刚刚官方渠道传达新政策变化,《杨光的爱情故事》:主题曲背后的浪漫旋律
今日研究机构公开新政策,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24小时在线,随时响应需求
牡丹江市绥芬河市、南阳市镇平县 ,太原市娄烦县、齐齐哈尔市讷河市、内蒙古阿拉善盟阿拉善左旗、临沧市云县、长春市二道区、黔东南麻江县、太原市迎泽区、广西玉林市北流市、果洛玛沁县、黄山市休宁县、海南共和县、吉安市青原区、广西崇左市凭祥市、万宁市大茂镇、丽水市青田县 、昆明市五华区、阳泉市城区、广西来宾市金秀瑶族自治县、乐东黎族自治县千家镇、儋州市雅星镇、巴中市南江县、大庆市龙凤区、陇南市康县、滨州市惠民县、东莞市樟木头镇、白沙黎族自治县青松乡、长沙市长沙县
可视化故障排除专线,今日监管部门披露行业动向,《杨光的爱情故事》:主题曲背后的浪漫旋律,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
宜宾市高县、吉安市万安县 ,晋中市寿阳县、安庆市宿松县、信阳市固始县、南平市光泽县、武汉市新洲区、内蒙古呼伦贝尔市扎赉诺尔区、武汉市黄陂区、南充市南部县、邵阳市双清区、绵阳市游仙区、延边敦化市、本溪市明山区、蚌埠市禹会区、普洱市宁洱哈尼族彝族自治县、三门峡市陕州区 、西安市高陵区、南通市海安市、吉林市桦甸市、广西梧州市龙圩区、陇南市成县、温州市瑞安市、韶关市乐昌市、玉溪市红塔区、铜仁市碧江区、抚州市南丰县、铁岭市昌图县、韶关市翁源县、济南市市中区、晋中市左权县
全球服务区域: 泉州市永春县、乐东黎族自治县黄流镇 、凉山昭觉县、烟台市福山区、三亚市吉阳区、盐城市大丰区、内蒙古呼和浩特市清水河县、开封市通许县、盐城市盐都区、儋州市海头镇、鞍山市铁东区、铜仁市万山区、黄冈市蕲春县、邵阳市大祥区、中山市中山港街道、文山丘北县、三门峡市义马市 、定西市通渭县、黔南三都水族自治县、驻马店市汝南县、三门峡市陕州区、德州市武城县
近日监测部门传出异常警报,不久前行业报告披露重大成果,《杨光的爱情故事》:主题曲背后的浪漫旋律,很高兴为您解答这个问题,让我来帮您详细说明一下:智能配件管理系统,自动匹配型号
全国服务区域: 临夏永靖县、西安市雁塔区 、商丘市虞城县、大庆市让胡路区、菏泽市巨野县、广西河池市环江毛南族自治县、德州市德城区、张掖市肃南裕固族自治县、遵义市凤冈县、安庆市望江县、内蒙古呼伦贝尔市扎赉诺尔区、兰州市红古区、商洛市柞水县、新乡市获嘉县、鹤岗市向阳区、宝鸡市陈仓区、广安市岳池县 、凉山美姑县、西安市蓝田县、广西桂林市灵川县、新乡市长垣市、玉溪市易门县、汉中市汉台区、德州市宁津县、河源市紫金县、陇南市文县、漯河市召陵区、邵阳市绥宁县、文昌市锦山镇、内蒙古呼伦贝尔市额尔古纳市、太原市万柏林区、临高县皇桐镇、伊春市南岔县、咸阳市永寿县、烟台市龙口市、通化市柳河县、广安市前锋区、儋州市雅星镇、临高县皇桐镇、临夏和政县、达州市开江县
近日观测中心传出重要预警:近期行业报告发布新研究成果,《杨光的爱情故事》:主题曲背后的浪漫旋律
在我国音乐界,杨光这个名字或许并不像周杰伦、邓紫棋那样家喻户晓,但他的音乐作品却以其独特的魅力,赢得了无数听众的喜爱。其中,杨光的爱情故事主题曲更是成为了许多人心中的经典。这首歌曲不仅唱出了爱情的美好,更传递了一种真挚的情感,让人回味无穷。 杨光的爱情故事主题曲,曲调悠扬,歌词深情,让人在聆听的过程中,仿佛置身于一个浪漫的爱情故事中。这首歌曲的旋律,充满了温馨与感动,让人不禁为之动容。 杨光的爱情故事,讲述了一个关于勇敢追求爱情的故事。故事的主人公杨光,是一个热爱音乐的年轻人,他勇敢地追求着自己的爱情,最终赢得了心爱之人的芳心。这首主题曲,正是杨光在爱情道路上勇敢追求的写照。 主题曲的歌词,简洁而富有诗意,每一句都充满了浪漫的气息。例如,“你的笑容是我最美的风景,你的温柔是我最深的眷恋”,这句歌词将爱情的美好描绘得淋漓尽致。而“风雨无阻,只为遇见你,一生一世,只为你守候”,则表达了主人公对爱情的坚定信念。 在歌曲的编曲上,杨光巧妙地将民谣与流行音乐相结合,使得这首歌曲既有民谣的朴实无华,又有流行音乐的时尚感。歌曲中的吉他弹奏,清脆悦耳,让人陶醉其中。而钢琴的伴奏,更是为这首歌曲增添了一份浪漫的色彩。 杨光的爱情故事主题曲,之所以能够成为经典,不仅仅是因为其优美的旋律和动人的歌词,更在于它所传递的正能量。这首歌曲告诉我们,爱情需要勇敢地去追求,需要付出真心和努力。只有这样,才能收获美好的爱情。 值得一提的是,这首主题曲的演唱者杨光,不仅在音乐创作上有着卓越的才华,更在演唱方面有着独特的魅力。他嗓音清澈,情感真挚,将这首歌曲演绎得淋漓尽致。每当听到这首歌曲,人们都会被杨光的歌声所打动,仿佛看到了一个浪漫的爱情故事正在上演。 在当今社会,爱情故事层出不穷,但像杨光的爱情故事这样真挚、感人的作品却并不多见。这首主题曲,以其独特的魅力,成为了无数人心中的经典。它让我们相信,在这个世界上,爱情依然美好,只要我们勇敢地去追求,就一定能够收获幸福。 总之,杨光的爱情故事主题曲,是一首充满浪漫气息的歌曲。它不仅唱出了爱情的美好,更传递了一种真挚的情感。这首歌曲成为了无数人心中的经典,也将永远留在我们的记忆中。让我们一起聆听这首美妙的旋律,感受爱情的美好吧!
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。