近日官方发布重大研究报告,国产区精品：展现中国制造的魅力与实力

本月相关部门披露行业最新成果,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。专业延保咨询中心，定制化方案

清远市清新区、南通市如皋市 ，东方市板桥镇、宝鸡市渭滨区、三亚市海棠区、铜仁市松桃苗族自治县、凉山喜德县、孝感市大悟县、遵义市凤冈县、佳木斯市桦南县、池州市青阳县、甘孜白玉县、德州市乐陵市、楚雄姚安县、宝鸡市陈仓区、南昌市南昌县、大同市云州区 、哈尔滨市道外区、内蒙古呼伦贝尔市阿荣旗、咸阳市秦都区、海西蒙古族德令哈市、通化市柳河县、六盘水市六枝特区、哈尔滨市呼兰区、漳州市漳浦县、北京市门头沟区、湛江市徐闻县、丹东市凤城市、内蒙古呼和浩特市新城区

专家技术支援专线,今日监管部门发布重大研究成果,国产区精品：展现中国制造的魅力与实力，很高兴为您解答这个问题，让我来帮您详细说明一下：零部件供应中心，全品类配件库存

直辖县仙桃市、宁波市奉化区 ，亳州市利辛县、宿州市砀山县、长沙市雨花区、吉林市蛟河市、齐齐哈尔市富裕县、九江市濂溪区、扬州市仪征市、中山市古镇镇、重庆市彭水苗族土家族自治县、乐东黎族自治县佛罗镇、长治市沁源县、吉安市万安县、龙岩市上杭县、广西来宾市金秀瑶族自治县、大庆市肇州县 、安庆市望江县、南阳市西峡县、宝鸡市凤翔区、恩施州巴东县、大理漾濞彝族自治县、广州市天河区、江门市新会区、德阳市广汉市、文昌市东阁镇、焦作市解放区、锦州市北镇市、凉山美姑县、开封市鼓楼区、内蒙古呼和浩特市托克托县

全球服务区域: 铜仁市沿河土家族自治县、梅州市梅县区 、泰安市泰山区、铜川市王益区、玉树玉树市、乐山市沙湾区、济宁市泗水县、阿坝藏族羌族自治州理县、平顶山市郏县、天水市麦积区、安康市石泉县、徐州市泉山区、泰州市海陵区、衡阳市祁东县、荆州市监利市、聊城市高唐县、南阳市唐河县 、陇南市武都区、内蒙古乌兰察布市化德县、日照市岚山区、上海市松江区、惠州市龙门县

刚刚决策小组公开重大调整,昨日官方渠道传递重大研究成果,国产区精品：展现中国制造的魅力与实力，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一回收专线，环保处理旧家电

全国服务区域: 临汾市侯马市、贵阳市开阳县 、乐山市五通桥区、临夏永靖县、广西贺州市平桂区、昌江黎族自治县石碌镇、平顶山市新华区、南昌市南昌县、南昌市安义县、通化市集安市、东莞市凤岗镇、大庆市大同区、益阳市桃江县、广西北海市铁山港区、铜川市耀州区、宁波市江北区、鹰潭市余江区 、珠海市金湾区、温州市洞头区、焦作市马村区、陇南市西和县、铜仁市沿河土家族自治县、内蒙古乌兰察布市卓资县、武汉市东西湖区、辽源市龙山区、长治市武乡县、太原市娄烦县、岳阳市华容县、内蒙古赤峰市松山区、六安市舒城县、淮安市淮安区、赣州市南康区、徐州市新沂市、红河河口瑶族自治县、上饶市余干县、济宁市曲阜市、岳阳市君山区、重庆市綦江区、重庆市万州区、淮安市淮阴区、济南市历城区

本周数据平台本月业内人士公开最新动态:今日官方披露行业研究成果,国产区精品：展现中国制造的魅力与实力

随着我国经济的快速发展，制造业水平不断提升，越来越多的国产精品出现在人们的视野中。这些精品不仅代表着中国制造业的高水平，更是我国自主创新、自主研发的成果。今天，就让我们一起来领略国产区精品的魅力与实力。 一、科技创新，引领行业发展 在国产区精品中，科技创新是不可或缺的元素。以5G技术为例，我国在5G技术研发、设备制造、网络建设等方面取得了世界领先地位。华为、中兴等企业纷纷推出具有国际竞争力的5G产品，为全球通信行业的发展注入了强大动力。 二、品质卓越，满足消费者需求 国产区精品在品质上追求卓越，以满足消费者日益增长的需求。以家电行业为例，海尔、美的、格力等知名品牌在产品质量、性能、设计等方面不断突破，赢得了消费者的青睐。这些品牌的产品不仅在国内市场占据重要地位，还远销海外，提升了我国制造业的国际形象。 三、绿色环保，践行社会责任 在追求经济效益的同时，国产区精品还注重绿色环保，积极践行社会责任。以新能源汽车为例，比亚迪、蔚来等企业推出的产品在续航里程、充电速度、智能化等方面具有明显优势，为我国实现“碳达峰、碳中和”目标贡献力量。 四、文化传承，展现民族特色 国产区精品在传承中华优秀传统文化的同时，不断创新，展现民族特色。以服装行业为例，李宁、波司登等品牌在产品设计上融入了中国传统文化元素，使产品更具辨识度。这些品牌的产品不仅在国内市场受到欢迎，还成为了国际时尚界的焦点。 五、国际视野，拓展全球市场 国产区精品在保持民族特色的同时，具有国际视野，积极拓展全球市场。以家电、手机、汽车等行业为例，我国企业纷纷走出国门，参与国际竞争。这些企业在海外市场的成功，不仅提升了我国制造业的国际地位，还为中国品牌赢得了世界声誉。 总之，国产区精品以其卓越的品质、创新的技术、丰富的文化内涵和广阔的国际视野，展现了中国制造业的魅力与实力。在未来的发展中，我们有理由相信，国产区精品将继续引领我国制造业走向更高峰，为全球消费者带来更多惊喜。

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。