昨日官方通报传递新政策,麻豆产精国品一二三产区区：探寻中国优质农产品的瑰宝之地

今日研究机构公开最新研究成果,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。全国统一配件标准，质量保证无忧

湘潭市雨湖区、抚顺市望花区 ，东莞市桥头镇、临高县东英镇、澄迈县金江镇、铜川市王益区、广西玉林市福绵区、鹤壁市淇滨区、甘南夏河县、贵阳市南明区、焦作市修武县、渭南市大荔县、临高县调楼镇、白银市靖远县、泸州市江阳区、内蒙古锡林郭勒盟苏尼特右旗、六安市裕安区 、肇庆市高要区、温州市瓯海区、德阳市旌阳区、黑河市嫩江市、杭州市萧山区、大连市金州区、江门市江海区、资阳市乐至县、扬州市江都区、武汉市黄陂区、万宁市山根镇、杭州市西湖区

本周数据平台今日官方渠道披露重磅消息,今日行业报告披露重大进展,麻豆产精国品一二三产区区：探寻中国优质农产品的瑰宝之地，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务中心热线，电话网络全渠道

铜仁市印江县、西宁市大通回族土族自治县 ，三明市沙县区、南通市如皋市、台州市玉环市、武汉市新洲区、武汉市江汉区、宜昌市枝江市、齐齐哈尔市龙江县、海南同德县、遂宁市安居区、长春市绿园区、台州市玉环市、宝鸡市千阳县、长春市绿园区、西安市鄠邑区、万宁市龙滚镇 、池州市贵池区、邵阳市双清区、长春市榆树市、大连市庄河市、伊春市南岔县、黔南贵定县、长治市沁县、忻州市定襄县、晋中市太谷区、四平市伊通满族自治县、河源市紫金县、锦州市义县、青岛市即墨区、宜宾市翠屏区

全球服务区域: 大庆市龙凤区、阳泉市城区 、中山市小榄镇、咸宁市咸安区、迪庆香格里拉市、江门市江海区、盐城市亭湖区、濮阳市清丰县、宜宾市南溪区、内蒙古呼伦贝尔市海拉尔区、黄南同仁市、内蒙古通辽市库伦旗、济南市历城区、长治市沁县、青岛市市北区、孝感市大悟县、武汉市汉阳区 、烟台市栖霞市、苏州市虎丘区、白银市平川区、陵水黎族自治县文罗镇、重庆市城口县

本周数据平台近期相关部门公布权威通报,今日研究机构披露重要行业研究成果,麻豆产精国品一二三产区区：探寻中国优质农产品的瑰宝之地，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联保服务热线，正规售后有保障

全国服务区域: 怀化市芷江侗族自治县、济宁市嘉祥县 、东方市新龙镇、珠海市香洲区、邵阳市北塔区、永州市江华瑶族自治县、吉安市万安县、肇庆市端州区、琼海市博鳌镇、东方市天安乡、漳州市龙海区、上海市闵行区、宜昌市宜都市、吉林市丰满区、潍坊市坊子区、黑河市爱辉区、吉安市吉水县 、杭州市江干区、陇南市文县、广安市广安区、绵阳市游仙区、温州市龙湾区、漳州市漳浦县、西安市阎良区、萍乡市莲花县、辽阳市文圣区、乐东黎族自治县利国镇、衡阳市蒸湘区、陵水黎族自治县黎安镇、丽江市玉龙纳西族自治县、江门市台山市、南京市玄武区、常州市武进区、益阳市安化县、黔东南锦屏县、内蒙古呼和浩特市土默特左旗、福州市晋安区、焦作市解放区、吉安市峡江县、荆州市石首市、荆州市监利市

本月官方渠道传达政策动向:本月相关部门发布新政策,麻豆产精国品一二三产区区：探寻中国优质农产品的瑰宝之地

中国，这片古老的土地，孕育了无数珍贵的农产品。其中，麻豆产精国品一二三产区区，便是这些瑰宝之地之一。这里不仅有着丰富的自然资源，更有着悠久的历史和独特的文化底蕴。今天，就让我们一起来探寻这个神秘而美丽的产区。 一、麻豆产精国品一二三产区区概况 麻豆产精国品一二三产区区位于我国某省，这里地势平坦，气候宜人，土壤肥沃，非常适合农作物的生长。产区内的农产品种类繁多，其中以麻豆、花生、玉米、小麦等粮食作物最为著名。 二、麻豆产精国品一二三产区区的特色农产品 1. 麻豆 麻豆，又称黑豆，是产区内的特色农产品之一。这里的麻豆颗粒饱满，色泽黑亮，口感鲜美，营养丰富。麻豆不仅可以直接食用，还可以加工成豆酱、豆粉等食品，深受消费者喜爱。 2. 花生 花生，又称落花生，是产区内的另一大特色农产品。这里的花生果实饱满，皮薄肉厚，味道香浓。花生不仅可以作为零食食用，还可以加工成花生油、花生酱等食品，具有较高的经济价值。 3. 玉米 玉米，作为产区内的主要粮食作物，这里的玉米颗粒饱满，色泽金黄，口感香甜。玉米不仅可以作为主食食用，还可以加工成玉米糁、玉米面等食品，具有较高的营养价值。 4. 小麦 小麦，作为产区内的主要粮食作物之一，这里的面粉细腻，口感劲道。产区内的面粉加工技术精湛，生产的面粉品质优良，深受消费者喜爱。 三、麻豆产精国品一二三产区区的文化底蕴 麻豆产精国品一二三产区区不仅拥有丰富的农产品资源，还拥有悠久的历史和独特的文化底蕴。产区内的民俗文化丰富多彩，如民间艺术、传统节日、民间传说等，都为这个地区增添了浓厚的文化氛围。 四、麻豆产精国品一二三产区区的未来发展 随着我国农业现代化的推进，麻豆产精国品一二三产区区正朝着更高、更快、更强的发展方向迈进。产区内的农产品加工、销售、品牌建设等方面都将得到进一步提升，为消费者带来更多优质、安全的农产品。 总之，麻豆产精国品一二三产区区是我国优质农产品的瑰宝之地。在这里，我们不仅能品尝到美味佳肴，还能感受到浓厚的文化氛围。让我们共同期待这个地区在未来的发展中，为我国农业事业做出更大的贡献。

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。