昨日行业报告公布最新成果,“无人一码二码三码4码免费：解码新时代的便捷生活”

刚刚官方渠道披露重要信息,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。专业售后服务中心，技术团队随时支援

北京市昌平区、宝鸡市渭滨区 ，内蒙古赤峰市巴林右旗、定安县龙门镇、湛江市遂溪县、龙岩市漳平市、阜阳市阜南县、重庆市合川区、东莞市石龙镇、抚州市南丰县、酒泉市玉门市、辽阳市宏伟区、伊春市汤旺县、内蒙古呼伦贝尔市陈巴尔虎旗、雅安市天全县、四平市伊通满族自治县、通化市梅河口市 、太原市娄烦县、黔南罗甸县、内蒙古锡林郭勒盟正蓝旗、广西钦州市钦南区、铜仁市印江县、迪庆香格里拉市、梅州市五华县、吕梁市石楼县、乐东黎族自治县千家镇、丹东市振安区、金华市磐安县、驻马店市泌阳县

快速响应维修热线,本月监管部门发布新研究报告,“无人一码二码三码4码免费：解码新时代的便捷生活”，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修电话，支持在线咨询报修

自贡市富顺县、东方市感城镇 ，内蒙古赤峰市元宝山区、曲靖市马龙区、宣城市泾县、巴中市南江县、滨州市惠民县、江门市江海区、中山市古镇镇、杭州市上城区、甘南夏河县、晋中市榆社县、凉山会东县、东方市三家镇、楚雄双柏县、广西河池市天峨县、广西贺州市八步区 、内蒙古鄂尔多斯市伊金霍洛旗、郴州市临武县、茂名市高州市、宝鸡市渭滨区、兰州市七里河区、渭南市白水县、营口市老边区、商丘市永城市、丽江市华坪县、广西玉林市博白县、宜昌市夷陵区、文昌市翁田镇、直辖县神农架林区、内蒙古乌兰察布市丰镇市

全球服务区域: 沈阳市浑南区、南阳市唐河县 、临汾市蒲县、中山市古镇镇、玉溪市红塔区、清远市清城区、酒泉市敦煌市、宝鸡市麟游县、榆林市绥德县、合肥市包河区、吉林市船营区、普洱市墨江哈尼族自治县、吕梁市孝义市、南通市如皋市、沈阳市皇姑区、广元市旺苍县、陵水黎族自治县提蒙乡 、三明市永安市、周口市沈丘县、太原市娄烦县、白城市大安市、北京市海淀区

近日技术小组通报核心进展,今日研究机构披露重要行业成果,“无人一码二码三码4码免费：解码新时代的便捷生活”，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一客服电话，正规售后服务

全国服务区域: 东莞市长安镇、中山市大涌镇 、中山市南头镇、定西市漳县、济南市平阴县、深圳市罗湖区、遵义市习水县、黔西南册亨县、广西桂林市秀峰区、南京市溧水区、襄阳市南漳县、六安市叶集区、六盘水市水城区、铜仁市万山区、沈阳市新民市、恩施州恩施市、成都市龙泉驿区 、六盘水市六枝特区、东方市感城镇、长沙市浏阳市、辽阳市文圣区、新余市渝水区、海东市平安区、广西防城港市上思县、佳木斯市郊区、吕梁市岚县、东莞市沙田镇、运城市万荣县、驻马店市西平县、黔南瓮安县、三门峡市义马市、深圳市罗湖区、铜仁市印江县、衢州市常山县、儋州市那大镇、儋州市南丰镇、杭州市富阳区、内蒙古乌兰察布市四子王旗、黑河市嫩江市、鸡西市梨树区、九江市濂溪区

专业维修服务电话:本月行业协会发布重磅通报,“无人一码二码三码4码免费：解码新时代的便捷生活”

随着科技的飞速发展，我们的生活越来越便捷。在众多创新技术中，二维码技术无疑为我们带来了极大的便利。如今，无人一码、二码、三码、四码免费等概念应运而生，让我们的生活更加智能化、高效化。 一码，即一维码，是我们日常生活中最常见的二维码。它具有体积小、成本低、易于识别等特点。如今，一码免费已成为许多商家和企业的标配。无论是购物、餐饮、出行还是娱乐，一码都能为我们提供便捷的服务。 二码，即二维码，是一种具有高容量、高可靠性、易于识别和生成等特点的条码。它将图像、文字、声音等信息编码在一张小小的二维码中，方便人们快速获取所需信息。如今，二码免费已成为许多企业和机构的推广手段。通过二码，我们可以轻松实现信息共享、数据传输等功能。 三码，即三码合一技术，是将一维码、二维码和条形码三种条码技术融合在一起，实现一码多用的功能。这种技术广泛应用于物流、仓储、零售等行业。三码免费的使用，使得企业可以降低成本，提高工作效率。 四码，即四维码，是一种具有更高容量、更高安全性和更高识别率的条码。它可以将更多的信息编码在一张小小的二维码中，同时具有防伪功能。四码免费的应用，为企业和消费者提供了更加安全、便捷的服务。 那么，如何实现无人一码、二码、三码、四码免费呢？ 首先，政府和企业应加大对二维码技术的研发投入，提高二维码的识别率和安全性。同时，建立健全相关法律法规，保障二维码技术的健康发展。 其次，鼓励企业和商家采用免费二维码服务，降低消费者使用成本。例如，商场、超市等场所可以免费提供二维码支付服务，让消费者在购物时更加便捷。 再次，推广二维码在各个领域的应用，提高公众对二维码的认知度。通过举办各类活动，让更多人了解二维码的便利性，从而提高二维码的使用率。 最后，加强网络安全防护，确保二维码数据的安全。企业和商家应采取有效措施，防止二维码信息泄露，保障消费者权益。 总之，无人一码、二码、三码、四码免费的出现，标志着我国二维码技术已进入一个崭新的发展阶段。在未来的日子里，相信随着技术的不断进步，二维码将为我们的生活带来更多惊喜。让我们共同期待，在新时代的便捷生活中，二维码技术发挥出更大的作用。

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。