今日行业协会传达最新研究报告,意外的旅程：和儿子旅游中发生的不该发生的事实

本周国家机构发布新动态,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。客服中心多渠道接入，响应迅速

深圳市盐田区、成都市青羊区 ，白沙黎族自治县南开乡、运城市永济市、晋中市太谷区、南京市浦口区、铜川市王益区、鞍山市千山区、昭通市绥江县、宁夏银川市永宁县、鹤岗市东山区、佳木斯市郊区、乐东黎族自治县尖峰镇、焦作市博爱县、哈尔滨市方正县、阜新市彰武县、营口市大石桥市 、西安市新城区、荆州市公安县、萍乡市湘东区、商丘市宁陵县、丽水市松阳县、本溪市本溪满族自治县、南京市江宁区、七台河市勃利县、东莞市横沥镇、济南市商河县、内蒙古兴安盟阿尔山市、茂名市电白区

官方技术支援专线,本月行业协会公布最新成果,意外的旅程：和儿子旅游中发生的不该发生的事实，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

南昌市安义县、双鸭山市集贤县 ，广西崇左市天等县、内江市市中区、六安市霍山县、广西河池市凤山县、三亚市海棠区、邵阳市绥宁县、抚州市黎川县、黔南罗甸县、琼海市长坡镇、南京市建邺区、朝阳市双塔区、韶关市乐昌市、哈尔滨市宾县、萍乡市安源区、惠州市惠阳区 、甘南临潭县、铜仁市碧江区、临沧市耿马傣族佤族自治县、宣城市绩溪县、内蒙古包头市白云鄂博矿区、昭通市鲁甸县、达州市通川区、南阳市新野县、甘孜新龙县、丽江市宁蒗彝族自治县、遵义市湄潭县、重庆市潼南区、遵义市习水县、南阳市新野县

全球服务区域: 哈尔滨市方正县、遂宁市船山区 、万宁市龙滚镇、宁波市慈溪市、济宁市汶上县、渭南市临渭区、苏州市常熟市、六安市叶集区、大庆市龙凤区、上海市崇明区、南通市如皋市、宜昌市伍家岗区、徐州市丰县、信阳市商城县、绍兴市柯桥区、常德市汉寿县、贵阳市观山湖区 、广西北海市铁山港区、眉山市仁寿县、中山市沙溪镇、大兴安岭地区呼玛县、内蒙古鄂尔多斯市康巴什区

本周数据平台今日多方媒体透露研究成果,本月行业报告发布最新动态,意外的旅程：和儿子旅游中发生的不该发生的事实，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一延保标准，透明服务条款

全国服务区域: 开封市杞县、丽水市缙云县 、昆明市寻甸回族彝族自治县、广西柳州市融水苗族自治县、龙岩市永定区、上海市奉贤区、湖州市安吉县、儋州市峨蔓镇、忻州市五台县、莆田市仙游县、广西来宾市象州县、忻州市宁武县、萍乡市安源区、红河元阳县、临汾市侯马市、十堰市竹山县、郴州市临武县 、泰安市新泰市、临高县波莲镇、黑河市嫩江市、大同市浑源县、赣州市宁都县、沈阳市大东区、南平市武夷山市、益阳市桃江县、庆阳市宁县、昭通市镇雄县、上饶市铅山县、徐州市睢宁县、忻州市忻府区、东莞市高埗镇、雅安市雨城区、内蒙古包头市东河区、临汾市洪洞县、天津市河东区、中山市南头镇、广西桂林市龙胜各族自治县、宜春市上高县、邵阳市绥宁县、广西河池市东兰县、成都市简阳市

本周数据平台本月官方渠道披露重要进展:本周官方发布最新研究成果,意外的旅程：和儿子旅游中发生的不该发生的事实

阳光明媚的夏日，我和儿子计划了一次说走就走的旅行。我们选择了风景如画的江南水乡，期待在这片充满诗意的土地上留下美好的回忆。然而，旅行中发生的一件事，却让我和儿子都深感意外，也让我们对亲子关系有了新的认识。 那天，我们来到了一座古色古香的古镇。古镇的石板路、青砖瓦房、小桥流水，都让人仿佛穿越回了古代。儿子兴奋地跑在前头，我则跟在后面，欣赏着这如诗如画的美景。 午后，我们来到了古镇的一个小茶馆，打算休息片刻。茶馆里人声鼎沸，我们找了个靠窗的位置坐下。儿子点了一杯果汁，我则要了一杯清茶。不久，茶馆的服务员端上了我们的饮品。 儿子喝了几口果汁后，突然脸色变得苍白，嘴唇也开始发紫。我赶紧问他怎么了，他支支吾吾地说：“妈妈，我……我觉得我中毒了。”我顿时慌了神，赶紧询问服务员是否可能是因为饮品的问题。 服务员检查了我们的饮品后，表示没有问题。于是，我带着儿子去了附近的医院。医生检查后告诉我们，儿子可能是因为过敏导致的急性荨麻疹。听到这个消息，我如释重负，同时也对儿子的过敏体质感到担忧。 在医院的等待过程中，我和儿子聊了很多。我问他：“儿子，你为什么会突然过敏呢？”儿子低着头，小声说：“妈妈，我之前从来没有告诉过你，我其实对花粉过敏。” 我愣住了，没想到儿子一直隐瞒着这个秘密。我问他：“为什么？”儿子说：“我怕你担心，我不想让你为我分心。”听到这里，我心中涌上一股暖流，同时也为自己的疏忽感到愧疚。 这次旅行，让我和儿子有了更深的交流。我意识到，作为父母，我们应该更加关注孩子的内心世界，给予他们足够的关爱和支持。同时，我也明白了，亲子关系中的信任和沟通是多么重要。 在接下来的旅行中，我和儿子一起度过了许多难忘的时光。我们学会了互相理解，也学会了如何面对生活中的困难和挑战。这次意外的旅程，虽然让我们经历了一些波折，但也让我们收获了成长和感动。 如今，每当回想起那段旅程，我心中总是充满了感激。感谢这次旅行，让我和儿子有了更深的了解，也让我明白了作为父母的责任。在未来的日子里，我会更加关注儿子的成长，陪伴他度过每一个美好的时光。 这次旅行，虽然发生了不该发生的事实，但也让我们收获了宝贵的经历。我相信，在未来的日子里，我们会一起携手，度过更多美好的时光。

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。