今日研究机构传递重大研究成果,云缨本子：记录生活点滴的艺术小物

今日相关部门发布最新进展,1年涨五倍，被苹果看上的“模型瘦身”公司靠谱吗？,很高兴为您解答这个问题，让我来帮您详细说明一下。家电故障不用愁，客服热线帮您忙

信阳市息县、万宁市南桥镇 ，黄石市铁山区、杭州市江干区、双鸭山市岭东区、东方市新龙镇、亳州市利辛县、广西梧州市长洲区、成都市大邑县、玉溪市通海县、白银市景泰县、南京市建邺区、德州市宁津县、青岛市平度市、屯昌县枫木镇、南阳市卧龙区、重庆市垫江县 、渭南市临渭区、宁夏石嘴山市平罗县、周口市项城市、广西南宁市上林县、黄山市徽州区、合肥市庐阳区、广西桂林市资源县、吕梁市临县、内蒙古鄂尔多斯市乌审旗、武汉市青山区、东莞市麻涌镇、鹤壁市淇滨区

本周数据平台最新官方渠道传来研究成果,今日国家机构披露行业新成果,云缨本子：记录生活点滴的艺术小物，很高兴为您解答这个问题，让我来帮您详细说明一下：自动化服务调度，智能匹配维修资源

黔西南兴仁市、抚州市黎川县 ，平凉市崇信县、大连市金州区、泉州市惠安县、陵水黎族自治县文罗镇、上海市浦东新区、长沙市浏阳市、广西玉林市博白县、鹤岗市兴安区、日照市东港区、周口市西华县、漳州市平和县、辽源市龙山区、广西梧州市藤县、烟台市招远市、成都市锦江区 、临沂市兰山区、益阳市赫山区、广西贵港市平南县、七台河市茄子河区、长治市平顺县、平顶山市叶县、广西桂林市秀峰区、三明市泰宁县、济南市天桥区、广西柳州市鱼峰区、万宁市山根镇、漯河市舞阳县、广西贺州市昭平县、昆明市嵩明县

全球服务区域: 新余市渝水区、哈尔滨市道里区 、深圳市光明区、西安市莲湖区、东莞市道滘镇、淮北市杜集区、台州市临海市、阜新市细河区、三亚市天涯区、濮阳市华龙区、鞍山市立山区、葫芦岛市绥中县、安康市岚皋县、牡丹江市宁安市、临汾市浮山县、玉树囊谦县、郑州市中原区 、苏州市常熟市、平凉市泾川县、儋州市海头镇、黑河市逊克县、广西贺州市八步区

本周数据平台最新研究机构传出新变化,今日研究机构传递重大研究成果,云缨本子：记录生活点滴的艺术小物，很高兴为您解答这个问题，让我来帮您详细说明一下：专业技术指导中心，远程视频协助安装

全国服务区域: 武汉市汉阳区、黔西南册亨县 、怀化市麻阳苗族自治县、楚雄姚安县、延安市志丹县、安康市白河县、昭通市威信县、信阳市浉河区、鞍山市岫岩满族自治县、九江市彭泽县、十堰市房县、贵阳市白云区、嘉兴市桐乡市、三明市建宁县、广西防城港市港口区、芜湖市弋江区、周口市西华县 、萍乡市芦溪县、武汉市黄陂区、昆明市嵩明县、萍乡市湘东区、咸阳市泾阳县、太原市小店区、陵水黎族自治县本号镇、烟台市栖霞市、淮北市烈山区、德州市临邑县、东方市江边乡、韶关市乐昌市、东方市三家镇、青岛市李沧区、广安市邻水县、咸阳市渭城区、黔南长顺县、内蒙古呼伦贝尔市根河市、济宁市兖州区、济宁市汶上县、东莞市寮步镇、铁岭市昌图县、三明市尤溪县、儋州市那大镇

刚刚信息部门通报重大更新:今日官方通报发布新研究报告,云缨本子：记录生活点滴的艺术小物

在繁忙的都市生活中，我们常常渴望拥有一方宁静的天地，用以记录生活的点点滴滴。云缨本子，就是这样一款能够帮助我们实现这一愿望的艺术小物。它以其独特的魅力，成为了许多文艺青年的心头好。 云缨本子，顾名思义，是一种以云缨为主题的笔记本。云缨，又称云纹，是一种古老的装饰图案，寓意着吉祥如意。这种图案在我国有着悠久的历史，早在商周时期就已经出现。云缨本子将这一传统图案与现代设计相结合，呈现出一种古典与现代交融的美感。 云缨本子的封面设计独具匠心，采用高质量的环保纸张，色彩鲜艳，触感舒适。封面上的云缨图案，细腻精致，仿佛可以触摸到那飘渺的云朵。翻开本子，每一页都是一片纯净的白色，等待着主人用笔尖书写属于自己的故事。 云缨本子的内页设计也非常用心。纸张厚度适中，书写流畅，不易破烂。内页采用竖排版式，方便记录日记、随笔、读书笔记等。此外，本子还配有精美的书签，方便我们在阅读时随时标记重点。 使用云缨本子记录生活，不仅可以锻炼我们的书写能力，还能让我们在忙碌的生活中找到一份宁静。以下是一些使用云缨本子的建议： 1. 每天写一篇日记，记录当天发生的有趣事情、心情变化等。长期坚持，你会发现自己的生活变得更加丰富多彩。 2. 利用云缨本子进行阅读笔记，记录下书中的精彩内容、感悟和心得。这样既可以加深对书籍的理解，还能提高自己的写作水平。 3. 将云缨本子作为礼物送给亲朋好友，表达自己的祝福和关爱。一封手写的信，一份真挚的情感，定能让对方感受到你的心意。 4. 在本子上绘制插画，发挥自己的创意。这不仅能够提升自己的审美能力，还能让本子更具个性。 5. 在云缨本子上记录生活中的美好瞬间，如旅行、聚会、美食等。多年以后，翻开这本子，你会发现自己曾经走过的路、经历过的事情。 总之，云缨本子是一款极具艺术气息的生活小物。它不仅可以帮助我们记录生活，还能让我们在忙碌的生活中找到一份宁静。让我们拿起云缨本子，开始记录属于自己的精彩人生吧！

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网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。