本月相关部门发布新政策,美国ZOOM人与ZOOM视频：科技改变生活，远程交流新篇章

本周官方渠道披露行业新动向,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。维修专线服务，师傅快速上门处理

宜宾市兴文县、葫芦岛市兴城市 ，青岛市平度市、咸阳市秦都区、绵阳市北川羌族自治县、太原市小店区、齐齐哈尔市建华区、延安市富县、株洲市渌口区、上海市闵行区、淄博市周村区、台州市玉环市、烟台市福山区、嘉兴市秀洲区、扬州市高邮市、六盘水市水城区、吕梁市离石区 、临沂市临沭县、河源市龙川县、龙岩市长汀县、芜湖市无为市、海北刚察县、烟台市福山区、佳木斯市前进区、宜春市万载县、内江市东兴区、内蒙古巴彦淖尔市杭锦后旗、济南市钢城区、大连市沙河口区

刚刚专家组披露重要结论,本周监管部门传达重大研究成果,美国ZOOM人与ZOOM视频：科技改变生活，远程交流新篇章，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

延边龙井市、运城市垣曲县 ，盐城市大丰区、池州市东至县、自贡市大安区、大连市甘井子区、玉树称多县、黔南长顺县、广西梧州市藤县、澄迈县永发镇、武汉市新洲区、雅安市雨城区、江门市江海区、徐州市邳州市、岳阳市平江县、忻州市五台县、赣州市瑞金市 、龙岩市长汀县、九江市武宁县、商丘市宁陵县、阜阳市颍州区、贵阳市息烽县、黑河市逊克县、昭通市大关县、营口市老边区、内蒙古呼伦贝尔市扎赉诺尔区、鹤岗市向阳区、双鸭山市宝山区、成都市简阳市、东莞市道滘镇、日照市五莲县

全球服务区域: 吉安市新干县、滁州市明光市 、汉中市城固县、吉林市磐石市、广西来宾市兴宾区、宁夏固原市泾源县、甘孜白玉县、海口市琼山区、宁波市北仑区、湘潭市韶山市、重庆市城口县、临高县南宝镇、衡阳市雁峰区、广西南宁市良庆区、阿坝藏族羌族自治州黑水县、中山市东升镇、泉州市金门县 、聊城市茌平区、忻州市岢岚县、泰安市东平县、临沧市永德县、黄冈市英山县

本周官方渠道披露研究成果,今日行业报告传递新研究成果,美国ZOOM人与ZOOM视频：科技改变生活，远程交流新篇章，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联保售后电话，服务有保障

全国服务区域: 三明市建宁县、恩施州鹤峰县 、吕梁市交城县、安阳市安阳县、雅安市宝兴县、上饶市玉山县、长沙市长沙县、济南市长清区、东方市感城镇、大庆市萨尔图区、衡阳市南岳区、潍坊市寒亭区、达州市开江县、杭州市西湖区、驻马店市汝南县、文昌市东郊镇、孝感市孝昌县 、铁岭市昌图县、湖州市德清县、衢州市开化县、武汉市汉阳区、宜昌市秭归县、阿坝藏族羌族自治州汶川县、南通市启东市、酒泉市玉门市、广安市武胜县、内蒙古赤峰市阿鲁科尔沁旗、昆明市五华区、日照市东港区、陵水黎族自治县英州镇、忻州市代县、泰州市兴化市、宁夏石嘴山市平罗县、丽江市华坪县、平顶山市石龙区、株洲市醴陵市、漳州市龙文区、茂名市茂南区、日照市东港区、三门峡市湖滨区、抚顺市望花区

刚刚决策小组公开重大调整:本月研究机构传递最新政策,美国ZOOM人与ZOOM视频：科技改变生活，远程交流新篇章

随着互联网技术的飞速发展，视频会议软件在现代社会中扮演着越来越重要的角色。ZOOM作为一款全球知名的远程会议软件，在美国得到了广泛的应用。本文将围绕“美国ZOOM人与ZOOM视频”这一主题，探讨ZOOM在美国的普及程度、使用场景以及它对人们生活和工作带来的影响。 一、ZOOM在美国的普及程度 ZOOM在美国的普及程度非常高，几乎成为了远程会议的代名词。无论是企业、学校还是个人，都纷纷选择使用ZOOM进行线上沟通。据统计，ZOOM在美国的用户数量已经超过1亿，每天有超过2000万人使用ZOOM进行会议。 二、ZOOM在美国的使用场景 1. 企业远程会议：ZOOM为企业提供了便捷的远程会议解决方案，使得员工可以随时随地参与会议，提高了工作效率。许多美国企业都采用ZOOM进行跨地域的团队协作，降低了差旅成本。 2. 教育领域：疫情期间，美国许多学校采用ZOOM进行线上教学，使得学生能够在家中继续学习。ZOOM的稳定性和易用性，为教育领域带来了新的发展机遇。 3. 个人社交：ZOOM也成为了美国个人社交的重要工具。亲朋好友可以通过ZOOM进行线上聚会，分享生活点滴，拉近彼此的距离。 4. 医疗咨询：ZOOM在医疗领域的应用也日益广泛。美国许多医疗机构采用ZOOM进行远程医疗服务，方便患者在家接受咨询和治疗。 三、ZOOM对人们生活和工作的影响 1. 提高工作效率：ZOOM的便捷性使得人们可以随时随地参与会议，节省了大量的时间和精力。同时，ZOOM还支持多人同时在线，提高了会议效率。 2. 促进跨地域合作：ZOOM打破了地域限制，使得人们可以轻松实现跨地域的沟通与协作。这对于企业的发展具有重要意义。 3. 改变教育方式：ZOOM的出现，使得线上教育成为可能。这为教育资源匮乏的地区提供了新的学习机会，推动了教育公平。 4. 丰富社交生活：ZOOM为人们提供了新的社交方式，使得亲朋好友可以更加便捷地保持联系。 总之，ZOOM在美国的普及和应用，充分展示了科技改变生活的力量。随着ZOOM的不断优化和升级，相信它将在未来为人们的生活和工作带来更多便利。

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。