本月相关部门发布重大动态,《里番网ACG文化下的不知火舞：传统与现代的交融之美》

本月行业报告传递研究成果,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。智能维修管理平台，自动分配服务订单

内蒙古锡林郭勒盟阿巴嘎旗、云浮市云城区 ，鹤岗市兴安区、临沧市沧源佤族自治县、普洱市景谷傣族彝族自治县、甘南合作市、台州市路桥区、万宁市大茂镇、黔东南台江县、迪庆香格里拉市、咸宁市嘉鱼县、岳阳市华容县、文山砚山县、德州市禹城市、乐山市金口河区、长治市潞城区、通化市集安市 、南通市海安市、成都市成华区、东莞市道滘镇、白沙黎族自治县元门乡、运城市永济市、佳木斯市富锦市、杭州市淳安县、自贡市沿滩区、巴中市恩阳区、鹤岗市向阳区、新余市渝水区、广西贺州市富川瑶族自治县

统一维修资源中心,最新官方发布行业重要动态,《里番网ACG文化下的不知火舞：传统与现代的交融之美》，很高兴为您解答这个问题，让我来帮您详细说明一下：专业回收咨询中心，定制化服务

张家界市武陵源区、鹤岗市兴安区 ，琼海市龙江镇、吉安市永新县、洛阳市偃师区、东莞市道滘镇、攀枝花市东区、内蒙古锡林郭勒盟阿巴嘎旗、阳江市阳西县、抚州市乐安县、汕头市龙湖区、黄南河南蒙古族自治县、鄂州市鄂城区、商丘市睢阳区、驻马店市泌阳县、长沙市岳麓区、抚顺市新宾满族自治县 、河源市东源县、黄冈市英山县、阳江市阳东区、湛江市遂溪县、雅安市天全县、合肥市蜀山区、许昌市魏都区、成都市蒲江县、连云港市东海县、晋中市左权县、黔东南台江县、内蒙古鄂尔多斯市杭锦旗、佛山市顺德区、合肥市巢湖市

全球服务区域: 阿坝藏族羌族自治州小金县、双鸭山市友谊县 、大兴安岭地区新林区、陵水黎族自治县新村镇、潮州市饶平县、长春市九台区、昭通市镇雄县、盐城市大丰区、长春市绿园区、佛山市高明区、张掖市山丹县、忻州市岢岚县、宁夏吴忠市红寺堡区、南阳市方城县、茂名市茂南区、文昌市昌洒镇、深圳市宝安区 、六盘水市钟山区、临沧市临翔区、德州市齐河县、内蒙古通辽市科尔沁左翼后旗、昆明市五华区

作为国家高新技术企业认证平台,本月官方更新行业研究报告,《里番网ACG文化下的不知火舞：传统与现代的交融之美》，很高兴为您解答这个问题，让我来帮您详细说明一下：产品升级服务中心，全流程专业指导

全国服务区域: 南充市南部县、内蒙古鄂尔多斯市杭锦旗 、齐齐哈尔市龙沙区、杭州市拱墅区、西安市鄠邑区、长治市武乡县、红河建水县、临汾市古县、双鸭山市集贤县、太原市晋源区、海西蒙古族乌兰县、嘉兴市海盐县、益阳市桃江县、内蒙古赤峰市林西县、丹东市宽甸满族自治县、焦作市博爱县、天水市清水县 、宝鸡市太白县、广西防城港市东兴市、昭通市盐津县、宁波市奉化区、泉州市晋江市、青岛市平度市、九江市都昌县、临汾市霍州市、天津市河东区、杭州市江干区、阳江市江城区、哈尔滨市通河县、泉州市金门县、南充市仪陇县、孝感市云梦县、汉中市佛坪县、宝鸡市扶风县、临汾市吉县、宁夏吴忠市红寺堡区、广西崇左市天等县、赣州市兴国县、咸阳市彬州市、临沂市兰山区、汉中市勉县

本周数据平台最新官方渠道传来研究成果:今日行业报告披露重大进展,《里番网ACG文化下的不知火舞：传统与现代的交融之美》

在ACG（动画、漫画、游戏）文化日益繁荣的今天，许多角色以其独特的魅力深入人心。其中，不知火舞作为《火之鸟》中的经典角色，以其独特的形象和技能，成为了无数动漫迷心中的女神。而“里番网”作为国内知名的ACG资源分享平台，更是为不知火舞这一角色赋予了新的生命。 不知火舞，作为《火之鸟》中的女主角，以其火辣的身材、飘逸的舞姿和强大的战斗力，赢得了无数粉丝的喜爱。她的形象，既有古典女性的柔美，又不失现代女性的独立与自信。在里番网这一平台上，不知火舞的形象被进一步丰富，成为了ACG文化中不可或缺的一部分。 首先，在里番网中，不知火舞的形象得到了极大的拓展。除了原作中的经典形象外，许多二次元创作者根据她的特点，创作出了各式各样的衍生形象。这些形象或可爱、或性感、或帅气，让不知火舞这一角色变得更加多元化。在这些作品中，我们可以看到创作者们对传统元素的继承与创新，以及对现代审美的理解和把握。 其次，在里番网中，不知火舞的技能也得到了充分的展现。作为一位强大的战斗角色，她的各种技能在作品中表现得淋漓尽致。这些技能不仅展示了她的强大实力，更体现了ACG作品中对于动作场面的追求。在里番网中，许多二次元爱好者通过自己的创作，将这些技能以更加生动、有趣的方式呈现出来，让更多观众感受到了ACG文化的魅力。 此外，里番网中的不知火舞作品，还体现了传统与现代的交融之美。在传统元素方面，创作者们将中国古典舞蹈、服饰等元素融入到不知火舞的形象中，使其更加符合东方审美。而在现代元素方面，创作者们则通过现代审美观念，对不知火舞的形象进行了重新诠释，使其更具时代感。这种交融，使得不知火舞这一角色在ACG文化中独树一帜，成为了传统与现代的桥梁。 当然，在欣赏这些作品的同时，我们也要看到其中存在的问题。由于里番网的特殊性质，部分作品可能存在一些低俗、暴力等不良内容。因此，在欣赏这些作品时，我们要学会辨别，选择那些具有正能量、符合社会主义核心价值观的作品。 总之，不知火舞作为ACG文化中的经典角色，在里番网这一平台上得到了充分的展现。她的形象、技能以及传统与现代的交融，都体现了ACG文化的独特魅力。在未来的日子里，相信不知火舞这一角色会继续在ACG文化中绽放光彩，为更多粉丝带来欢乐与感动。

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。