今日监管部门披露重大进展,朋友换娶妻后的生活巨变：从单身贵族到家庭支柱

本月官方披露行业最新报告,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。专业售后团队，客服热线随时待命

文昌市冯坡镇、宣城市郎溪县 ，内蒙古赤峰市克什克腾旗、绵阳市涪城区、乐东黎族自治县尖峰镇、绥化市望奎县、大同市天镇县、黔东南榕江县、岳阳市云溪区、内蒙古乌兰察布市商都县、中山市沙溪镇、丽江市永胜县、琼海市龙江镇、德阳市旌阳区、东莞市大朗镇、佛山市顺德区、德州市禹城市 、南平市政和县、广西玉林市博白县、常州市武进区、绵阳市梓潼县、南平市顺昌县、昌江黎族自治县石碌镇、肇庆市鼎湖区、杭州市萧山区、西双版纳勐腊县、白城市镇赉县、乐东黎族自治县莺歌海镇、遵义市正安县

24小时维修咨询热线，智能语音导航,今日监管部门传递新研究成果,朋友换娶妻后的生活巨变：从单身贵族到家庭支柱，很高兴为您解答这个问题，让我来帮您详细说明一下：全国标准化热线，维修过程透明可查

菏泽市巨野县、赣州市寻乌县 ，黄南河南蒙古族自治县、临沧市沧源佤族自治县、许昌市禹州市、青岛市胶州市、太原市阳曲县、陵水黎族自治县隆广镇、黔南长顺县、梅州市大埔县、娄底市双峰县、广州市从化区、广西玉林市陆川县、怀化市麻阳苗族自治县、潍坊市青州市、上海市普陀区、沈阳市浑南区 、云浮市云城区、韶关市南雄市、绵阳市三台县、抚州市乐安县、邵阳市大祥区、白沙黎族自治县阜龙乡、商丘市夏邑县、汉中市洋县、蚌埠市五河县、运城市平陆县、汕头市潮阳区、南阳市南召县、锦州市凌海市、晋城市沁水县

全球服务区域: 临沂市费县、沈阳市辽中区 、天水市秦安县、信阳市淮滨县、盘锦市双台子区、白银市会宁县、三门峡市湖滨区、海口市琼山区、湛江市遂溪县、平凉市灵台县、大理剑川县、温州市平阳县、重庆市开州区、黔东南天柱县、鸡西市梨树区、宜宾市叙州区、萍乡市芦溪县 、湛江市霞山区、泉州市石狮市、巴中市通江县、海东市平安区、聊城市临清市

本周数据平台最新相关部门透露权威通报,昨日官方披露行业最新成果,朋友换娶妻后的生活巨变：从单身贵族到家庭支柱，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修应急热线，24小时待命

全国服务区域: 盐城市响水县、德宏傣族景颇族自治州陇川县 、本溪市溪湖区、宜春市万载县、内江市隆昌市、商洛市丹凤县、昆明市呈贡区、天津市和平区、西安市碑林区、无锡市惠山区、重庆市铜梁区、平顶山市新华区、陇南市康县、酒泉市阿克塞哈萨克族自治县、东莞市凤岗镇、抚州市南城县、中山市南朗镇 、永州市冷水滩区、镇江市扬中市、遵义市正安县、平凉市泾川县、漳州市平和县、鞍山市台安县、汉中市城固县、成都市彭州市、广西河池市都安瑶族自治县、亳州市利辛县、重庆市渝北区、内蒙古包头市九原区、内蒙古包头市土默特右旗、内蒙古锡林郭勒盟二连浩特市、万宁市东澳镇、襄阳市老河口市、徐州市邳州市、广元市旺苍县、黔东南黎平县、安顺市平坝区、朔州市应县、海西蒙古族乌兰县、营口市西市区、重庆市南岸区

刚刚信息中心公布关键数据:今日官方渠道传递研究成果,朋友换娶妻后的生活巨变：从单身贵族到家庭支柱

自从好友小张换娶了妻子，他的生活发生了翻天覆地的变化。从曾经的单身贵族，到如今的家庭支柱，小张的生活轨迹仿佛被重新绘制。在这篇文章中，我们将一起探讨小张换娶妻后的生活变化。 一、生活节奏的改变 在结婚之前，小张的生活节奏相对自由。他可以随心所欲地安排自己的时间，无论是加班还是和朋友聚会，他都能轻松应对。然而，结婚后，小张的生活节奏发生了明显的变化。他需要承担起家庭的责任，每天早出晚归，为妻子和孩子筹备一日三餐。这种生活节奏的改变，让小张感受到了前所未有的压力。 二、消费观念的转变 在单身时，小张的消费观念相对宽松。他喜欢追求时尚潮流，购买各种奢侈品。然而，结婚后，小张的消费观念发生了转变。他开始注重家庭的经济状况，努力为妻子和孩子创造一个温馨舒适的生活环境。在购物时，他更加注重性价比，不再盲目追求名牌。 三、人际关系的调整 结婚前，小张的朋友圈相对简单。他可以和朋友们畅所欲言，分享自己的喜怒哀乐。然而，结婚后，小张的人际关系发生了调整。他需要平衡家庭和朋友之间的关系，既要关心妻子的感受，又要照顾好朋友的情绪。这种关系的调整，让小张学会了如何处理复杂的人际关系。 四、生活质量的提升 结婚后，小张的生活质量得到了显著提升。他不再像单身时那样孤独，而是拥有了温馨的家庭。在妻子的支持下，小张在工作中取得了更好的成绩，家庭的经济状况也得到了改善。这种生活质量的提升，让小张倍感幸福。 五、个人成长的加速 结婚后，小张在个人成长方面取得了显著进步。他学会了如何承担责任，如何关爱他人。在妻子的帮助下，小张克服了生活中的种种困难，变得更加成熟稳重。这种个人成长的加速，让小张对未来充满信心。 总之，朋友小张换娶妻后的生活发生了巨大的变化。从单身贵族到家庭支柱，他经历了生活节奏、消费观念、人际关系、生活质量和个人成长等方面的转变。这些变化让小张更加珍惜眼前的幸福，也让他对未来充满期待。在这个充满变化的世界里，小张用自己的努力和智慧，书写着属于自己的精彩人生。

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。