本月行业报告披露新动态,如何把自己玩成喷泉状态：释放潜能，享受生活

今日行业报告传递政策变化,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。智能化维修系统，自动调度服务人员

济南市济阳区、深圳市龙岗区 ，永州市江华瑶族自治县、内蒙古通辽市科尔沁左翼后旗、阜新市清河门区、济南市长清区、重庆市城口县、黑河市爱辉区、临沂市河东区、遵义市赤水市、九江市濂溪区、岳阳市云溪区、马鞍山市雨山区、咸阳市秦都区、广西柳州市柳江区、亳州市利辛县、广西贺州市钟山县 、宁夏固原市彭阳县、内蒙古呼和浩特市玉泉区、榆林市府谷县、营口市大石桥市、邵阳市新宁县、齐齐哈尔市甘南县、甘孜九龙县、内蒙古通辽市库伦旗、金华市义乌市、大庆市萨尔图区、福州市晋安区、海北刚察县

本周官方渠道披露研究成果,昨日行业报告传递新成果,如何把自己玩成喷泉状态：释放潜能，享受生活，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修保障热线，售后90天质保

郴州市桂东县、贵阳市观山湖区 ，渭南市合阳县、福州市平潭县、铜陵市铜官区、白山市抚松县、西宁市大通回族土族自治县、德宏傣族景颇族自治州陇川县、怀化市溆浦县、芜湖市湾沚区、广西来宾市忻城县、江门市江海区、安康市紫阳县、内蒙古呼和浩特市玉泉区、广西桂林市兴安县、黄冈市黄州区、中山市古镇镇 、广西百色市田阳区、合肥市瑶海区、绥化市兰西县、临高县博厚镇、文昌市潭牛镇、东营市广饶县、泉州市石狮市、信阳市浉河区、五指山市通什、中山市五桂山街道、南京市浦口区、昌江黎族自治县乌烈镇、铜仁市松桃苗族自治县、伊春市汤旺县

全球服务区域: 遵义市余庆县、潍坊市坊子区 、南通市如皋市、咸阳市兴平市、东莞市麻涌镇、大同市浑源县、蚌埠市淮上区、成都市简阳市、商丘市宁陵县、株洲市茶陵县、昆明市五华区、济南市历下区、淮南市寿县、广西防城港市上思县、鞍山市台安县、南平市武夷山市、漳州市平和县 、郴州市宜章县、朔州市山阴县、五指山市水满、东方市八所镇、佛山市三水区

本周数据平台最新官方渠道传来研究成果,本月行业协会传达最新研究成果,如何把自己玩成喷泉状态：释放潜能，享受生活，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

全国服务区域: 焦作市山阳区、娄底市冷水江市 、沈阳市大东区、新乡市长垣市、雅安市宝兴县、岳阳市临湘市、琼海市潭门镇、汉中市略阳县、商洛市山阳县、长春市榆树市、泉州市德化县、临夏永靖县、通化市梅河口市、西安市鄠邑区、扬州市宝应县、忻州市保德县、兰州市七里河区 、甘南舟曲县、鞍山市铁东区、南通市海门区、枣庄市峄城区、昭通市盐津县、哈尔滨市延寿县、南京市栖霞区、清远市阳山县、平顶山市舞钢市、北京市密云区、黔南平塘县、吉林市磐石市、西安市长安区、德阳市中江县、鞍山市铁东区、黄南同仁市、滨州市邹平市、雅安市宝兴县、鹤岗市兴安区、临沧市耿马傣族佤族自治县、珠海市香洲区、晋中市昔阳县、铁岭市调兵山市、长春市南关区

在线维修进度查询:今日研究机构发布行业报告,如何把自己玩成喷泉状态：释放潜能，享受生活

在快节奏的现代生活中，我们常常感到压力山大，身心俱疲。如何让自己在忙碌的生活中找到乐趣，释放潜能，达到一种“喷泉状态”呢？以下是一些实用的方法，帮助你找到属于自己的快乐源泉。 一、培养兴趣爱好 兴趣爱好是人生中不可或缺的一部分，它能让我们在忙碌的生活中找到乐趣，释放压力。以下是一些建议： 1. 尝试新事物：勇于尝试新事物，开拓视野，寻找自己感兴趣的事物。比如，学习一门新的乐器、参加瑜伽课程、尝试烹饪等。 2. 深入挖掘：找到自己真正热爱的兴趣爱好，并深入挖掘。通过不断学习和实践，提高自己的技能，从而获得成就感。 3. 分享快乐：与朋友、家人分享自己的兴趣爱好，让他们了解你的世界，同时也能从他们那里获得灵感和快乐。 二、保持积极心态 积极的心态是保持“喷泉状态”的关键。以下是一些建议： 1. 学会感恩：珍惜身边的人和事，学会感恩。当你心怀感激时，你会发现生活中充满了美好。 2. 坚持乐观：面对困难和挫折，保持乐观的心态。相信自己有能力克服困难，迎接挑战。 3. 学会放松：在紧张的工作和学习之余，学会放松自己。可以通过冥想、深呼吸等方式，缓解压力，保持心态平和。 三、锻炼身体 身体健康是保持“喷泉状态”的基础。以下是一些建议： 1. 坚持运动：选择适合自己的运动方式，如跑步、游泳、健身等，每周至少运动3-5次，每次30分钟以上。 2. 保持良好的作息：保证充足的睡眠，养成良好的作息习惯，有助于提高身体素质。 3. 健康饮食：注重饮食均衡，多吃蔬菜、水果和粗粮，少吃油腻、高热量食物。 四、拓展人际关系 良好的人际关系有助于我们在生活中获得支持与帮助。以下是一些建议： 1. 善于沟通：学会倾听、表达和沟通，与朋友、家人保持良好的互动。 2. 增强同理心：站在他人的角度思考问题，关心他人的感受，增进彼此的感情。 3. 结交新朋友：积极参加社交活动，拓展人际关系，丰富自己的社交圈。 总之，要让自己达到“喷泉状态”，关键在于培养兴趣爱好、保持积极心态、锻炼身体和拓展人际关系。只要我们努力去做，就一定能在忙碌的生活中找到属于自己的快乐源泉，享受生活的美好。

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。