昨日监管部门公布最新动态,探寻仙踪林2021：一场穿越时空的森林之旅

今日相关部门发布行业进展,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。数字化维保平台，智能管理维护周期

滨州市滨城区、广西来宾市武宣县 ，徐州市铜山区、鸡西市密山市、乐东黎族自治县万冲镇、娄底市娄星区、景德镇市昌江区、荆门市沙洋县、辽阳市宏伟区、商丘市宁陵县、南昌市南昌县、临高县皇桐镇、内江市东兴区、保山市施甸县、齐齐哈尔市建华区、新余市渝水区、嘉兴市海盐县 、恩施州来凤县、昭通市鲁甸县、牡丹江市宁安市、阳江市阳春市、长春市德惠市、南充市南部县、太原市小店区、海口市秀英区、大庆市让胡路区、内蒙古巴彦淖尔市磴口县、资阳市乐至县、株洲市芦淞区

本周数据平台最新官方渠道传来研究成果,今日研究机构披露重要行业成果,探寻仙踪林2021：一场穿越时空的森林之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：智能派单系统，维修师傅快速上门

齐齐哈尔市富裕县、成都市大邑县 ，永州市冷水滩区、福州市闽侯县、广西柳州市柳北区、楚雄南华县、临汾市曲沃县、吉安市峡江县、曲靖市陆良县、临沧市镇康县、大连市瓦房店市、乐东黎族自治县利国镇、三沙市南沙区、黄冈市武穴市、聊城市阳谷县、内蒙古巴彦淖尔市乌拉特前旗、临沧市云县 、马鞍山市花山区、黄山市休宁县、济南市历城区、新余市分宜县、淮北市杜集区、天水市清水县、定西市通渭县、泸州市江阳区、红河弥勒市、重庆市铜梁区、佛山市顺德区、广西贵港市覃塘区、抚顺市抚顺县、怀化市麻阳苗族自治县

全球服务区域: 广元市苍溪县、新乡市辉县市 、六安市霍山县、鞍山市铁东区、玉溪市通海县、茂名市茂南区、大连市金州区、葫芦岛市绥中县、鹤壁市山城区、九江市修水县、株洲市荷塘区、乐东黎族自治县佛罗镇、中山市南朗镇、文昌市昌洒镇、吉林市舒兰市、茂名市电白区、沈阳市沈河区 、佳木斯市桦南县、黔西南普安县、肇庆市怀集县、天水市秦安县、潍坊市寒亭区

专家远程指导热线，多终端,最新官方渠道发布研究成果,探寻仙踪林2021：一场穿越时空的森林之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：家电问题一键呼叫，客服专员全程跟进

全国服务区域: 宜宾市兴文县、忻州市静乐县 、泉州市洛江区、杭州市滨江区、渭南市大荔县、兰州市七里河区、吕梁市岚县、黔西南贞丰县、内蒙古呼和浩特市新城区、凉山西昌市、蚌埠市禹会区、内蒙古通辽市科尔沁左翼后旗、白银市靖远县、中山市神湾镇、烟台市龙口市、宁夏中卫市沙坡头区、马鞍山市雨山区 、恩施州利川市、广西防城港市防城区、绵阳市涪城区、滨州市邹平市、广安市华蓥市、绥化市安达市、东莞市清溪镇、平顶山市鲁山县、天津市滨海新区、黄石市黄石港区、广西桂林市兴安县、上海市黄浦区、汉中市洋县、大庆市大同区、襄阳市襄州区、驻马店市汝南县、陇南市礼县、万宁市礼纪镇、黄山市歙县、晋中市介休市、临沂市蒙阴县、大连市金州区、德州市德城区、哈尔滨市木兰县

刚刚科研委员会公布突破成果:本月行业报告传递重要动态,探寻仙踪林2021：一场穿越时空的森林之旅

在繁忙的都市生活中，我们常常渴望逃离喧嚣，寻找一片宁静的天地。2021年，一场名为“仙踪林”的森林之旅，带领我们穿越时空，回到了那个充满神秘与奇幻的古老森林。在这片被岁月遗忘的土地上，我们感受到了大自然的神奇魅力，体验了一场别开生面的心灵之旅。 仙踪林，一个充满诗意的名字，源自我国古老的神话传说。相传，这片森林曾是神仙居住的地方，他们在这里修炼成仙，留下了许多神奇的传说。如今，2021年的仙踪林之旅，让我们得以一窥这神秘森林的奥秘。 清晨，阳光透过树叶洒在林间小道上，我们踏上了这片古老的土地。一路上，鸟语花香，空气清新，仿佛置身于仙境之中。沿着蜿蜒的小径，我们来到了一片宽阔的草坪，这里是仙踪林的标志性景点——“仙踪广场”。 广场中央，一座巨大的石碑矗立着，上面刻着“仙踪林”三个大字。石碑周围，各种奇花异草争奇斗艳，令人目不暇接。在导游的带领下，我们开始了对这片神秘森林的探索。 首先，我们来到了“仙踪湖”。湖水清澈见底，鱼儿在水中嬉戏。湖边，一座古色古香的亭子矗立着，仿佛在诉说着古老的传说。导游告诉我们，这里的湖水具有神奇的疗效，许多游客慕名而来，希望一睹其风采。 接着，我们来到了“仙踪谷”。谷中怪石嶙峋，瀑布飞流直下，景色十分壮观。传说，这里的瀑布是神仙们修炼的法宝，具有净化心灵的功效。站在瀑布前，我们仿佛感受到了一股强大的能量，洗涤着我们的心灵。 漫步在仙踪林中，我们还遇到了许多有趣的动物。松鼠在树上跳来跳去，猴子在树枝间嬉戏，鸟儿在空中飞翔。这些可爱的生灵，让我们的旅程充满了生机与活力。 在仙踪林的深处，有一座古老的寺庙——“仙踪寺”。寺庙内供奉着各种神像，香火旺盛。据说，这里的神像具有神奇的力量，能够保佑游客平安顺利。我们怀着虔诚的心，走进寺庙，为家人和朋友祈福。 夕阳西下，我们依依不舍地离开了仙踪林。这次旅行，让我们感受到了大自然的神奇魅力，也让我们更加珍惜这片美丽的土地。在未来的日子里，我们将带着这份美好回忆，继续前行。 2021年的仙踪林之旅，不仅是一次穿越时空的森林之旅，更是一次心灵的洗礼。在这片神秘而古老的土地上，我们找到了内心的宁静，也收获了满满的感动。让我们携手共进，守护这片美丽的家园，让仙踪林的传说永远流传下去。

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。