本月行业协会传递新研究成果,探索日本大坂：人文艺术与MBA教育的完美融合

今日相关部门披露重大研究成果,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。全国统一回收专线，环保处理旧家电

内蒙古赤峰市松山区、雅安市雨城区 ，吉安市吉水县、凉山喜德县、河源市东源县、鹤壁市淇县、常州市金坛区、汉中市略阳县、天津市津南区、肇庆市高要区、雅安市石棉县、定安县龙湖镇、淮安市淮安区、九江市武宁县、中山市民众镇、中山市中山港街道、韶关市武江区 、内蒙古通辽市科尔沁区、广西玉林市玉州区、广西玉林市福绵区、遂宁市船山区、广西柳州市鱼峰区、汉中市留坝县、内蒙古通辽市开鲁县、渭南市潼关县、九江市共青城市、大同市平城区、凉山冕宁县、临汾市洪洞县

本周数据平台最新研究机构传出新变化,本周业内人士传递最新研究成果,探索日本大坂：人文艺术与MBA教育的完美融合，很高兴为您解答这个问题，让我来帮您详细说明一下：家电配件订购专线，原厂正品保障

金华市金东区、邵阳市新邵县 ，蚌埠市蚌山区、马鞍山市和县、连云港市灌南县、滨州市惠民县、延边汪清县、黔西南贞丰县、淮安市洪泽区、广西贵港市覃塘区、淮北市相山区、广西梧州市藤县、琼海市龙江镇、铁岭市昌图县、直辖县潜江市、临高县南宝镇、合肥市包河区 、达州市通川区、凉山冕宁县、咸阳市渭城区、安阳市龙安区、晋中市太谷区、广西梧州市万秀区、宝鸡市金台区、红河元阳县、泰安市肥城市、济南市钢城区、忻州市保德县、东莞市道滘镇、广西来宾市金秀瑶族自治县、玉溪市华宁县

全球服务区域: 红河金平苗族瑶族傣族自治县、琼海市长坡镇 、沈阳市辽中区、文山富宁县、内蒙古呼和浩特市新城区、玉溪市红塔区、泰安市新泰市、儋州市和庆镇、张家界市慈利县、濮阳市濮阳县、茂名市茂南区、宝鸡市凤翔区、松原市宁江区、广西贵港市平南县、扬州市邗江区、宁夏吴忠市青铜峡市、晋城市泽州县 、重庆市渝北区、德州市平原县、襄阳市南漳县、济南市长清区、达州市达川区

刚刚科研委员会公布突破成果,本月行业协会披露最新研究报告,探索日本大坂：人文艺术与MBA教育的完美融合，很高兴为您解答这个问题，让我来帮您详细说明一下：家电保养记录查询，完整服务历史追溯

全国服务区域: 榆林市米脂县、泰安市泰山区 、广西南宁市横州市、甘孜白玉县、菏泽市牡丹区、临夏康乐县、郴州市桂东县、嘉峪关市文殊镇、黔东南剑河县、黑河市五大连池市、陇南市成县、儋州市兰洋镇、鹤岗市绥滨县、赣州市崇义县、西安市长安区、宣城市泾县、黄山市歙县 、徐州市泉山区、广西桂林市灵川县、沈阳市康平县、杭州市拱墅区、淮安市淮阴区、商丘市虞城县、焦作市沁阳市、吉林市桦甸市、梅州市梅江区、哈尔滨市香坊区、广西柳州市柳北区、泉州市石狮市、东方市东河镇、宝鸡市眉县、聊城市高唐县、成都市武侯区、佳木斯市前进区、内蒙古呼伦贝尔市陈巴尔虎旗、阿坝藏族羌族自治州阿坝县、鸡西市滴道区、重庆市忠县、大兴安岭地区漠河市、达州市通川区、临沂市郯城县

在线维修进度查询:今日研究机构发布行业报告,探索日本大坂：人文艺术与MBA教育的完美融合

日本，这个位于东亚的岛国，以其独特的文化、艺术和现代科技闻名于世。而在日本众多城市中，大坂作为其第三大城市，不仅经济繁荣，更以其深厚的人文艺术底蕴而备受瞩目。近年来，大坂的MBA教育也日益受到关注，其结合了人文艺术与商业管理教育的独特模式，为广大学子提供了别具一格的学习体验。 大坂，这座历史与现代交融的城市，孕育了丰富的文化传统。从古至今，大坂都是日本文化的发源地之一，尤其是其传统艺术，如能乐、歌舞伎、浮世绘等，在世界范围内都享有盛誉。在这样的文化背景下，大坂的MBA教育将人文艺术与商业管理相结合，旨在培养具有国际视野和人文素养的商业精英。 大坂的MBA课程设置注重理论与实践相结合，学生不仅能够学习到先进的商业管理理念，还能深入体验日本传统文化。以下是大坂MBA教育中人文艺术与商业管理融合的几个亮点： 1. **跨学科课程**：大坂的MBA课程涵盖了经济学、市场营销、财务管理、战略管理等商业管理核心课程，同时融入了日本传统艺术、历史、哲学等人文艺术课程。这种跨学科的学习模式，有助于学生拓宽视野，培养综合素质。 2. **实地考察**：大坂的MBA教育注重实践，学校会组织学生进行实地考察，让学生深入了解日本企业文化、商业环境以及传统艺术。例如，学生可以参观日本著名的浮世绘博物馆，了解日本传统艺术的发展历程。 3. **文化体验**：学校会定期举办各种文化活动，如茶道、花道、剑道等，让学生亲身体验日本传统文化。这种文化体验有助于学生更好地理解日本商业环境，提升跨文化沟通能力。 4. **国际交流**：大坂的MBA教育注重国际交流，学校与世界各地知名商学院建立了合作关系。学生有机会参加国际研讨会、实习项目等，拓宽国际视野。 5. **师资力量**：大坂的MBA教育拥有一支实力雄厚的师资队伍，既有来自日本知名企业的商业管理专家，也有在人文艺术领域具有深厚造诣的学者。这种多元化的师资结构，为学生提供了全面的知识体系。 总之，大坂的MBA教育以其独特的人文艺术与商业管理融合模式，为广大学子提供了丰富的学习资源和发展机遇。在这里，学生不仅能够学习到先进的商业管理知识，还能深入体验日本传统文化，培养国际视野和人文素养。随着全球化的不断深入，这样的教育模式将越来越受到重视，为大坂的MBA教育带来了广阔的发展前景。

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。