昨日官方渠道发布新进展,“叫爸爸”：一个充满争议的网络用语背后的故事

昨日行业协会公开最新政策,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。全国统一延保标准，透明服务条款

张掖市甘州区、榆林市子洲县 ，内蒙古鄂尔多斯市东胜区、佳木斯市前进区、定安县岭口镇、泉州市泉港区、定安县龙门镇、广州市越秀区、西宁市城西区、毕节市织金县、铜仁市万山区、甘南临潭县、郴州市安仁县、九江市浔阳区、徐州市丰县、湛江市吴川市、商丘市虞城县 、阿坝藏族羌族自治州茂县、延安市黄陵县、咸宁市咸安区、邵阳市绥宁县、德宏傣族景颇族自治州盈江县、绥化市绥棱县、广西南宁市良庆区、广西玉林市玉州区、株洲市攸县、太原市杏花岭区、平顶山市湛河区、徐州市新沂市

本周数据平台稍早前行业报告,本月监管部门发布新研究报告,“叫爸爸”：一个充满争议的网络用语背后的故事，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

内蒙古乌兰察布市卓资县、中山市三乡镇 ，滁州市明光市、滨州市邹平市、长治市黎城县、昭通市大关县、庆阳市西峰区、万宁市三更罗镇、温州市永嘉县、苏州市太仓市、凉山会东县、黄冈市英山县、铜仁市印江县、鹤壁市山城区、昭通市绥江县、湛江市遂溪县、枣庄市滕州市 、酒泉市金塔县、延边延吉市、汉中市勉县、南京市秦淮区、苏州市昆山市、锦州市古塔区、延安市甘泉县、泰安市新泰市、中山市三乡镇、伊春市南岔县、临沂市河东区、沈阳市沈河区、贵阳市开阳县、七台河市勃利县

全球服务区域: 海口市美兰区、鹤岗市兴山区 、肇庆市封开县、遵义市赤水市、焦作市解放区、广西百色市田阳区、长沙市天心区、赣州市上犹县、乐山市井研县、乐山市金口河区、广西来宾市金秀瑶族自治县、直辖县天门市、杭州市下城区、南京市溧水区、阿坝藏族羌族自治州理县、许昌市长葛市、文山丘北县 、广西来宾市象州县、长治市长子县、合肥市巢湖市、宝鸡市凤翔区、乐山市沐川县

本周数据平台本月官方渠道披露重要进展,今日监管部门披露行业最新进展,“叫爸爸”：一个充满争议的网络用语背后的故事，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修服务电话，持证技师上门服务

全国服务区域: 大庆市肇州县、淮安市涟水县 、本溪市溪湖区、临沂市蒙阴县、湛江市霞山区、大兴安岭地区呼中区、东莞市厚街镇、青岛市胶州市、汉中市洋县、梅州市兴宁市、东莞市长安镇、文山文山市、衡阳市石鼓区、连云港市灌南县、屯昌县坡心镇、镇江市润州区、晋中市昔阳县 、三门峡市渑池县、定安县雷鸣镇、宿州市埇桥区、宜春市奉新县、松原市扶余市、广西桂林市叠彩区、内蒙古呼和浩特市清水河县、上饶市弋阳县、南通市如皋市、安顺市平坝区、白沙黎族自治县南开乡、广西钦州市灵山县、金华市义乌市、临高县多文镇、聊城市东昌府区、怀化市会同县、内蒙古乌兰察布市卓资县、宿州市萧县、德阳市旌阳区、澄迈县永发镇、揭阳市普宁市、南京市秦淮区、自贡市富顺县、潮州市潮安区

专家在线诊断专线:今日相关部门传达新动态,“叫爸爸”：一个充满争议的网络用语背后的故事

在互联网高速发展的今天，网络用语层出不穷，其中，“叫爸爸”这个词语，因其独特含义和广泛传播，成为了网络上的一大热点。那么，“叫爸爸”究竟是什么意思？它为何能在短时间内风靡网络？背后又有哪些故事呢？ “叫爸爸”这个词语，起源于网络游戏。在游戏中，玩家为了表示对某个角色的崇拜或者对其实力的认可，会发出“叫爸爸”的言论。这个词语原本并无恶意，但随着时间的推移，逐渐演变成了一种网络调侃和挑衅的用语。 在现实生活中，“叫爸爸”这个词语被广泛应用于各种场合。有人用它来调侃自己，表示自己很无能；有人用它来调侃他人，表示对方很无能；还有人用它来调侃某个事物，表示该事物很糟糕。总之，这个词语已经从最初的游戏用语，演变成了一种具有广泛影响力的网络流行语。 然而，“叫爸爸”这个词语并非全然无害。在一些情况下，它可能会引发争议，甚至引发网络暴力。例如，当一个人在网络上用“叫爸爸”来挑衅他人时，可能会引起对方的反感，进而引发激烈的争论。更有甚者，有人利用“叫爸爸”这个词语来进行网络欺诈，给受害者带来财产损失。 那么，为何“叫爸爸”这个词语能在短时间内风靡网络呢？首先，它具有极强的幽默感和调侃性，能够迅速吸引人们的注意力。其次，它易于传播，只需在聊天中简单输入几个字，就能表达自己的观点。最后，它具有一定的争议性，能够引发人们的热议。 尽管“叫爸爸”这个词语存在一定的争议，但不可否认的是，它已经成为网络文化的一个重要组成部分。在享受这个词语带来的欢乐的同时，我们也应该理性对待，避免将其滥用。 那么，如何正确使用“叫爸爸”这个词语呢？以下是一些建议： 1. 在合适的场合使用，避免在严肃的场合滥用。 2. 注意语境，避免引起他人的误解。 3. 不要过度依赖这个词语，以免失去幽默感。 4. 避免恶意攻击他人，以免引发网络暴力。 总之，“叫爸爸”这个词语虽然存在争议，但它的出现也反映了网络文化的多样性和包容性。在享受这个词语带来的欢乐的同时，我们也要学会理性对待，共同营造一个和谐的网络环境。

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。