今日相关部门披露重大研究成果,一杆长枪直入两扇门，义勇精神铸就辉煌历史

本月行业报告传递研究成果,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。家电维修客服电话，系统自动派单

澄迈县桥头镇、潮州市湘桥区 ，亳州市蒙城县、丽江市古城区、平凉市华亭县、东莞市樟木头镇、淮安市淮阴区、吕梁市孝义市、汉中市城固县、杭州市建德市、宁夏吴忠市红寺堡区、长治市黎城县、广西柳州市柳北区、怀化市芷江侗族自治县、兰州市西固区、南京市秦淮区、莆田市秀屿区 、深圳市宝安区、眉山市洪雅县、武汉市东西湖区、定安县富文镇、广西玉林市博白县、河源市龙川县、临沧市临翔区、万宁市南桥镇、咸宁市赤壁市、周口市西华县、马鞍山市当涂县、萍乡市湘东区

本周数据平台本月相关部门通报重要进展,今日相关部门发布最新进展,一杆长枪直入两扇门，义勇精神铸就辉煌历史，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

广州市从化区、黔西南册亨县 ，武汉市江岸区、铜川市王益区、大理洱源县、内蒙古乌兰察布市四子王旗、盐城市盐都区、通化市辉南县、嘉兴市海盐县、新乡市长垣市、广西梧州市岑溪市、海西蒙古族都兰县、万宁市和乐镇、定西市渭源县、合肥市蜀山区、铜仁市思南县、江门市新会区 、白山市长白朝鲜族自治县、盐城市建湖县、漳州市华安县、宜宾市屏山县、内蒙古赤峰市克什克腾旗、长春市绿园区、赣州市全南县、连云港市灌云县、鄂州市梁子湖区、齐齐哈尔市铁锋区、澄迈县永发镇、宿迁市沭阳县、吕梁市石楼县、长春市榆树市

全球服务区域: 宿州市砀山县、长沙市长沙县 、常州市金坛区、泰州市兴化市、衡阳市雁峰区、娄底市娄星区、内蒙古鄂尔多斯市准格尔旗、本溪市桓仁满族自治县、威海市文登区、屯昌县屯城镇、万宁市后安镇、内蒙古赤峰市敖汉旗、大理巍山彝族回族自治县、济南市历城区、吕梁市交城县、常德市石门县、内蒙古乌兰察布市四子王旗 、广西来宾市兴宾区、中山市港口镇、驻马店市确山县、广安市华蓥市、临夏临夏市

刚刚决策小组公开重大调整,昨日官方传递最新研究成果,一杆长枪直入两扇门，义勇精神铸就辉煌历史，很高兴为您解答这个问题，让我来帮您详细说明一下：智能保养提醒系统，自动推送通知

全国服务区域: 徐州市泉山区、广西贵港市平南县 、安庆市桐城市、金华市金东区、七台河市茄子河区、广西崇左市扶绥县、重庆市奉节县、重庆市石柱土家族自治县、赣州市石城县、汉中市洋县、西安市新城区、许昌市魏都区、邵阳市武冈市、广西百色市隆林各族自治县、恩施州咸丰县、汉中市略阳县、赣州市寻乌县 、开封市祥符区、西安市灞桥区、定西市安定区、昌江黎族自治县王下乡、汉中市洋县、内蒙古呼伦贝尔市根河市、上饶市婺源县、甘南卓尼县、大同市平城区、忻州市保德县、嘉兴市桐乡市、随州市广水市、南昌市东湖区、襄阳市枣阳市、重庆市渝北区、潍坊市寒亭区、清远市清城区、黑河市逊克县、吉安市青原区、葫芦岛市兴城市、南阳市方城县、上海市普陀区、徐州市泉山区、辽阳市弓长岭区

可视化操作指导热线:本周行业报告披露重要变化,一杆长枪直入两扇门，义勇精神铸就辉煌历史

在历史的长河中，无数英勇的事迹如璀璨的星辰，照亮了人类的文明进程。而其中，一杆长枪直入两扇门的故事，更是以其英勇无畏、义无反顾的精神，成为了千古传颂的佳话。 那是一个风雨交加的夜晚，敌军如狼似虎，逼近了我国一座重要的城池。城内守军虽然英勇善战，但面对来势汹汹的敌人，仍感压力山大。在这危急关头，一位名叫李勇的勇士挺身而出，手持一杆长枪，直入两扇城门，誓死捍卫家园。 李勇，一个普通的士兵，却有着不平凡的勇气。他深知，城门是敌军进攻的重点，一旦城门失守，整个城池将陷入敌人的包围。于是，他毅然决然地拿起长枪，冲向城门。 夜色中，李勇的身影显得格外高大。他挥舞着长枪，如同一道闪电划破长空。敌军见状，纷纷后退，不敢靠近。李勇趁机冲入城门，与守军汇合，共同抵御敌人的进攻。 战斗持续了整整一夜，李勇身先士卒，英勇杀敌。他手中的长枪，仿佛有神奇的力量，每一次挥舞都能刺穿敌人的防线。在他的带领下，守军士气大增，战斗力倍增。 然而，在激战中，李勇不幸受伤。他忍着剧痛，依然坚守在城门处，与敌人拼杀。他的英勇事迹，感动了无数守军，大家纷纷效仿，奋勇杀敌。 终于，在李勇的带领下，守军成功击退了敌人。城池得以保全，百姓得以安居乐业。而李勇，也成为了这座城池的英雄。 一杆长枪直入两扇门，义勇精神铸就辉煌历史。李勇的英勇事迹，传遍了整个国家，激励着一代又一代的年轻人。他的名字，也成为了英勇、无畏的代名词。 历史的车轮滚滚向前，李勇的英勇事迹，虽然已经过去了几百年，但他的精神依然值得我们学习。在新时代，我们更要发扬李勇的义勇精神，为实现中华民族伟大复兴的中国梦而努力拼搏。 面对困难和挑战，我们要有李勇那样的勇气和决心。只要我们团结一心，勇往直前，就一定能够战胜一切困难，创造更加辉煌的未来。 一杆长枪直入两扇门，义勇精神永存。让我们铭记这段历史，传承李勇的英勇事迹，为实现民族复兴而努力奋斗！

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。