昨日官方渠道披露新政策,《神代梦华谭：穿越时空的奇幻之旅》

本周业内人士传递最新研究成果,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。售后服务中心热线，电话网络全渠道

信阳市商城县、文山马关县 ，六安市叶集区、孝感市应城市、大同市平城区、杭州市西湖区、菏泽市鄄城县、阜新市新邱区、朔州市应县、怀化市芷江侗族自治县、武汉市江岸区、鹤岗市萝北县、张家界市永定区、重庆市城口县、黄冈市红安县、泸州市合江县、平顶山市鲁山县 、广西桂林市灵川县、白沙黎族自治县牙叉镇、上海市长宁区、池州市东至县、宝鸡市凤县、长春市绿园区、榆林市子洲县、福州市永泰县、沈阳市沈河区、淄博市张店区、庆阳市庆城县、重庆市南岸区

近日评估小组公开关键数据,近日行业报告发布研究成果,《神代梦华谭：穿越时空的奇幻之旅》，很高兴为您解答这个问题，让我来帮您详细说明一下：专业售后服务中心，技术团队随时支援

荆州市荆州区、广西贺州市八步区 ，厦门市思明区、黄石市铁山区、广州市番禺区、常德市石门县、大同市浑源县、大庆市林甸县、太原市古交市、重庆市大渡口区、大同市灵丘县、松原市长岭县、中山市南朗镇、衡阳市祁东县、绍兴市上虞区、合肥市瑶海区、内蒙古呼和浩特市新城区 、安阳市龙安区、广西百色市那坡县、延边和龙市、蚌埠市龙子湖区、东营市河口区、重庆市南川区、烟台市芝罘区、定西市安定区、莆田市秀屿区、重庆市江北区、自贡市沿滩区、荆州市沙市区、开封市龙亭区、烟台市蓬莱区

全球服务区域: 淄博市沂源县、琼海市长坡镇 、南充市仪陇县、广西柳州市柳北区、湖州市南浔区、蚌埠市淮上区、海东市平安区、安庆市潜山市、西宁市大通回族土族自治县、内蒙古赤峰市喀喇沁旗、东营市广饶县、定安县龙湖镇、内蒙古呼和浩特市武川县、内蒙古呼和浩特市托克托县、白沙黎族自治县元门乡、池州市贵池区、三门峡市渑池县 、甘孜道孚县、临沂市沂水县、阳江市阳东区、澄迈县加乐镇、韶关市武江区

刚刚科研委员会公布突破成果,今日研究机构发布重要报告,《神代梦华谭：穿越时空的奇幻之旅》，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联网回收网络，统一处理渠道

全国服务区域: 绥化市兰西县、内蒙古包头市石拐区 、湘潭市湘乡市、长春市双阳区、北京市平谷区、内蒙古锡林郭勒盟苏尼特左旗、内蒙古鄂尔多斯市鄂托克旗、内蒙古赤峰市喀喇沁旗、龙岩市武平县、永州市江华瑶族自治县、淮北市杜集区、绵阳市三台县、丽江市玉龙纳西族自治县、咸宁市嘉鱼县、襄阳市老河口市、遵义市赤水市、宁德市屏南县 、黔南长顺县、泉州市惠安县、黔南长顺县、保亭黎族苗族自治县什玲、济宁市鱼台县、重庆市开州区、哈尔滨市道里区、铜仁市万山区、泰安市新泰市、雅安市宝兴县、抚顺市顺城区、长春市二道区、吕梁市交城县、丽江市宁蒗彝族自治县、内蒙古锡林郭勒盟多伦县、鸡西市虎林市、哈尔滨市呼兰区、德州市齐河县、宁波市奉化区、成都市郫都区、南充市仪陇县、商丘市梁园区、渭南市大荔县、阜阳市颍泉区

本周数据平台本月业内人士公开最新动态:近日相关部门传递新动态,《神代梦华谭：穿越时空的奇幻之旅》

在广袤无垠的宇宙中，存在着一个神秘而古老的世界，那里流传着一个关于神代梦华谭的传说。这个传说讲述了一段跨越时空的奇幻旅程，让人们为之倾倒，向往不已。今天，就让我们一同揭开这个神秘面纱，探寻神代梦华谭的奥秘。 神代梦华谭，顾名思义，是一个充满神话色彩的世界。在这里，人类与神明共存，万物皆有灵。传说在遥远的古代，神明们为了维护世界的和平，创造了人类，并赋予他们智慧与力量。而人类为了回报神明的恩赐，便以勤劳、勇敢、智慧的精神，在这片土地上繁衍生息。 在这个世界中，有一位名叫梦华的少年。他天生聪颖，拥有着超凡脱俗的气质。梦华从小就对神代梦华谭的传说充满好奇，他渴望了解这个世界的一切。某一天，梦华在森林中偶然发现了一本古老的书籍，书中记载着关于神代梦华谭的详细资料。梦华如获至宝，决心踏上寻找神代梦华谭的旅程。 梦华历经千辛万苦，穿越了无数险阻。他遇到了各种各样的人和事，有善良的村民，也有邪恶的怪兽。在这些经历中，梦华逐渐成长，学会了如何运用自己的智慧与勇气，战胜一切困难。 终于，梦华来到了神代梦华谭的入口——一座巍峨壮丽的神殿。神殿中弥漫着神秘的气息，仿佛隐藏着无尽的奥秘。梦华小心翼翼地踏入神殿，只见一位白发苍苍的老者出现在他面前。 老者告诉梦华，他是神代梦华谭的守护者，名叫华谭。华谭说，梦华为了寻找神代梦华谭，付出了巨大的努力，证明了他对这片土地的热爱。因此，他决定将神代梦华谭的秘密告诉梦华。 华谭告诉梦华，神代梦华谭是一个充满奇幻色彩的世界，这里有着各种神奇的生物和美丽的景色。然而，这个世界并非完美无缺，它面临着一场前所未有的危机。为了拯救这个世界，梦华需要找到四位神明，分别拥有风、火、雷、水四大元素的力量。 梦华告别华谭，开始了寻找四位神明的征程。他历经重重考验，终于找到了四位神明。在神明的帮助下，梦华成功拯救了神代梦华谭，恢复了世界的和平。 然而，梦华并没有因此而满足。他意识到，神代梦华谭的传说只是一个缩影，真正的奇幻世界还等待着他去探索。于是，梦华带着对未知世界的向往，继续踏上了新的旅程。 神代梦华谭的传说，就像一扇通往奇幻世界的大门，让人们心生向往。在这个充满神奇色彩的世界里，人们可以尽情地释放自己的想象，感受无尽的奇幻。而梦华的故事，也成为了人们心中永恒的传说。 如今，当我们翻开那些古老的书籍，探寻神代梦华谭的奥秘时，不禁为这个充满神奇的世界而感叹。也许，在未来的某一天，我们也能像梦华一样，踏上这场穿越时空的奇幻之旅，去追寻那无尽的美好。

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。