本周监管部门传递新进展,《哈哈动漫：欢乐的童年记忆，永不磨灭的动漫情缘》

今日行业报告公布最新动态,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。家电问题反馈专线，多渠道受理投诉

金昌市永昌县、泸州市古蔺县 ，三门峡市义马市、丽水市青田县、吉安市遂川县、淮南市田家庵区、怀化市溆浦县、内蒙古阿拉善盟阿拉善右旗、吉安市万安县、衡阳市祁东县、荆州市沙市区、上海市杨浦区、绥化市安达市、陵水黎族自治县文罗镇、沈阳市皇姑区、黑河市五大连池市、大兴安岭地区呼玛县 、汕尾市陆丰市、菏泽市巨野县、盐城市建湖县、重庆市九龙坡区、玉树玉树市、湘潭市雨湖区、大同市灵丘县、沈阳市和平区、广元市昭化区、肇庆市鼎湖区、平凉市崇信县、西安市新城区

本周数据平台不久前行业协会透露新变化,本月行业协会传达重要信息,《哈哈动漫：欢乐的童年记忆，永不磨灭的动漫情缘》，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一回收标准，环保处理规范

常德市临澧县、北京市石景山区 ，广西玉林市玉州区、广西来宾市合山市、内蒙古巴彦淖尔市乌拉特中旗、上饶市广信区、遵义市播州区、北京市平谷区、漯河市舞阳县、营口市盖州市、宁夏固原市原州区、嘉兴市南湖区、大连市甘井子区、广西河池市巴马瑶族自治县、丽江市古城区、广西河池市凤山县、武威市凉州区 、大兴安岭地区加格达奇区、赣州市于都县、甘孜巴塘县、菏泽市牡丹区、深圳市光明区、黄冈市黄州区、临夏临夏市、安庆市桐城市、南京市浦口区、晋中市和顺县、澄迈县金江镇、黄山市祁门县、宁夏银川市兴庆区、长春市宽城区

全球服务区域: 毕节市织金县、广西柳州市融安县 、重庆市江北区、万宁市南桥镇、东莞市麻涌镇、天津市北辰区、凉山布拖县、临沂市兰山区、汕尾市海丰县、宿州市灵璧县、铜仁市沿河土家族自治县、抚顺市抚顺县、泉州市惠安县、凉山美姑县、大连市金州区、东莞市高埗镇、屯昌县坡心镇 、黄南同仁市、儋州市排浦镇、玉溪市华宁县、张家界市桑植县、丽江市玉龙纳西族自治县

本周数据平台本月官方渠道披露重要进展,近期国家机构传递重大政策,《哈哈动漫：欢乐的童年记忆，永不磨灭的动漫情缘》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修在线客服，实时响应报修需求

全国服务区域: 镇江市扬中市、泉州市安溪县 、佛山市高明区、中山市神湾镇、韶关市始兴县、临沧市临翔区、锦州市凌河区、大同市灵丘县、驻马店市正阳县、郑州市管城回族区、泉州市鲤城区、重庆市黔江区、红河建水县、济宁市汶上县、泰安市泰山区、内蒙古包头市青山区、南通市如皋市 、东莞市沙田镇、甘孜巴塘县、苏州市常熟市、内江市市中区、白沙黎族自治县金波乡、清远市清新区、赣州市于都县、广西来宾市象州县、漳州市龙海区、运城市万荣县、四平市铁东区、襄阳市襄城区、济南市平阴县、遵义市红花岗区、东莞市桥头镇、达州市通川区、海口市美兰区、大兴安岭地区呼玛县、宝鸡市凤县、绥化市青冈县、双鸭山市四方台区、威海市荣成市、万宁市长丰镇、伊春市乌翠区

本周数据平台本月官方渠道公布权威通报:今日行业报告更新研究成果,《哈哈动漫：欢乐的童年记忆，永不磨灭的动漫情缘》

在我国动漫产业飞速发展的今天，一部部优秀的动漫作品如雨后春笋般涌现，给人们的生活带来了无尽的欢乐。其中，以“哈哈动漫”为代表的一批动漫作品，更是成为了许多人心中的童年记忆。这些作品不仅带给我们欢乐，更让我们在欢笑中感受到了生活的美好。 哈哈动漫，顾名思义，就是一部充满欢乐的动漫。它以幽默、搞笑的剧情和鲜明的人物形象，赢得了广大观众的喜爱。在这部动漫中，我们看到了一个个性格各异的角色，他们或天真烂漫，或机智勇敢，或搞笑幽默，让人捧腹大笑。 首先，哈哈动漫的故事情节设计巧妙，充满了惊喜。每一集都充满了悬念，让人欲罢不能。在剧情推进的过程中，角色们经历了种种磨难，但最终总能化险为夷，让人在欢笑中感受到了生活的正能量。这种剧情设计，不仅让人在观看过程中充满期待，更让人在欢笑中思考人生。 其次，哈哈动漫的人物形象鲜明，个性突出。每个角色都有自己独特的性格特点，让人过目难忘。比如，主人公小明的聪明机智，小红的活泼可爱，小强的勇敢无畏，都给观众留下了深刻的印象。这些角色在剧情中的互动，更是让人忍俊不禁。 此外，哈哈动漫的音乐和动画制作也堪称一流。欢快的旋律，精美的画面，为这部作品增色不少。每当主题曲响起，观众们都会情不自禁地跟着哼唱，仿佛回到了那个无忧无虑的童年时光。 哈哈动漫之所以能够成为许多人心中永不磨灭的童年记忆，不仅仅是因为它带给我们的欢乐，更因为它让我们在欢笑中学会了成长。在这部动漫中，我们学会了勇敢面对困难，学会了珍惜友谊，学会了关爱他人。这些美好的品质，将伴随我们一生。 如今，哈哈动漫已经成为了我国动漫产业的一面旗帜。它不仅在国内拥有庞大的粉丝群体，更在国际舞台上崭露头角。相信在不久的将来，哈哈动漫会带给我们更多欢乐，让更多的人感受到动漫的魅力。 总之，哈哈动漫是一部充满欢乐、富有教育意义的优秀作品。它不仅让我们在欢笑中度过了一个个美好的时光，更让我们在成长的道路上受益匪浅。让我们共同回顾这段美好的童年记忆，感受哈哈动漫带给我们的欢乐与感动。

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。