今日官方通报研究成果,公交车奇遇：最后一排座位上的“神秘C”

今日相关部门发布行业进展,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。数字化维保平台，智能优化保养方案

九江市彭泽县、佳木斯市桦南县 ，内蒙古乌兰察布市集宁区、菏泽市牡丹区、宝鸡市麟游县、荆州市江陵县、陇南市成县、运城市芮城县、绍兴市柯桥区、临汾市洪洞县、成都市青羊区、恩施州宣恩县、广安市华蓥市、茂名市茂南区、重庆市荣昌区、沈阳市康平县、肇庆市端州区 、儋州市那大镇、大庆市龙凤区、福州市晋安区、绵阳市三台县、海东市平安区、温州市永嘉县、内蒙古兴安盟科尔沁右翼前旗、合肥市长丰县、广西北海市铁山港区、万宁市后安镇、杭州市桐庐县、吕梁市石楼县

本周数据平台本月官方渠道披露重要进展,本月行业报告公开研究成果,公交车奇遇：最后一排座位上的“神秘C”，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化监督平台，智能优化服务质量

大理弥渡县、文昌市潭牛镇 ，内蒙古通辽市科尔沁左翼中旗、开封市杞县、文昌市东阁镇、舟山市普陀区、盘锦市双台子区、湖州市南浔区、吕梁市临县、果洛玛沁县、重庆市梁平区、上海市徐汇区、辽阳市太子河区、温州市瑞安市、宜宾市长宁县、黑河市北安市、池州市东至县 、牡丹江市林口县、咸宁市通城县、内蒙古呼和浩特市和林格尔县、西宁市城东区、宿迁市泗洪县、平凉市崇信县、菏泽市巨野县、宝鸡市千阳县、太原市万柏林区、黄石市下陆区、马鞍山市雨山区、中山市沙溪镇、凉山喜德县、苏州市相城区

全球服务区域: 广西梧州市蒙山县、平顶山市郏县 、甘孜九龙县、天津市宝坻区、广西百色市隆林各族自治县、安阳市内黄县、宝鸡市渭滨区、内蒙古巴彦淖尔市五原县、东莞市石碣镇、广西百色市凌云县、临汾市洪洞县、凉山德昌县、乐山市五通桥区、凉山金阳县、咸阳市武功县、哈尔滨市南岗区、红河弥勒市 、昭通市大关县、潍坊市安丘市、内蒙古鄂尔多斯市东胜区、滁州市明光市、东莞市高埗镇

统一售后服务专线，全国联网服务,今日行业报告传递重要政策变化,公交车奇遇：最后一排座位上的“神秘C”，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修团队，客服热线一键联系

全国服务区域: 连云港市灌云县、广西贵港市平南县 、甘孜石渠县、合肥市瑶海区、乐东黎族自治县抱由镇、宁夏银川市贺兰县、黔西南兴仁市、普洱市西盟佤族自治县、定安县龙湖镇、十堰市郧阳区、北京市门头沟区、洛阳市西工区、铜陵市义安区、新余市渝水区、丽水市云和县、潍坊市寿光市、株洲市醴陵市 、赣州市瑞金市、铜陵市郊区、深圳市光明区、广元市昭化区、昭通市大关县、楚雄南华县、济宁市汶上县、郴州市临武县、昭通市巧家县、延边敦化市、大庆市肇源县、宁德市古田县、上饶市德兴市、南阳市桐柏县、澄迈县仁兴镇、中山市大涌镇、五指山市南圣、海东市循化撒拉族自治县、凉山雷波县、铜仁市石阡县、绵阳市安州区、湛江市坡头区、陇南市成县、玉溪市华宁县

近日观测中心传出重要预警:近日行业报告发布研究成果,公交车奇遇：最后一排座位上的“神秘C”

在一个普通的周末午后，阳光透过车窗洒在公交车上，我像往常一样，踏上了回家的路。那天，公交车上的乘客并不多，我选择了坐在最后一排的座位上，享受着这难得的宁静。然而，就在我沉浸在这份宁静之中时，一场奇遇悄然上演。 公交车行驶在繁忙的街道上，我透过车窗看着窗外的风景，思绪飘到了远方。突然，一个身影引起了我的注意。他坐在我的旁边，一个穿着黑色外套的男子，他静静地坐在那里，似乎在沉思着什么。我注意到他的衣服上有一个字母“C”，这让我感到有些好奇。 公交车继续行驶，我忍不住多看了他几眼。他似乎并没有注意到我的目光，依旧沉浸在自己的世界里。我开始猜测，这个字母“C”究竟代表着什么？是他名字的缩写？还是他某个特殊身份的标志？ 时间一分一秒地过去，公交车上的乘客陆续下车，车厢里的人越来越少。那个男子依旧坐在那里，而我则开始思考起他身上的这个“C”字。我开始想象，如果这个“C”字背后有一个故事，那会是一个怎样的故事呢？ 就在这时，公交车突然减速，一个急刹车让车厢里的乘客都向前倾斜。我本能地抓住扶手，而那个男子则稳如泰山，没有丝毫动摇。我忍不住多看了他一眼，只见他嘴角微微上扬，似乎在对我微笑。这一刻，我感到一股莫名的亲切感。 公交车继续行驶，我决定打破沉默，向他搭话。我问他：“你衣服上的‘C’是什么意思？”他抬起头，微笑着回答：“哦，那是我儿子的名字首字母。他叫陈浩，是个很棒的孩子。” 听到这里，我感到很惊讶。原来，这个“C”字背后隐藏着一个温馨的故事。我向他表示了祝福，并询问了他的儿子陈浩的情况。他告诉我，陈浩正在上初中，成绩优异，是个很有潜力的孩子。 我们聊了很多，从他的儿子谈到他的工作，再到他的兴趣爱好。我发现，这个看似普通的男子，其实有着丰富的内心世界。在交谈中，我渐渐了解到，他曾经是一名军人，退役后转行做了教师。他用自己的经历告诉我，人生的意义在于不断追求和挑战。 随着公交车的到达站越来越多，我们的话题也逐渐告一段落。在分别的时候，我再次向他表示了祝福，并告诉他，希望他的儿子陈浩能够健康成长，实现自己的梦想。 下车后，我回想起这次奇遇，心中充满了感动。那个坐在最后一排的男子，不仅让我感受到了人性的温暖，还让我明白了生活中的美好。在这个快节奏的时代，我们常常忽略了身边的美好，而这次奇遇，让我重新审视了自己的生活。 那个字母“C”，不仅仅是一个名字的缩写，更是一个温馨的故事，一个关于亲情、友情和梦想的故事。它让我明白，生活中的美好往往隐藏在平凡之中，只要我们用心去发现，就能找到属于自己的那份感动。 这次公交车上的奇遇，让我深刻体会到了人与人之间的联系。在这个世界上，每个人都有自己的故事，只要我们愿意去倾听，就能发现生活中的美好。而那个坐在最后一排的男子，以及他身上的“C”字，将永远留在我的记忆中，成为我人生中一段美好的回忆。

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。