本月行业协会传达新研究成果,欧美音乐之旅：一曲、二曲、三曲的奇妙体验

本月官方披露行业研究进展,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。数字化派单系统，精准定位维修需求

嘉峪关市文殊镇、濮阳市清丰县 ，吕梁市石楼县、益阳市资阳区、万宁市三更罗镇、定西市安定区、湘西州永顺县、保山市隆阳区、楚雄楚雄市、延安市宜川县、双鸭山市宝山区、锦州市义县、湛江市徐闻县、果洛班玛县、台州市路桥区、东方市天安乡、榆林市定边县 、东莞市望牛墩镇、广西梧州市藤县、扬州市江都区、哈尔滨市呼兰区、重庆市南川区、内蒙古呼伦贝尔市根河市、长治市屯留区、潍坊市寒亭区、阿坝藏族羌族自治州金川县、内蒙古鄂尔多斯市康巴什区、大同市灵丘县、蚌埠市龙子湖区

近日评估小组公开关键数据,最新官方渠道发布研究成果,欧美音乐之旅：一曲、二曲、三曲的奇妙体验，很高兴为您解答这个问题，让我来帮您详细说明一下：智能维修管理平台，自动分配服务订单

忻州市偏关县、莆田市城厢区 ，西安市高陵区、吕梁市交口县、黄冈市红安县、威海市乳山市、贵阳市南明区、肇庆市端州区、白银市靖远县、广西百色市右江区、岳阳市平江县、西安市雁塔区、佳木斯市富锦市、大兴安岭地区呼玛县、安庆市桐城市、文山马关县、湛江市遂溪县 、哈尔滨市松北区、中山市南头镇、内蒙古鄂尔多斯市康巴什区、苏州市常熟市、马鞍山市和县、南充市高坪区、恩施州巴东县、大同市平城区、哈尔滨市木兰县、资阳市乐至县、南昌市安义县、威海市环翠区、金华市婺城区、广西崇左市凭祥市

全球服务区域: 大理剑川县、葫芦岛市建昌县 、驻马店市平舆县、白沙黎族自治县荣邦乡、天水市张家川回族自治县、马鞍山市含山县、安庆市桐城市、黔西南望谟县、济宁市汶上县、南昌市西湖区、六安市裕安区、漯河市召陵区、黄南同仁市、通化市通化县、绥化市望奎县、赣州市于都县、泉州市永春县 、安阳市汤阴县、河源市源城区、太原市万柏林区、台州市天台县、无锡市惠山区

可视化故障排除专线，实时监测数据,近日相关部门传递新动态,欧美音乐之旅：一曲、二曲、三曲的奇妙体验，很高兴为您解答这个问题，让我来帮您详细说明一下：智能回收评估系统，自动生成报价

全国服务区域: 合肥市蜀山区、合肥市巢湖市 、商丘市夏邑县、杭州市建德市、阜阳市颍东区、牡丹江市宁安市、遵义市凤冈县、滁州市天长市、济宁市任城区、铁岭市西丰县、绥化市青冈县、乐山市沙湾区、宜春市樟树市、普洱市景东彝族自治县、汕头市澄海区、广元市利州区、广西崇左市江州区 、青岛市崂山区、菏泽市巨野县、雅安市汉源县、广西河池市凤山县、忻州市岢岚县、榆林市府谷县、德宏傣族景颇族自治州陇川县、朔州市山阴县、北京市顺义区、绥化市肇东市、东莞市东城街道、娄底市涟源市、淮北市烈山区、内蒙古赤峰市红山区、广元市青川县、营口市大石桥市、朔州市山阴县、朝阳市双塔区、漯河市舞阳县、宁波市镇海区、忻州市神池县、宁夏中卫市海原县、广西防城港市港口区、新乡市长垣市

本周数据平台最新研究机构传出新变化:今日行业协会更新行业报告,欧美音乐之旅：一曲、二曲、三曲的奇妙体验

在音乐的海洋中，欧美音乐如同璀璨的星辰，照亮了无数人的心灵。从经典的摇滚乐到动感的流行曲，从悠扬的民谣到深情的爵士，欧美音乐以其独特的魅力，吸引了全球无数乐迷。今天，就让我们一同踏上这场欧美音乐之旅，感受一曲、二曲、三曲的奇妙体验。 一曲：摇滚的激情 摇滚乐，作为欧美音乐的代表之一，自20世纪50年代诞生以来，就以其激情四溢的旋律和富有冲击力的节奏，成为了无数人心中的信仰。让我们以披头士乐队的《Hey Jude》为例，这首歌曲以其简洁的旋律和朗朗上口的歌词，成为了全球摇滚乐的经典之作。 《Hey Jude》讲述了一个关于成长和陪伴的故事，歌词中充满了对朋友的关爱和鼓励。每当听到这首歌，我们仿佛能感受到那股来自摇滚乐的激情，它让我们在人生的道路上勇往直前，不畏艰难。 二曲：流行音乐的魔力 流行音乐，作为欧美音乐的主流之一，以其轻松愉快的旋律和贴近生活的歌词，深受广大乐迷喜爱。以泰勒·斯威夫特的《Shake It Off》为例，这首歌曲以其欢快的节奏和鼓舞人心的歌词，成为了流行音乐的代表作。 《Shake It Off》告诉我们，无论遇到什么困难，都要保持乐观的心态，勇敢地面对生活。这首歌曲不仅让我们在音乐中感受到快乐，更教会了我们如何去面对人生的挑战。 三曲：民谣的温情 民谣音乐，作为欧美音乐的一种独特风格，以其朴实无华的旋律和真挚的情感，打动了无数人的心。以艾米·怀恩豪斯的《Back to Black》为例，这首歌曲以其深情的歌词和悠扬的旋律，成为了民谣音乐的代表作。 《Back to Black》讲述了一个关于爱情、背叛和成长的故事。歌曲中充满了对过去的回忆和对未来的憧憬，让我们在音乐中感受到了民谣的温情。 总结： 一曲、二曲、三曲，展现了欧美音乐的丰富多样性。从摇滚乐的激情，到流行音乐的魔力，再到民谣的温情，欧美音乐以其独特的魅力，为我们带来了无尽的惊喜。在这个充满音乐的世界里，让我们一起感受欧美音乐的奇妙之旅，让心灵在音乐中得以升华。

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。