本周监管部门公开新进展,《双男主与多男主的激情碰撞：1v3的逆袭之路，他们如何成功上岸？》

本月行业协会传达新政策动态,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。家电回收进度查询，实时跟踪处理状态

攀枝花市米易县、蚌埠市龙子湖区 ，乐山市金口河区、定安县富文镇、重庆市武隆区、兰州市安宁区、广西南宁市隆安县、沈阳市浑南区、武汉市黄陂区、广西防城港市上思县、上饶市婺源县、安庆市望江县、广州市白云区、齐齐哈尔市铁锋区、毕节市纳雍县、黔东南镇远县、黄山市歙县 、运城市芮城县、文昌市文城镇、乐东黎族自治县万冲镇、镇江市丹徒区、上海市浦东新区、海北祁连县、黄冈市浠水县、东莞市厚街镇、驻马店市泌阳县、黄冈市麻城市、玉溪市江川区、普洱市景谷傣族彝族自治县

全天候服务支持热线,今日行业报告公布最新动态,《双男主与多男主的激情碰撞：1v3的逆袭之路，他们如何成功上岸？》，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

滨州市滨城区、马鞍山市当涂县 ，忻州市定襄县、儋州市海头镇、衢州市龙游县、大兴安岭地区呼玛县、临沂市莒南县、南充市仪陇县、北京市平谷区、龙岩市上杭县、宜春市高安市、内蒙古锡林郭勒盟正镶白旗、温州市瓯海区、上饶市余干县、海北门源回族自治县、赣州市瑞金市、鸡西市密山市 、泉州市洛江区、沈阳市大东区、哈尔滨市延寿县、焦作市马村区、江门市鹤山市、红河建水县、长沙市开福区、内蒙古阿拉善盟阿拉善左旗、湘西州保靖县、陵水黎族自治县新村镇、陵水黎族自治县本号镇、泉州市鲤城区、通化市通化县、德州市庆云县

全球服务区域: 天津市和平区、绥化市青冈县 、延边珲春市、东莞市石龙镇、内蒙古巴彦淖尔市临河区、三明市沙县区、果洛甘德县、葫芦岛市南票区、阜新市阜新蒙古族自治县、兰州市永登县、凉山美姑县、东方市板桥镇、广州市越秀区、内蒙古巴彦淖尔市杭锦后旗、漳州市芗城区、铁岭市清河区、营口市大石桥市 、台州市临海市、四平市梨树县、湛江市吴川市、自贡市沿滩区、淄博市张店区

本周官方渠道披露研究成果,本月官方渠道发布重磅信息,《双男主与多男主的激情碰撞：1v3的逆袭之路，他们如何成功上岸？》，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化维保平台，智能管理维护周期

全国服务区域: 文昌市文城镇、枣庄市峄城区 、酒泉市肃北蒙古族自治县、咸阳市兴平市、乐山市市中区、宜宾市江安县、安康市紫阳县、厦门市海沧区、内蒙古赤峰市林西县、楚雄姚安县、金华市婺城区、甘孜色达县、阜新市海州区、长治市沁县、汕头市龙湖区、大同市云州区、黔南福泉市 、鄂州市华容区、无锡市宜兴市、杭州市桐庐县、陇南市武都区、德州市夏津县、汕尾市陆丰市、黄南河南蒙古族自治县、抚州市宜黄县、大理洱源县、天津市东丽区、齐齐哈尔市甘南县、澄迈县仁兴镇、武汉市新洲区、甘孜九龙县、连云港市东海县、泰安市东平县、辽阳市弓长岭区、武汉市汉南区、新余市渝水区、安康市汉滨区、永州市宁远县、长治市沁县、朔州市应县、六安市霍山县

全天候服务支持热线:今日行业协会发布最新研究成果,《双男主与多男主的激情碰撞：1v3的逆袭之路，他们如何成功上岸？》

在当今的影视作品中，双男主和多男主题材逐渐成为热门。这类作品以其独特的叙事方式和丰富的情感表达，吸引了大量观众。本文将带您走进一个充满激情与挑战的故事，讲述三位男主角如何在1v3的困境中逆袭成功，最终成功上岸。 故事的主人公是三位性格迥异的男性，他们分别是勇敢果断的A、机智过人的B和沉稳内敛的C。在一次偶然的机会下，他们相识并结成了同盟。然而，命运却对他们开了一个残酷的玩笑，将他们推向了1v3的绝境。 在这个故事中，A、B、C三人面临着巨大的压力。他们不仅要应对来自敌人的猛烈攻击，还要克服内心的恐惧和不安。在这个过程中，他们逐渐发现彼此的优点，学会了相互信任和扶持。 首先，A的勇敢果断成为了团队的核心。在关键时刻，他总是挺身而出，为队友们撑起一片天空。B的机智过人则让团队在困境中找到了转机。他善于分析局势，总能找到解决问题的最佳方案。而C的沉稳内敛则让团队在逆境中保持冷静，稳扎稳打。 然而，1v3的困境并非一蹴而就。在漫长的斗争中，A、B、C三人经历了无数次的生死考验。他们曾一度陷入绝望，但凭借着坚定的信念和顽强的毅力，他们一次次从困境中爬起来。 在这个过程中，他们逐渐明白了团队协作的重要性。他们学会了在逆境中相互鼓励，共同面对挑战。A的勇敢不再孤单，B的机智有了坚实的后盾，C的沉稳也有了新的活力。 终于，在一场惊心动魄的决战中，A、B、C三人凭借默契的配合和顽强的意志，成功击败了敌人。他们不仅成功逆袭，还赢得了尊重和荣誉。而这段经历，也让他们成为了真正的朋友。 成功上岸后，A、B、C三人并没有忘记曾经的艰辛。他们决定将这段经历分享给更多的人，让更多的人明白：只要心中有信念，勇敢面对挑战，就一定能够战胜一切困难。 这个故事告诉我们，在人生的道路上，我们总会遇到各种困境。但只要我们勇敢面对，团结一心，就一定能够战胜一切。双男主和多男主题材的作品，正是通过这样的故事，传递给我们这种信念。 总之，《双男主与多男主的激情碰撞：1v3的逆袭之路，他们如何成功上岸？》这个故事，让我们看到了人性的光辉，也让我们明白了团队协作的力量。在这个充满挑战的世界里，只要我们勇敢前行，就一定能够找到属于自己的那片天空。

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。