今日官方披露研究成果,“福利聚合APP：揭秘黑科技背后的创新与便捷”

今日行业报告公布最新研究成果,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。全国标准化服务热线，维修质量有保证

齐齐哈尔市克东县、东莞市虎门镇 ，澄迈县桥头镇、内蒙古兴安盟科尔沁右翼中旗、云浮市罗定市、恩施州巴东县、延边图们市、铜川市印台区、双鸭山市尖山区、本溪市明山区、南京市建邺区、吉林市桦甸市、昌江黎族自治县乌烈镇、德宏傣族景颇族自治州芒市、北京市顺义区、三明市宁化县、安阳市殷都区 、揭阳市惠来县、杭州市滨江区、延安市子长市、临汾市汾西县、成都市锦江区、济南市市中区、泉州市鲤城区、酒泉市阿克塞哈萨克族自治县、伊春市铁力市、凉山木里藏族自治县、焦作市马村区、临汾市乡宁县

本周数据平台最新相关部门透露权威通报,不久前行业报告披露重大成果,“福利聚合APP：揭秘黑科技背后的创新与便捷”，很高兴为您解答这个问题，让我来帮您详细说明一下：家电售后专线，专业团队高效处理

红河建水县、宿迁市泗洪县 ，六安市叶集区、东莞市樟木头镇、甘南临潭县、佛山市禅城区、内蒙古巴彦淖尔市五原县、湘西州保靖县、张家界市慈利县、平顶山市鲁山县、肇庆市鼎湖区、安庆市怀宁县、昭通市永善县、上饶市广信区、北京市西城区、榆林市佳县、九江市湖口县 、丹东市凤城市、阿坝藏族羌族自治州小金县、开封市尉氏县、文昌市文教镇、汕头市龙湖区、赣州市寻乌县、楚雄禄丰市、锦州市太和区、屯昌县新兴镇、临沂市蒙阴县、三门峡市义马市、内蒙古鄂尔多斯市乌审旗、昭通市绥江县、贵阳市白云区

全球服务区域: 葫芦岛市绥中县、济南市历城区 、重庆市开州区、成都市青白江区、长春市朝阳区、上海市普陀区、平顶山市汝州市、天津市宁河区、迪庆香格里拉市、临汾市浮山县、商洛市洛南县、内蒙古兴安盟科尔沁右翼中旗、随州市随县、宁夏中卫市中宁县、榆林市榆阳区、葫芦岛市连山区、长沙市宁乡市 、太原市阳曲县、芜湖市镜湖区、吕梁市汾阳市、清远市连南瑶族自治县、酒泉市肃州区

刚刚信息中心公布关键数据,昨日官方发布行业通报,“福利聚合APP：揭秘黑科技背后的创新与便捷”，很高兴为您解答这个问题，让我来帮您详细说明一下：家电深度清洁专线，彻底解决卫生问题

全国服务区域: 遵义市正安县、宁夏银川市永宁县 、宿州市泗县、直辖县神农架林区、吉林市桦甸市、广西贺州市昭平县、绍兴市嵊州市、黄冈市团风县、内蒙古兴安盟科尔沁右翼中旗、济宁市嘉祥县、合肥市肥西县、甘孜巴塘县、陵水黎族自治县提蒙乡、景德镇市乐平市、杭州市江干区、怀化市会同县、铜仁市江口县 、昭通市盐津县、连云港市连云区、广西防城港市防城区、娄底市娄星区、宣城市宣州区、焦作市修武县、平顶山市宝丰县、常德市武陵区、南充市阆中市、内蒙古鄂尔多斯市康巴什区、淮北市杜集区、镇江市丹阳市、昭通市鲁甸县、天津市东丽区、内蒙古锡林郭勒盟苏尼特左旗、张掖市肃南裕固族自治县、长沙市浏阳市、琼海市博鳌镇、内蒙古赤峰市宁城县、襄阳市南漳县、荆门市沙洋县、宣城市旌德县、泰安市岱岳区、徐州市泉山区

近日监测中心公开最新参数:今日官方渠道披露新政策,“福利聚合APP：揭秘黑科技背后的创新与便捷”

在科技飞速发展的今天，智能手机已经成为人们日常生活中不可或缺的一部分。随着各类APP的层出不穷，人们的生活也变得越来越便捷。而在众多APP中，福利聚合APP以其独特的黑科技功能，吸引了广大用户的关注。那么，福利聚合APP究竟有何过人之处？其背后的黑科技又有哪些奥秘呢？ ### 福利聚合APP：一站式解决生活需求 福利聚合APP，顾名思义，就是将各类福利信息进行整合，为用户提供一站式服务的应用。它涵盖了购物、餐饮、出行、娱乐等多个领域，让用户在享受优惠的同时，还能节省大量时间和精力。以下是福利聚合APP的几个亮点： 1. **信息整合**：福利聚合APP将各大平台的优惠活动、优惠券、折扣信息等进行整合，让用户一目了然，不再为寻找优惠而烦恼。 2. **个性化推荐**：通过大数据分析，福利聚合APP为用户推荐符合其兴趣和需求的福利信息，让用户轻松找到心仪的优惠。 3. **一键领取**：用户只需在APP内点击领取，即可享受优惠，无需繁琐的操作流程。 ### 黑科技：让福利聚合更智能 福利聚合APP之所以能脱颖而出，离不开其背后的黑科技支持。以下是几个典型的黑科技： 1. **人工智能**：福利聚合APP运用人工智能技术，对用户行为进行分析，从而实现个性化推荐。此外，人工智能还能帮助APP自动筛选无效或过时的优惠信息，提高用户体验。 2. **大数据分析**：通过收集和分析用户数据，福利聚合APP可以了解用户需求，不断优化推荐算法，为用户提供更加精准的优惠信息。 3. **区块链技术**：部分福利聚合APP采用区块链技术，确保用户隐私和数据安全。此外，区块链还能提高优惠信息的真实性和可信度。 ### 创新与便捷：福利聚合APP的未来 随着黑科技的不断发展，福利聚合APP在创新与便捷性方面将不断提升。以下是福利聚合APP未来可能的发展方向： 1. **跨界合作**：福利聚合APP将与更多行业进行跨界合作，为用户提供更多元化的福利服务。 2. **智能化升级**：通过不断优化算法和功能，福利聚合APP将更加智能化，为用户提供更加个性化的服务。 3. **全球拓展**：随着我国科技实力的提升，福利聚合APP有望走向全球，为全球用户带来便捷的福利服务。 总之，福利聚合APP凭借其独特的黑科技和一站式服务，已成为人们生活中不可或缺的一部分。在未来的发展中，福利聚合APP将继续创新，为用户提供更加便捷、智能的服务，让我们的生活更加美好。

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。