昨日官方更新研究报告,《欧美激情与亚洲风情：在线平台的跨文化碰撞之旅》

昨日监管部门传递行业研究成果,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。全国标准化热线，统一维修服务标准

果洛甘德县、广西柳州市三江侗族自治县 ，天津市和平区、株洲市渌口区、宣城市郎溪县、黔东南麻江县、大连市旅顺口区、深圳市光明区、中山市民众镇、定安县富文镇、葫芦岛市建昌县、乐东黎族自治县千家镇、重庆市永川区、吉林市丰满区、台州市玉环市、甘孜稻城县、宣城市郎溪县 、莆田市秀屿区、重庆市云阳县、淄博市高青县、天津市红桥区、怀化市鹤城区、台州市临海市、肇庆市高要区、文昌市东阁镇、内蒙古乌兰察布市集宁区、怀化市中方县、西安市莲湖区、东方市东河镇

刚刚信息部门通报重大更新,刚刚官方渠道披露重要信息,《欧美激情与亚洲风情：在线平台的跨文化碰撞之旅》，很高兴为您解答这个问题，让我来帮您详细说明一下：零部件供应中心，全品类配件库存

广西玉林市容县、平顶山市郏县 ，玉溪市澄江市、德阳市旌阳区、贵阳市南明区、赣州市瑞金市、昭通市绥江县、中山市古镇镇、十堰市房县、鞍山市铁东区、乐东黎族自治县九所镇、陇南市成县、驻马店市遂平县、西宁市湟源县、白沙黎族自治县阜龙乡、西安市长安区、江门市台山市 、阿坝藏族羌族自治州汶川县、天津市北辰区、重庆市大足区、漳州市漳浦县、重庆市巫溪县、上海市奉贤区、甘孜九龙县、广西贵港市覃塘区、朝阳市双塔区、泉州市德化县、吕梁市柳林县、惠州市惠城区、开封市龙亭区、咸阳市乾县

全球服务区域: 朝阳市凌源市、吕梁市交口县 、六盘水市盘州市、河源市东源县、常德市武陵区、芜湖市南陵县、内蒙古阿拉善盟阿拉善右旗、眉山市洪雅县、宝鸡市渭滨区、平顶山市新华区、中山市小榄镇、昭通市大关县、中山市沙溪镇、东莞市厚街镇、三门峡市卢氏县、杭州市富阳区、南京市玄武区 、张家界市慈利县、太原市晋源区、孝感市孝南区、内江市东兴区、淮南市潘集区

本周数据平台本月业内人士公开最新动态,稍早前相关部门更新进展,《欧美激情与亚洲风情：在线平台的跨文化碰撞之旅》，很高兴为您解答这个问题，让我来帮您详细说明一下：专业售后团队，客服热线随时待命

全国服务区域: 汉中市佛坪县、茂名市信宜市 、铜仁市沿河土家族自治县、吕梁市交口县、黔东南镇远县、永州市零陵区、广西梧州市万秀区、株洲市攸县、儋州市王五镇、上海市宝山区、汕头市南澳县、内蒙古鄂尔多斯市杭锦旗、阜阳市颍州区、济南市钢城区、德州市庆云县、南昌市西湖区、临沂市临沭县 、广西崇左市凭祥市、广州市越秀区、马鞍山市雨山区、辽源市西安区、三亚市吉阳区、大理洱源县、六安市金寨县、商丘市睢县、常州市金坛区、商丘市宁陵县、黔东南台江县、常州市天宁区、福州市连江县、济宁市邹城市、赣州市于都县、焦作市孟州市、长沙市雨花区、黄山市黄山区、常州市武进区、亳州市涡阳县、吉安市永丰县、南昌市进贤县、赣州市崇义县、齐齐哈尔市铁锋区

统一服务管理平台，智能监控质量:昨日行业协会披露最新报告,《欧美激情与亚洲风情：在线平台的跨文化碰撞之旅》

在互联网高速发展的今天，信息传播的边界被无限拓宽，人们可以轻松跨越地域、文化的界限，欣赏到来自世界各地的多元文化。欧美激情与亚洲风情，这两种截然不同的文化风格，在在线平台上碰撞出别样的火花。本文将带您领略这一跨文化碰撞之旅。 首先，欧美激情在在线平台上表现为丰富的娱乐内容和生活方式。欧美文化强调个人主义、自由奔放，这种风格在电影、音乐、舞蹈等领域得到了充分体现。例如，好莱坞大片中充满激情的打斗场面、摇滚乐中高亢的嘶吼、街舞中充满活力的动作，都让人感受到了欧美文化的独特魅力。此外，欧美在线平台上的社交网络、直播等互动形式，也为人们提供了展示自我、释放激情的舞台。 与此同时，亚洲风情在在线平台上则呈现出独特的韵味。亚洲文化注重集体主义、含蓄内敛，这种风格在艺术、美食、服饰等领域得到了传承。例如，中国古典舞的柔美、日本动漫的奇幻、韩国流行文化的时尚，都让人领略到了亚洲文化的独特魅力。亚洲在线平台上的美食直播、服饰搭配分享、旅行攻略推荐等，也让人们感受到了亚洲风情的魅力。 在跨文化碰撞的过程中，欧美激情与亚洲风情相互借鉴、相互融合。以下是一些典型的例子： 1. 欧美电影中的亚洲元素：近年来，越来越多的欧美电影开始融入亚洲元素，如《卧虎藏龙》、《花木兰》等。这些电影将东方的武术、服饰、文化融入其中，为观众带来了全新的观影体验。 2. 亚洲音乐中的欧美风格：随着音乐产业的全球化，越来越多的亚洲音乐开始融合欧美风格。如韩国流行音乐（K-pop）中的电子舞曲、日本流行音乐（J-pop）中的摇滚元素，都受到了年轻人的喜爱。 3. 欧美服饰中的亚洲元素：欧美时尚界也开始关注亚洲文化，将亚洲服饰元素融入其中。如日本和服、中国汉服等，都成为了时尚界的宠儿。 4. 在线教育平台的跨文化合作：欧美在线教育平台与亚洲教育机构合作，共同开发课程，为全球学习者提供丰富的教育资源。这种跨文化合作有助于促进文化交流与教育公平。 总之，欧美激情与亚洲风情在在线平台的碰撞，不仅丰富了人们的精神世界，也为全球文化交流提供了新的机遇。在这个多元化的时代，让我们共同期待更多精彩的文化碰撞，共同创造美好的未来。

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。