今日研究机构披露重要进展,贝微微的紧急电话：肖奈在忙，孟逸然能否伸出援手？

本月官方披露重大研究成果,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。家电保养提醒服务，延长产品使用寿命

中山市沙溪镇、襄阳市谷城县 ，重庆市潼南区、临汾市安泽县、焦作市解放区、内蒙古锡林郭勒盟锡林浩特市、绵阳市江油市、昭通市镇雄县、黔东南锦屏县、杭州市富阳区、三沙市西沙区、黄冈市红安县、亳州市涡阳县、儋州市和庆镇、南京市江宁区、商丘市虞城县、肇庆市高要区 、咸阳市兴平市、汉中市勉县、广西南宁市青秀区、重庆市彭水苗族土家族自治县、黄石市阳新县、沈阳市大东区、宜昌市秭归县、果洛玛沁县、定西市临洮县、平凉市崇信县、九江市修水县、孝感市云梦县

本周数据平台不久前行业协会透露新变化,今日研究机构更新行业动态,贝微微的紧急电话：肖奈在忙，孟逸然能否伸出援手？，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

襄阳市宜城市、阜阳市太和县 ，宜昌市兴山县、宣城市旌德县、广西柳州市三江侗族自治县、中山市黄圃镇、内蒙古赤峰市松山区、珠海市香洲区、中山市中山港街道、萍乡市安源区、东莞市茶山镇、中山市神湾镇、辽阳市辽阳县、红河个旧市、中山市石岐街道、文山马关县、锦州市凌海市 、徐州市沛县、北京市通州区、聊城市茌平区、龙岩市上杭县、大理剑川县、济南市济阳区、七台河市茄子河区、绥化市兰西县、永州市江华瑶族自治县、东营市广饶县、遵义市湄潭县、武汉市江汉区、曲靖市沾益区、东莞市中堂镇

全球服务区域: 重庆市綦江区、鸡西市滴道区 、镇江市京口区、临沧市临翔区、重庆市石柱土家族自治县、枣庄市山亭区、西宁市城东区、宣城市绩溪县、广西百色市德保县、漳州市芗城区、滁州市定远县、成都市简阳市、南阳市内乡县、东营市东营区、怒江傈僳族自治州福贡县、澄迈县加乐镇、抚州市黎川县 、庆阳市合水县、信阳市平桥区、万宁市礼纪镇、丽江市玉龙纳西族自治县、新乡市卫滨区

本周数据平台今日官方渠道披露重磅消息,近期行业报告发布新研究成果,贝微微的紧急电话：肖奈在忙，孟逸然能否伸出援手？，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

全国服务区域: 汉中市汉台区、宁夏石嘴山市惠农区 、大庆市红岗区、大同市浑源县、肇庆市德庆县、东莞市中堂镇、临沧市云县、南京市鼓楼区、三明市沙县区、抚州市崇仁县、白沙黎族自治县金波乡、成都市温江区、广西桂林市全州县、淄博市周村区、屯昌县坡心镇、东莞市大朗镇、荆门市沙洋县 、宜春市奉新县、商丘市夏邑县、赣州市寻乌县、汕头市龙湖区、临高县波莲镇、郑州市中牟县、屯昌县枫木镇、广西梧州市长洲区、长治市武乡县、常州市溧阳市、梅州市蕉岭县、咸阳市旬邑县、伊春市大箐山县、晋中市太谷区、北京市石景山区、亳州市蒙城县、宁波市象山县、芜湖市鸠江区、聊城市东昌府区、内蒙古乌兰察布市兴和县、内蒙古通辽市科尔沁区、铁岭市昌图县、广州市增城区、榆林市清涧县

本周数据平台本月官方渠道公布权威通报:本周监管部门传达重磅消息,贝微微的紧急电话：肖奈在忙，孟逸然能否伸出援手？

阳光透过窗户洒在温馨的客厅，电话铃声打破了这份宁静。贝微微坐在沙发上，手中紧握着手机，脸上满是焦急。电话那头，肖奈的声音显得有些匆忙：“微微，我现在有点忙，你能找一下孟逸然吗？他可能知道解决办法。” 贝微微微微一笑，心中暗自庆幸肖奈没有直接拒绝。她知道，肖奈虽然平时风度翩翩，但在关键时刻，他总是能迅速找到解决问题的方法。然而，这一次，他似乎遇到了难题。 挂断电话后，贝微微立刻拨通了孟逸然的电话。电话那头，孟逸然的声音显得有些疲惫：“微微，你怎么现在才打电话给我？我正在忙，能告诉我是什么事情吗？” 贝微微简要地说明了情况，孟逸然沉默了一会儿，然后说道：“微微，你放心，我会尽力帮你解决这个问题的。不过，你先告诉我，肖奈现在在忙什么？” 贝微微将肖奈的困境告诉了孟逸然。原来，肖奈正在为一个重要的项目加班，而这个项目正是他们三人共同参与的。然而，在项目进行过程中，出现了一个意想不到的问题，导致项目进度受阻。 孟逸然听后，眉头紧锁，他深知这个问题的严重性。他沉吟片刻，然后说道：“微微，你先不要着急，我会尽快赶到你那里，我们一起想办法解决这个问题。” 放下电话，贝微微心中终于松了一口气。她知道，孟逸然是个值得信赖的朋友，他一定会帮助肖奈度过这个难关。 不久后，孟逸然如约而至。三人围坐在客厅的沙发上，开始讨论解决方案。贝微微将项目进展和遇到的问题详细地告诉了孟逸然，然后他们一起分析了问题的根源。 经过一番讨论，他们终于找到了解决问题的方法。孟逸然提议，他们可以尝试从另一个角度去思考问题，或许会有意想不到的收获。肖奈和贝微微纷纷表示赞同，他们决定按照孟逸然的建议去尝试。 在接下来的几天里，三人全力以赴地投入到项目中。他们白天加班加点地工作，晚上则聚在一起讨论解决方案。在这个过程中，他们不仅增进了彼此的感情，还收获了宝贵的友谊。 终于，在项目即将完成之际，他们成功解决了那个棘手的问题。看着项目顺利推进，肖奈、贝微微和孟逸然都露出了欣慰的笑容。他们知道，这次的成功离不开彼此的信任和努力。 这次经历让贝微微更加坚信，友谊的力量是无穷的。在未来的日子里，无论遇到什么困难，她都会想起这次经历，勇敢地面对一切。 而肖奈和孟逸然也深知，他们之间的友谊是宝贵的。他们决定，无论何时何地，都要携手共进，共同面对生活中的种种挑战。 在这个充满阳光的午后，贝微微、肖奈和孟逸然的故事再次证明了，真正的友谊能够战胜一切困难。而他们，也将继续携手前行，书写属于他们的美好人生。

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。