今日行业报告披露重大政策更新,国产精品，卡2卡3卡4，引领智能生活新潮流

本月监管部门发布行业新报告,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。家电24小时服务热线，紧急故障优先处理

东营市河口区、赣州市于都县 ，江门市恩平市、东莞市樟木头镇、长沙市宁乡市、信阳市光山县、宜春市铜鼓县、通化市通化县、聊城市高唐县、贵阳市开阳县、昭通市水富市、长沙市天心区、榆林市吴堡县、鹤岗市南山区、太原市尖草坪区、双鸭山市宝清县、儋州市海头镇 、广西防城港市东兴市、黔东南三穗县、河源市和平县、萍乡市芦溪县、海口市美兰区、西宁市城中区、大庆市大同区、汕头市金平区、临夏康乐县、深圳市光明区、铜仁市思南县、周口市沈丘县

近日观测中心传出重要预警,今日行业协会发布重要通报,国产精品，卡2卡3卡4，引领智能生活新潮流，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一客服电话，正规售后服务

山南市、济南市章丘区 ，荆州市江陵县、怀化市沅陵县、昭通市昭阳区、安庆市宿松县、运城市芮城县、东莞市长安镇、牡丹江市林口县、荆门市沙洋县、定安县定城镇、海西蒙古族都兰县、永州市新田县、佛山市南海区、襄阳市老河口市、内蒙古乌兰察布市化德县、吕梁市中阳县 、安康市、焦作市中站区、黔西南兴仁市、合肥市庐阳区、黔东南黄平县、岳阳市临湘市、内蒙古乌兰察布市四子王旗、汉中市汉台区、黔南瓮安县、南平市松溪县、南充市营山县、宜昌市夷陵区、内江市东兴区、阿坝藏族羌族自治州松潘县

全球服务区域: 曲靖市麒麟区、牡丹江市东安区 、内蒙古鄂尔多斯市伊金霍洛旗、天水市张家川回族自治县、达州市开江县、临汾市襄汾县、宜昌市秭归县、上海市奉贤区、甘孜色达县、达州市宣汉县、沈阳市辽中区、屯昌县坡心镇、南阳市西峡县、汕头市金平区、商洛市镇安县、泉州市惠安县、开封市龙亭区 、甘孜稻城县、淮北市杜集区、岳阳市岳阳楼区、宜宾市南溪区、广州市增城区

本周数据平台最新相关部门透露权威通报,今日行业协会披露行业新成果,国产精品，卡2卡3卡4，引领智能生活新潮流，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客户维权热线，保障消费权益

全国服务区域: 凉山昭觉县、延安市富县 、蚌埠市五河县、九江市庐山市、兰州市红古区、沈阳市辽中区、武汉市江岸区、江门市开平市、内蒙古阿拉善盟阿拉善右旗、嘉峪关市文殊镇、襄阳市襄城区、临汾市洪洞县、黑河市孙吴县、咸宁市嘉鱼县、海东市平安区、大理云龙县、北京市朝阳区 、凉山喜德县、茂名市信宜市、大庆市红岗区、九江市德安县、泰州市靖江市、兰州市皋兰县、达州市通川区、锦州市古塔区、内蒙古通辽市扎鲁特旗、孝感市孝昌县、内蒙古巴彦淖尔市五原县、哈尔滨市巴彦县、伊春市金林区、广西南宁市宾阳县、朝阳市双塔区、宁波市宁海县、苏州市相城区、杭州市西湖区、陵水黎族自治县椰林镇、苏州市吴江区、哈尔滨市双城区、白沙黎族自治县荣邦乡、常德市武陵区、沈阳市法库县

本周数据平台本月官方渠道披露重要进展:昨日官方渠道传递重大研究成果,国产精品，卡2卡3卡4，引领智能生活新潮流

随着科技的飞速发展，智能生活已经逐渐成为人们生活的一部分。在众多智能产品中，国产精品卡2卡3卡4凭借其卓越的性能和丰富的功能，成为了引领智能生活新潮流的佼佼者。 ### 卡2：智能生活的小助手 卡2作为一款国产智能卡，以其小巧的体积和丰富的功能，成为了智能生活的小助手。这款卡片集成了NFC、RFID、蓝牙等多种通信技术，可以轻松实现手机支付、门禁、交通卡等功能。 在日常生活中，卡2可以让我们摆脱繁琐的现金支付，实现便捷的移动支付。同时，它还可以作为门禁卡，方便我们出入各种场所。此外，卡2还可以作为交通卡，让我们在乘坐公共交通工具时更加方便。 ### 卡3：智能出行的好伙伴 卡3作为一款智能出行卡，以其强大的功能和人性化的设计，成为了智能出行的好伙伴。这款卡片支持全国范围内的公交、地铁、出租车等多种交通工具，让我们的出行更加便捷。 卡3还具有实时路况查询、路线规划等功能，帮助我们避开拥堵路段，节省出行时间。此外，卡3还可以作为旅游卡，让我们在旅行过程中更加轻松愉快。 ### 卡4：智能家居的核心 卡4作为一款智能家居核心卡，以其强大的兼容性和稳定性，成为了智能家居的核心。这款卡片可以连接各种智能家居设备，实现家庭设备的互联互通。 通过卡4，我们可以实现远程控制家中的灯光、空调、电视等设备，让我们的生活更加舒适。同时，卡4还具有安全防护功能，可以防止家庭设备被恶意入侵。 ### 国产精品，品质保障 卡2卡3卡4作为国产精品，在品质上得到了充分的保障。这些卡片采用了先进的制造工艺和优质的原材料，确保了产品的稳定性和耐用性。 此外，卡2卡3卡4还拥有完善的售后服务体系，为用户提供全方位的技术支持和保障。在购买和使用过程中，用户可以享受到无忧的购物体验。 ### 总结 国产精品卡2卡3卡4凭借其卓越的性能和丰富的功能，成为了引领智能生活新潮流的佼佼者。在未来的日子里，这些卡片将继续为我们的生活带来更多便利，助力我国智能产业的发展。让我们共同期待，国产精品在智能生活领域的更多精彩表现！

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。