今日研究机构公开新政策,国内Zoom人与Zoom：技术赋能下的远程协作新篇章

本月监管部门公开新成果,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。售后服务中心联系方式，全渠道便捷沟通

甘孜道孚县、武汉市江夏区 ，晋城市沁水县、济南市历下区、肇庆市四会市、黄冈市武穴市、毕节市纳雍县、铜川市王益区、濮阳市华龙区、广西南宁市横州市、黔南平塘县、营口市盖州市、营口市鲅鱼圈区、泰安市泰山区、延安市安塞区、宜昌市当阳市、儋州市新州镇 、昌江黎族自治县七叉镇、惠州市惠城区、洛阳市偃师区、攀枝花市米易县、毕节市金沙县、三门峡市灵宝市、重庆市大足区、临沧市临翔区、乐山市五通桥区、上海市静安区、内蒙古兴安盟扎赉特旗、齐齐哈尔市讷河市

专家技术支援专线,今日相关部门发布行业研究成果,国内Zoom人与Zoom：技术赋能下的远程协作新篇章，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心支持电话、APP多渠道服务

东方市东河镇、兰州市西固区 ，内蒙古巴彦淖尔市乌拉特前旗、安顺市平坝区、襄阳市老河口市、西安市新城区、武汉市黄陂区、宁夏银川市西夏区、韶关市新丰县、惠州市惠阳区、内蒙古兴安盟科尔沁右翼中旗、池州市青阳县、南昌市安义县、广西梧州市龙圩区、乐山市峨眉山市、重庆市荣昌区、临沧市云县 、襄阳市襄城区、广元市青川县、邵阳市双清区、昭通市威信县、天津市西青区、阿坝藏族羌族自治州理县、宜宾市翠屏区、内蒙古兴安盟科尔沁右翼中旗、舟山市嵊泗县、沈阳市法库县、广安市岳池县、常德市石门县、济宁市汶上县、广西河池市罗城仫佬族自治县

全球服务区域: 西安市鄠邑区、天水市清水县 、普洱市江城哈尼族彝族自治县、宜宾市南溪区、通化市辉南县、衡阳市常宁市、绥化市兰西县、恩施州建始县、珠海市斗门区、重庆市长寿区、四平市伊通满族自治县、广西玉林市容县、黔东南剑河县、黄冈市黄梅县、宝鸡市陈仓区、黔西南兴仁市、丽水市青田县 、佛山市高明区、武威市凉州区、普洱市思茅区、乐东黎族自治县九所镇、宁德市霞浦县

近日研究机构传出突破成果,本月官方发布行业新动态,国内Zoom人与Zoom：技术赋能下的远程协作新篇章，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障远程诊断，视频指导快速解决

全国服务区域: 杭州市淳安县、内蒙古鄂尔多斯市康巴什区 、文昌市东阁镇、延安市黄龙县、郴州市汝城县、巴中市通江县、澄迈县金江镇、江门市江海区、南充市高坪区、潍坊市临朐县、宁德市周宁县、成都市简阳市、湘西州泸溪县、宣城市泾县、陇南市礼县、西安市鄠邑区、怀化市靖州苗族侗族自治县 、大庆市萨尔图区、吕梁市离石区、泰州市泰兴市、泸州市纳溪区、大连市甘井子区、琼海市石壁镇、攀枝花市西区、潍坊市寒亭区、上饶市广信区、汕头市南澳县、内蒙古乌兰察布市商都县、龙岩市连城县、漳州市漳浦县、洛阳市伊川县、商洛市柞水县、临沂市兰陵县、临沧市沧源佤族自治县、商丘市睢县、亳州市蒙城县、德阳市什邡市、白沙黎族自治县细水乡、常德市武陵区、广西南宁市马山县、南阳市方城县

近日调查组公开关键证据:今日官方渠道发布研究成果,国内Zoom人与Zoom：技术赋能下的远程协作新篇章

随着信息技术的飞速发展，远程协作已成为现代工作的重要组成部分。在国内，Zoom这一视频会议软件因其高效、便捷的特点，受到了广大用户的青睐。本文将探讨国内Zoom人与Zoom的紧密关系，以及技术赋能下远程协作的新篇章。 一、Zoom在国内的普及与应用 Zoom作为一款全球知名的在线视频会议平台，自2011年推出以来，迅速在全球范围内获得了广泛的应用。在国内，Zoom同样凭借其卓越的性能和便捷的操作，成为了众多企业和个人用户的首选。尤其是在疫情期间，Zoom成为了连接人们的重要桥梁，助力远程办公、在线教育、远程医疗等领域的蓬勃发展。 二、国内Zoom人与Zoom的紧密关系 1. 用户体验：国内Zoom人与Zoom的紧密关系首先体现在用户体验上。Zoom为用户提供了高清视频、稳定音频、实时字幕等功能，使得远程会议更加流畅、高效。同时，Zoom还不断优化界面设计，提升用户体验，让用户在使用过程中感受到便捷与舒适。 2. 技术支持：国内Zoom人与Zoom的紧密关系还体现在技术支持上。Zoom拥有一支专业的技术团队，为用户提供7*24小时的技术支持。在国内，Zoom还与多家互联网企业建立了战略合作关系，共同推动远程协作技术的发展。 3. 本地化服务：针对国内用户的需求，Zoom不断优化本地化服务。例如，提供中文界面、支持国内支付方式等，让国内用户在使用过程中更加得心应手。 三、技术赋能下的远程协作新篇章 1. 提高工作效率：随着远程协作的普及，国内企业逐渐认识到，通过Zoom等视频会议软件，可以打破地域限制，实现跨部门、跨地域的沟通与协作。这不仅提高了工作效率，还降低了企业运营成本。 2. 促进创新：远程协作使得团队成员可以随时随地参与讨论，有助于激发创新思维。在Zoom等视频会议平台上，团队成员可以实时分享屏幕、共同编辑文档，实现高效协作。 3. 优化资源配置：远程协作有助于优化企业资源配置。企业可以根据项目需求，灵活调配团队成员，提高资源利用率。 4. 拓展市场：对于国内企业而言，远程协作有助于拓展市场。通过Zoom等视频会议软件，企业可以与海外客户进行实时沟通，降低沟通成本，提高市场竞争力。 总之，在国内，Zoom人与Zoom的紧密关系为远程协作带来了新的发展机遇。随着技术的不断进步，我们有理由相信，在Zoom等视频会议软件的助力下，远程协作将开启一个全新的篇章。

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。