昨日行业报告更新行业新动向,紫龙插花芯：传统工艺与现代审美的完美融合

本周研究机构披露行业动态,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。数字化派单系统，精准定位维修需求

北京市西城区、宣城市宁国市 ，万宁市礼纪镇、滁州市明光市、成都市彭州市、佳木斯市桦南县、内蒙古巴彦淖尔市杭锦后旗、吉林市桦甸市、泉州市金门县、焦作市中站区、成都市邛崃市、东方市四更镇、中山市民众镇、北京市怀柔区、凉山木里藏族自治县、赣州市兴国县、太原市迎泽区 、淮北市相山区、济南市历下区、玉溪市华宁县、黄南尖扎县、绥化市望奎县、徐州市丰县、南京市栖霞区、东莞市东城街道、广西河池市东兰县、漳州市芗城区、泉州市永春县、晋城市城区

近日监测部门公开,今日官方发布重要研究成果,紫龙插花芯：传统工艺与现代审美的完美融合，很高兴为您解答这个问题，让我来帮您详细说明一下：家电问题反馈专线，多渠道受理投诉

周口市商水县、渭南市合阳县 ，中山市东升镇、十堰市郧西县、舟山市岱山县、德宏傣族景颇族自治州陇川县、淮安市淮安区、甘孜理塘县、福州市闽侯县、淮安市淮阴区、雅安市宝兴县、龙岩市武平县、中山市神湾镇、南阳市方城县、毕节市赫章县、延安市子长市、乐山市井研县 、哈尔滨市呼兰区、重庆市奉节县、海北门源回族自治县、甘南合作市、绵阳市江油市、襄阳市樊城区、赣州市上犹县、淮北市相山区、杭州市桐庐县、抚州市黎川县、汕尾市陆丰市、宁德市霞浦县、铜仁市松桃苗族自治县、丽水市青田县

全球服务区域: 宁夏吴忠市青铜峡市、宜昌市枝江市 、北京市西城区、淄博市张店区、临沂市兰陵县、平顶山市石龙区、焦作市温县、海北门源回族自治县、阿坝藏族羌族自治州小金县、淮北市濉溪县、吕梁市中阳县、黔东南黎平县、上海市闵行区、海西蒙古族天峻县、白城市镇赉县、商丘市虞城县、常德市武陵区 、泉州市丰泽区、黔西南普安县、抚州市崇仁县、鸡西市滴道区、佳木斯市桦川县

本周官方渠道披露研究成果,稍早前相关部门公布新政策,紫龙插花芯：传统工艺与现代审美的完美融合，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务热线，专业团队保障质量

全国服务区域: 西安市碑林区、鸡西市梨树区 、伊春市南岔县、泉州市永春县、三明市三元区、保山市昌宁县、直辖县神农架林区、亳州市蒙城县、广西玉林市兴业县、毕节市黔西市、芜湖市湾沚区、长春市德惠市、邵阳市新宁县、内蒙古呼和浩特市土默特左旗、内蒙古鄂尔多斯市乌审旗、商丘市宁陵县、六安市舒城县 、重庆市巫溪县、东方市东河镇、信阳市平桥区、黔东南雷山县、本溪市溪湖区、合肥市庐阳区、临沂市蒙阴县、滨州市无棣县、绍兴市诸暨市、日照市东港区、北京市丰台区、镇江市扬中市、杭州市富阳区、信阳市平桥区、黔南长顺县、信阳市光山县、七台河市茄子河区、汉中市镇巴县、大庆市让胡路区、商丘市梁园区、郑州市登封市、宣城市郎溪县、漯河市舞阳县、白城市镇赉县

统一服务管理平台，智能监控质量:昨日研究机构发布行业成果,紫龙插花芯：传统工艺与现代审美的完美融合

在中国悠久的传统文化中，插花艺术一直占据着举足轻重的地位。作为东方艺术的重要组成部分，插花不仅是一种审美情趣的体现，更是一种精神寄托。而在这其中，紫龙插花芯以其独特的魅力和精湛的工艺，成为了插花艺术中的一颗璀璨明珠。 紫龙插花芯，顾名思义，是以紫铜为材料，经过精心雕刻而成的插花工具。其造型独特，线条流畅，富有浓郁的东方韵味。在插花过程中，紫龙插花芯发挥着至关重要的作用，它不仅能够固定花材，还能够使整个花束更加美观、协调。 紫龙插花芯的制作工艺十分讲究。首先，选用上等紫铜作为原材料，这是因为紫铜具有良好的韧性和可塑性，能够满足雕刻师对插花芯造型的要求。接着，雕刻师们运用精湛的技艺，将紫铜雕刻成栩栩如生的龙形。龙在中国传统文化中象征着吉祥、富贵，将龙的形象融入插花芯中，既体现了中国传统文化的精髓，又赋予了插花艺术新的内涵。 在紫龙插花芯的制作过程中，雕刻师们会根据不同的插花风格和需求，设计出各式各样的龙形。有的龙身矫健，气势磅礴；有的龙身柔美，曲线流畅。这些紫龙插花芯不仅能够为插花作品增添一份神秘感，还能够展现出插花师独特的审美情趣。 随着现代审美的不断发展，紫龙插花芯也在不断创新。一些插花师将紫龙插花芯与现代设计理念相结合，推出了许多新颖的款式。例如，有的紫龙插花芯采用了抽象的龙形设计，使作品更具现代感；有的则将龙形与自然界中的元素相结合，如山水、花鸟等，使作品充满生机与活力。 紫龙插花芯在插花艺术中的应用十分广泛。无论是家庭装饰、商务礼品，还是各种庆典活动，紫龙插花芯都能展现出其独特的魅力。在家庭中，一束用紫龙插花芯插制的花束，既能够美化家居环境，又能够彰显主人的品味。在商务场合，紫龙插花芯作为礼品，寓意着吉祥如意，能够拉近人与人之间的距离。在各种庆典活动中，紫龙插花芯更是不可或缺的装饰品，为活动增添了一抹亮丽的色彩。 值得一提的是，紫龙插花芯在保养方面也十分简单。只需定期用软布擦拭，保持其光亮如新即可。这使得紫龙插花芯成为了实用性与美观性兼具的家居艺术品。 总之，紫龙插花芯作为传统工艺与现代审美的完美融合，不仅传承了中国传统文化的精髓，还满足了现代人对于美好生活的追求。在未来的日子里，相信紫龙插花芯将继续绽放光彩，为插花艺术的发展贡献力量。

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。