本月行业协会发布重磅通报,战斗盗贼：揭秘游戏中的神秘职业属性

昨日相关部门发布重要研究成果,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。全国标准化服务热线，维修质量有保证

吉安市吉安县、陵水黎族自治县新村镇 ，黄山市黄山区、临高县调楼镇、乐东黎族自治县利国镇、海北刚察县、锦州市凌河区、郑州市新密市、泰州市海陵区、渭南市白水县、咸宁市赤壁市、泉州市鲤城区、衡阳市衡南县、乐山市沙湾区、亳州市蒙城县、咸阳市武功县、西双版纳勐海县 、洛阳市伊川县、黔南罗甸县、淮南市大通区、丽江市宁蒗彝族自治县、阿坝藏族羌族自治州汶川县、菏泽市单县、榆林市神木市、重庆市忠县、聊城市东昌府区、西双版纳勐腊县、广西南宁市横州市、甘南玛曲县

刚刚信息部门通报重大更新,本周行业报告披露政策新动向,战斗盗贼：揭秘游戏中的神秘职业属性，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障不用愁，客服热线帮您忙

万宁市山根镇、大兴安岭地区松岭区 ，大同市灵丘县、安阳市滑县、宁夏银川市西夏区、吕梁市离石区、哈尔滨市依兰县、广西贵港市港南区、上饶市婺源县、锦州市古塔区、临汾市襄汾县、芜湖市镜湖区、锦州市凌河区、文山广南县、绵阳市江油市、萍乡市芦溪县、株洲市茶陵县 、南平市顺昌县、宝鸡市凤县、长治市襄垣县、哈尔滨市依兰县、肇庆市高要区、果洛玛沁县、宝鸡市太白县、广西百色市田阳区、镇江市扬中市、白城市大安市、广西贺州市富川瑶族自治县、驻马店市平舆县、芜湖市南陵县、宜宾市翠屏区

全球服务区域: 上海市静安区、内蒙古通辽市扎鲁特旗 、南通市如皋市、临沧市临翔区、上海市静安区、绵阳市盐亭县、营口市盖州市、台州市三门县、深圳市坪山区、阳江市阳东区、广西梧州市长洲区、亳州市谯城区、汕尾市陆丰市、广西南宁市良庆区、大理洱源县、澄迈县加乐镇、内蒙古赤峰市翁牛特旗 、青岛市市南区、徐州市鼓楼区、衢州市柯城区、韶关市始兴县、恩施州建始县

在线维修进度查询,本周监管部门更新行业通报,战斗盗贼：揭秘游戏中的神秘职业属性，很高兴为您解答这个问题，让我来帮您详细说明一下：产品升级服务中心，全流程专业指导

全国服务区域: 黑河市嫩江市、内蒙古巴彦淖尔市乌拉特前旗 、焦作市沁阳市、赣州市崇义县、忻州市忻府区、泰州市泰兴市、葫芦岛市绥中县、嘉峪关市新城镇、六安市金安区、潍坊市寿光市、潍坊市寒亭区、鸡西市滴道区、郑州市管城回族区、焦作市马村区、延安市志丹县、内蒙古鄂尔多斯市鄂托克前旗、宜昌市西陵区 、澄迈县文儒镇、牡丹江市宁安市、郴州市临武县、营口市老边区、中山市板芙镇、南昌市青山湖区、榆林市定边县、黄冈市英山县、济宁市金乡县、周口市西华县、商洛市商州区、日照市莒县、通化市辉南县、酒泉市敦煌市、成都市龙泉驿区、重庆市巫溪县、台州市三门县、丽江市玉龙纳西族自治县、延边安图县、漳州市龙海区、驻马店市泌阳县、海南兴海县、绥化市肇东市、江门市新会区

刚刚信息部门通报重大更新:今日行业报告发布行业新变化,战斗盗贼：揭秘游戏中的神秘职业属性

在众多游戏职业中，战斗盗贼无疑是一个充满神秘色彩的职业。他们以敏捷的身手、狡猾的智慧以及强大的战斗能力著称。在游戏中，战斗盗贼的属性设定也是独具特色，下面我们就来揭秘一下这个神秘职业的属性。 ### 1. 敏捷属性 敏捷是战斗盗贼的核心属性，它决定了盗贼的移动速度、闪避率以及攻击速度。在游戏中，拥有高敏捷度的战斗盗贼可以轻松躲避敌人的攻击，同时提高自己的攻击频率。此外，敏捷属性还能影响盗贼的技能释放，使得战斗盗贼在战斗中能够更加灵活地运用各种技能。 ### 2. 智力属性 智力属性对于战斗盗贼来说同样至关重要。它决定了盗贼的魔法攻击力、法术抗性以及技能效果。在游戏中，战斗盗贼不仅需要依靠物理攻击，还需要运用各种法术和技能来击败敌人。高智力的战斗盗贼在战斗中能够释放出更加强大的技能，对敌人造成毁灭性的打击。 ### 3. 力量属性 力量属性虽然不是战斗盗贼的核心属性，但在一定程度上影响着他们的生存能力。力量属性决定了盗贼的物理攻击力、护甲穿透以及生命值。在游戏中，战斗盗贼需要具备一定的力量，以便在遭遇强大敌人时能够承受住攻击，并有机会反击。 ### 4. 暗影属性 暗影属性是战斗盗贼的专属属性，它赋予了盗贼独特的技能和战斗风格。暗影属性决定了盗贼的隐身能力、潜行成功率以及暗杀技能的伤害。在游戏中，战斗盗贼可以利用暗影属性进行潜行、偷袭等战术，给敌人带来意想不到的打击。 ### 5. 技能树 战斗盗贼的技能树丰富多样，涵盖了攻击、防御、辅助等多个方面。以下是一些常见的战斗盗贼技能： - **潜行**：提高潜行成功率，减少被敌人发现的可能性。 - **偷袭**：对敌人造成额外伤害，并有一定几率使敌人进入混乱状态。 - **暗杀**：对敌人造成高额伤害，并有一定几率使敌人陷入昏迷。 - **隐身**：在一定时间内使盗贼隐形，躲避敌人的攻击。 - **毒药**：对敌人造成持续伤害，并降低其防御力。 ### 6. 装备选择 在游戏中，战斗盗贼的装备选择应以提升敏捷和智力属性为主，同时兼顾力量属性。以下是一些建议的装备： - **武器**：匕首、弓箭等远程攻击武器。 - **防具**：轻甲、皮甲等，以提高敏捷属性。 - **饰品**：护腕、戒指等，以提高智力属性。 总之，战斗盗贼是一个充满神秘色彩的职业。他们凭借敏捷的身手、狡猾的智慧以及强大的战斗能力，在游戏中独树一帜。了解战斗盗贼的属性和技能，将有助于玩家在游戏中更好地发挥这个职业的优势，成为战场上的佼佼者。

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。