今日官方渠道发布研究成果,亚洲、欧美与韩国：综合色彩下的时尚潮流

今日行业报告更新行业动向,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。家电服务反馈专线，多渠道收集意见

郑州市巩义市、乐东黎族自治县利国镇 ，定安县龙河镇、阳江市江城区、广西柳州市鹿寨县、铜仁市松桃苗族自治县、昆明市呈贡区、重庆市石柱土家族自治县、陇南市礼县、海口市琼山区、成都市龙泉驿区、阳江市江城区、文昌市龙楼镇、黔东南台江县、南昌市南昌县、延安市志丹县、晋城市高平市 、七台河市桃山区、抚州市南丰县、遵义市湄潭县、澄迈县金江镇、张家界市慈利县、武汉市江岸区、肇庆市德庆县、内蒙古巴彦淖尔市杭锦后旗、澄迈县加乐镇、重庆市大渡口区、甘孜巴塘县、周口市项城市

近日技术小组通报核心进展,本月行业协会发布重大政策,亚洲、欧美与韩国：综合色彩下的时尚潮流，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修调度中心，快速响应各类需求

三门峡市陕州区、宁夏中卫市中宁县 ，咸阳市渭城区、葫芦岛市兴城市、佳木斯市同江市、宝鸡市太白县、大理南涧彝族自治县、宁德市福鼎市、东莞市虎门镇、永州市新田县、淮北市杜集区、九江市都昌县、南阳市卧龙区、内蒙古锡林郭勒盟阿巴嘎旗、大同市左云县、澄迈县老城镇、徐州市沛县 、文昌市龙楼镇、宁夏银川市贺兰县、泸州市江阳区、九江市瑞昌市、陵水黎族自治县黎安镇、德宏傣族景颇族自治州瑞丽市、齐齐哈尔市建华区、黔西南贞丰县、宁德市柘荣县、宁夏吴忠市红寺堡区、泸州市古蔺县、铜仁市碧江区、广安市邻水县、大连市沙河口区

全球服务区域: 宿迁市宿豫区、广西来宾市忻城县 、六安市霍山县、宁波市象山县、广西来宾市金秀瑶族自治县、朔州市应县、中山市神湾镇、大理祥云县、青岛市城阳区、南昌市新建区、黄冈市黄州区、陇南市徽县、恩施州巴东县、宜春市樟树市、鹰潭市余江区、聊城市东昌府区、马鞍山市雨山区 、福州市马尾区、咸宁市赤壁市、内蒙古巴彦淖尔市杭锦后旗、阿坝藏族羌族自治州小金县、广西百色市隆林各族自治县

本周数据平台今日官方渠道披露重磅消息,今日行业报告发布行业新变化,亚洲、欧美与韩国：综合色彩下的时尚潮流，很高兴为您解答这个问题，让我来帮您详细说明一下：专业技术救援中心，重大故障专家会诊

全国服务区域: 内蒙古兴安盟科尔沁右翼前旗、三门峡市卢氏县 、漳州市漳浦县、邵阳市邵东市、广西桂林市灌阳县、中山市港口镇、成都市蒲江县、许昌市魏都区、阿坝藏族羌族自治州小金县、江门市新会区、楚雄楚雄市、南通市海安市、德州市德城区、伊春市金林区、新余市分宜县、北京市石景山区、北京市石景山区 、聊城市东昌府区、阳江市阳东区、汉中市略阳县、南阳市方城县、宁夏银川市西夏区、宜春市宜丰县、广西柳州市鱼峰区、万宁市龙滚镇、广西柳州市融安县、铜仁市万山区、东莞市樟木头镇、昭通市镇雄县、清远市连州市、鹤壁市山城区、赣州市定南县、广州市从化区、陇南市文县、宜宾市屏山县、肇庆市高要区、临沂市兰山区、佳木斯市桦南县、文山西畴县、天水市清水县、东莞市莞城街道

本周数据平台近期数据平台透露新政策:本周监管部门传达重磅消息,亚洲、欧美与韩国：综合色彩下的时尚潮流

在时尚界，色彩一直是设计师们表达创意和情感的重要手段。亚洲、欧美和韩国这三个地区，各自拥有独特的文化背景和审美观念，使得他们在色彩运用上呈现出截然不同的风格。本文将带您领略这三个地区在时尚潮流中的综合色彩魅力。 首先，我们来看看亚洲地区的色彩运用。亚洲文化历史悠久，色彩在传统艺术中扮演着重要角色。在中国，红色象征着喜庆和吉祥，黄色代表着尊贵和权力；在日本，和服上的色彩丰富多样，既体现了自然之美，又展现了日本人对色彩的独特理解。而在东南亚，色彩则更多体现了热带风情，明亮的色彩搭配让人感受到热情与活力。 欧美时尚界则更加注重色彩的对比和层次感。在欧美，黑色、白色和灰色是永恒的经典，而鲜艳的色彩则被用来打破沉闷，展现个性。近年来，欧美时尚界流行起了“彩虹色”穿搭，将多种色彩搭配在一起，呈现出独特的视觉效果。此外，欧美时尚还喜欢运用色彩对比，如黑白配、红蓝配等，使整体造型更加鲜明。 韩国时尚则融合了东西方文化，色彩运用上既有亚洲的含蓄，又有欧美的张扬。韩国流行文化在全球范围内具有极高影响力，从电视剧、电影到音乐、时尚，韩国都展现出了独特的魅力。在韩国，粉色、紫色等少女心色彩备受喜爱，而黑色、灰色等中性色则被用来展现成熟稳重。韩国时尚还善于运用色彩层次，将不同深浅的同一颜色搭配在一起，营造出丰富的视觉效果。 在综合这三个地区的色彩运用，我们可以发现以下特点： 1. 色彩搭配：亚洲、欧美和韩国在色彩搭配上都有自己独特的风格。亚洲注重色彩的和谐与平衡，欧美追求色彩的对比与层次，韩国则将东西方文化融合，形成独特的色彩搭配。 2. 色彩象征：每个地区都有自己独特的色彩象征。亚洲色彩富含文化内涵，欧美色彩体现个性张扬，韩国色彩则融合了东西方文化。 3. 色彩流行：亚洲、欧美和韩国的时尚潮流都在不断变化。色彩流行趋势受到多种因素影响，如社会环境、文化背景、经济状况等。 总之，亚洲、欧美和韩国在时尚潮流中的综合色彩魅力各具特色。在欣赏这些色彩的同时，我们也可以从中汲取灵感，为自己的时尚搭配增添更多创意。在这个多元化的时代，让我们共同感受色彩带来的美好吧！

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。