地柔软、色泽均匀。在染色过程中，工匠们更是小心翼翼，生怕破坏了毛片的纹理和图案。编织时，工匠们更是手法娴熟，使得毛片既美观又实用。 aaaaaa级特色特黄的毛片在我国民间有着广泛的应用。它不仅可以作为家居装饰品，还可以作为礼品赠送亲朋好友。在民间节日、庆典活动中，毛片更是不可或缺的装饰品。它不仅丰富了人们的精神生活，还传承了中华民族优秀的传统文化。 然而，随着时代的发展，aaaaaa级特色特黄的毛片逐渐淡出了人们的视野。许多传统工艺逐渐失传，aaaaaa级特色特黄的毛片也面临着传承危机。为了保护和传承这一民间艺术，我国政府和社会各界纷纷行动起来，开展了一系列保护和传承工作。 如今，aaaaaa级特色特黄的毛片已经成为我国非物质文化遗产的重要组成部分。它不仅让我们领略到了民间艺术的魅力，更让我们深刻体会到了中华民族传统文化的博大精深。让我们携手共进，共同保护和传承这一珍贵的文化遗产，让aaaaaa级特色特黄的毛片在历史的长河中继续闪耀光芒。

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。