今日研究机构发布新成果,麻宫雅典娜：日本动漫中的智慧女神

今日监管部门传递新研究成果,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。家电问题反馈专线，多渠道受理投诉

上海市嘉定区、本溪市平山区 ，玉溪市新平彝族傣族自治县、恩施州咸丰县、潍坊市寒亭区、荆门市京山市、怒江傈僳族自治州福贡县、双鸭山市饶河县、西安市长安区、南阳市新野县、内蒙古乌兰察布市四子王旗、广西河池市宜州区、池州市石台县、大连市金州区、松原市扶余市、漯河市召陵区、金华市武义县 、亳州市涡阳县、徐州市丰县、攀枝花市东区、绥化市兰西县、遵义市汇川区、鸡西市滴道区、宜宾市珙县、惠州市惠阳区、洛阳市宜阳县、昭通市永善县、湛江市遂溪县、广西柳州市三江侗族自治县

可视化故障排除专线,今日行业报告披露重大政策更新,麻宫雅典娜：日本动漫中的智慧女神，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务中心联系方式，全渠道便捷沟通

泰安市宁阳县、甘南玛曲县 ，内蒙古通辽市库伦旗、黔东南雷山县、茂名市高州市、广西崇左市凭祥市、荆州市江陵县、绥化市北林区、果洛玛沁县、大同市广灵县、襄阳市襄城区、临沂市平邑县、重庆市綦江区、威海市乳山市、庆阳市宁县、黄南河南蒙古族自治县、肇庆市端州区 、聊城市临清市、上饶市鄱阳县、上海市金山区、延边和龙市、天津市北辰区、五指山市水满、庆阳市合水县、大理南涧彝族自治县、南平市延平区、广西河池市南丹县、济南市历城区、株洲市天元区、马鞍山市含山县、焦作市温县

全球服务区域: 温州市瑞安市、湘西州古丈县 、长春市德惠市、深圳市盐田区、重庆市大足区、上饶市弋阳县、鄂州市华容区、重庆市北碚区、自贡市沿滩区、扬州市江都区、连云港市连云区、甘孜石渠县、本溪市平山区、云浮市罗定市、漳州市平和县、邵阳市新邵县、凉山普格县 、咸宁市赤壁市、晋中市祁县、五指山市毛道、阳泉市平定县、临汾市安泽县

本周数据平台今日多方媒体透露研究成果,本月国家机构发布重大政策通报,麻宫雅典娜：日本动漫中的智慧女神，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心全国联网，服务更便捷

全国服务区域: 宁夏银川市永宁县、合肥市包河区 、长春市朝阳区、东莞市黄江镇、安阳市龙安区、内蒙古巴彦淖尔市杭锦后旗、黔东南雷山县、蚌埠市蚌山区、咸阳市淳化县、周口市西华县、三门峡市渑池县、沈阳市沈河区、鞍山市海城市、酒泉市肃北蒙古族自治县、宁夏固原市彭阳县、昆明市五华区、广西百色市平果市 、连云港市灌云县、白沙黎族自治县金波乡、大理祥云县、赣州市崇义县、汕头市南澳县、广西梧州市藤县、哈尔滨市阿城区、阳泉市城区、广西百色市德保县、遵义市湄潭县、济南市天桥区、文昌市公坡镇、牡丹江市阳明区、临沂市蒙阴县、内蒙古巴彦淖尔市乌拉特中旗、洛阳市偃师区、内蒙古阿拉善盟阿拉善右旗、广西桂林市秀峰区、遵义市余庆县、福州市福清市、广州市越秀区、凉山德昌县、潮州市湘桥区、重庆市巴南区

可视化故障排除专线:昨日官方渠道传递新研究成果,麻宫雅典娜：日本动漫中的智慧女神

麻宫雅典娜，这个名字对于动漫爱好者来说并不陌生。她是一位来自日本动漫《Code Geass 反叛的鲁路修》中的虚构角色，以其独特的魅力和智慧赢得了无数粉丝的喜爱。作为一位集美貌、智慧与勇气于一身的女性，麻宫雅典娜在动漫界中独树一帜，成为了无数人心中的女神。 麻宫雅典娜，全名麻宫雅典娜·艾尔·梅瑟，是日本动漫《Code Geass 反叛的鲁路修》中的主要角色之一。她出生于日本，是鲁路修的青梅竹马，同时也是日本神圣帝国的公主。在故事中，雅典娜是一位聪明、勇敢、富有正义感的女性，她为了实现和平与自由，与鲁路修并肩作战，共同对抗邪恶势力。 在动漫中，麻宫雅典娜的形象设计十分独特。她拥有一头银色的长发，眼神坚定，气质高贵。她的服装以白色为主，搭配黑色和金色的装饰，给人一种优雅而神秘的感觉。此外，雅典娜的武器是一把名为“神圣剑”的宝剑，这把剑不仅具有强大的力量，还蕴含着她的信念和意志。 作为一位智慧女神，麻宫雅典娜在动漫中的表现令人印象深刻。她不仅拥有出色的战略眼光，还能在关键时刻为鲁路修提供宝贵的建议。在故事中，雅典娜曾帮助鲁路修制定了一系列作战计划，使他们在对抗敌人时屡次化险为夷。她的聪明才智和坚定信念，成为了鲁路修等人前进的动力。 值得一提的是，麻宫雅典娜在动漫中的成长历程也十分感人。从最初的天真烂漫到后来的成熟稳重，雅典娜在经历了一系列磨难后，逐渐成长为一位真正的女神。在这个过程中，她不仅学会了如何面对困境，还学会了如何关爱他人，这种成长过程让人深感敬佩。 除了在动漫中的表现，麻宫雅典娜还衍生出了许多周边产品，如手办、服装、饰品等。这些周边产品不仅满足了粉丝们的收藏欲望，还让更多的人了解到了这位智慧女神的魅力。 总之，麻宫雅典娜作为日本动漫《Code Geass 反叛的鲁路修》中的虚构角色，以其独特的魅力和智慧赢得了无数粉丝的喜爱。她不仅是一位美丽的女性，更是一位充满正义感和责任感的英雄。在今后的日子里，相信麻宫雅典娜的故事还会继续传承下去，成为动漫史上永恒的经典。

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。