今日官方通报行业政策变化,惊悚一幕：镜被捅了，流口水流白色液体，真相令人毛骨悚然！

近期行业报告发布新研究成果,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。家电保养记录查询，完整服务历史追溯

锦州市北镇市、成都市龙泉驿区 ，遵义市绥阳县、揭阳市惠来县、连云港市赣榆区、威海市环翠区、平凉市崇信县、锦州市凌河区、保亭黎族苗族自治县保城镇、哈尔滨市延寿县、大理洱源县、哈尔滨市平房区、宿迁市宿豫区、岳阳市君山区、临沧市耿马傣族佤族自治县、宁夏银川市兴庆区、杭州市富阳区 、宁夏固原市原州区、成都市锦江区、驻马店市正阳县、蚌埠市五河县、黄山市祁门县、甘孜得荣县、宁夏银川市金凤区、西宁市大通回族土族自治县、咸宁市嘉鱼县、湘潭市雨湖区、绵阳市安州区、广西防城港市东兴市

刚刚信息中心公布关键数据,刚刚国家机构发布最新通报,惊悚一幕：镜被捅了，流口水流白色液体，真相令人毛骨悚然！，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务统一热线，维修更放心

东莞市莞城街道、十堰市张湾区 ，西双版纳勐腊县、抚州市乐安县、南昌市西湖区、成都市锦江区、文昌市潭牛镇、商洛市柞水县、吉安市吉州区、天津市滨海新区、怀化市辰溪县、黔南都匀市、中山市民众镇、广西钦州市钦北区、上海市金山区、南昌市西湖区、双鸭山市岭东区 、许昌市禹州市、武汉市汉南区、徐州市鼓楼区、安康市岚皋县、新乡市原阳县、成都市新都区、玉溪市新平彝族傣族自治县、抚州市宜黄县、广西南宁市上林县、四平市铁东区、信阳市息县、福州市罗源县、吉安市万安县、怀化市靖州苗族侗族自治县

全球服务区域: 黄冈市黄州区、湘西州古丈县 、遂宁市安居区、陵水黎族自治县新村镇、内蒙古兴安盟突泉县、本溪市桓仁满族自治县、东莞市塘厦镇、长治市屯留区、鹤壁市山城区、哈尔滨市尚志市、三门峡市义马市、铜仁市万山区、七台河市桃山区、西安市阎良区、广西贺州市平桂区、济南市市中区、湛江市赤坎区 、荆州市松滋市、哈尔滨市方正县、重庆市垫江县、鸡西市麻山区、周口市项城市

近日监测部门公开最新参数,昨日行业协会公开最新政策,惊悚一幕：镜被捅了，流口水流白色液体，真相令人毛骨悚然！，很高兴为您解答这个问题，让我来帮您详细说明一下：24小时维修客服热线，随时为您服务

全国服务区域: 驻马店市平舆县、昆明市官渡区 、信阳市息县、茂名市信宜市、宜春市万载县、眉山市东坡区、内蒙古乌兰察布市商都县、普洱市思茅区、台州市温岭市、大兴安岭地区漠河市、南昌市南昌县、西安市蓝田县、菏泽市定陶区、南昌市南昌县、乐东黎族自治县万冲镇、镇江市扬中市、澄迈县大丰镇 、六安市霍山县、文山丘北县、广西河池市都安瑶族自治县、芜湖市繁昌区、平顶山市汝州市、开封市尉氏县、湛江市霞山区、榆林市绥德县、甘南临潭县、衡阳市石鼓区、台州市仙居县、宁夏银川市西夏区、商丘市宁陵县、马鞍山市博望区、伊春市丰林县、龙岩市漳平市、长春市宽城区、绍兴市新昌县、大同市广灵县、吕梁市离石区、内蒙古巴彦淖尔市乌拉特中旗、晋中市左权县、佳木斯市桦南县、鹤壁市山城区

24小时维修咨询热线，智能语音导航:本月官方发布重大行业通报,惊悚一幕：镜被捅了，流口水流白色液体，真相令人毛骨悚然！

在一个寂静的夜晚，一栋老旧的居民楼里发生了一起离奇的命案。案发现场位于三楼的一间出租屋内，屋内一片狼藉，而最令人震惊的是，那面原本完好无损的镜子，竟然被捅出了一个大洞，从洞中流出了口水般的液体，而这些液体竟然还是白色的。 据邻居们回忆，案发当晚，屋内住着一对年轻的情侣，两人关系亲密，平时并无异常。然而，就在这看似平静的夜晚，一场悲剧悄然上演。 警方接到报警后，迅速赶到现场。经过初步勘查，发现现场并无打斗痕迹，屋内物品摆放整齐，显然并非盗窃案。然而，那面被捅破的镜子却引起了警方的注意。 警方将镜子带回实验室进行检验，结果令人震惊。原来，那面镜子并非普通的玻璃镜，而是特制的有机玻璃镜。这种镜子的特点是表面光滑，不易划伤，但一旦被尖锐物体捅破，就会流出一种白色的液体。 经过进一步调查，警方发现，这对情侣曾因为家庭矛盾产生过争执。男方在争吵中情绪失控，拿起一把水果刀，将镜子捅破，从洞中流出的白色液体正是男方的口水。原来，男方在争吵中咬破了舌头，而那面镜子正是他用来擦拭伤口的工具。 这一发现让警方对案件的性质有了新的认识。原来，男方在争吵中情绪失控，不仅伤害了女方，还伤害了自己。而女方在得知真相后，悲痛欲绝，选择了自杀。 警方在调查过程中，还发现了一个令人毛骨悚然的细节。男方在捅破镜子后，竟然用那面镜子照看自己的伤口，而那面镜子正是他用来伤害女方的凶器。这一行为无疑是对女方深深的侮辱，也暴露出男方扭曲的心理。 在案件告破后，邻居们纷纷表示对这对情侣的惋惜。原本幸福美满的情侣，却因为一时的冲动，走向了悲剧的结局。这起案件也提醒人们，在面对家庭矛盾时，要保持理智，切勿冲动行事。 这起离奇的命案，让我们看到了人性的扭曲和悲剧的发生。在现实生活中，我们应当珍惜身边的每一个人，学会宽容和理解，避免因为一时的冲动，造成无法挽回的后果。而对于那些心理扭曲的人，我们更应提高警惕，防止悲剧再次发生。

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。