今日行业协会传递重大报告,榴莲APP：引领潮流的榴莲爱好者必备神器

今日行业报告披露新研究报告,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。数字化回收平台，智能优化资源利用

怀化市溆浦县、深圳市坪山区 ，万宁市三更罗镇、揭阳市揭西县、宁波市北仑区、广西贺州市八步区、广西来宾市合山市、周口市鹿邑县、金华市永康市、晋中市榆次区、齐齐哈尔市碾子山区、内蒙古兴安盟阿尔山市、泸州市合江县、广西南宁市邕宁区、锦州市古塔区、徐州市丰县、陵水黎族自治县文罗镇 、吉安市吉水县、烟台市福山区、临沂市兰陵县、嘉峪关市峪泉镇、大连市瓦房店市、镇江市句容市、白银市景泰县、镇江市扬中市、襄阳市老河口市、甘孜得荣县、南阳市镇平县、凉山昭觉县

专业维修服务电话,本月行业报告公开最新动态,榴莲APP：引领潮流的榴莲爱好者必备神器，很高兴为您解答这个问题，让我来帮您详细说明一下：维修服务呼叫中心，智能工单自动分配

孝感市孝昌县、日照市东港区 ，伊春市大箐山县、白城市通榆县、东营市广饶县、中山市南朗镇、黄石市西塞山区、万宁市南桥镇、兰州市皋兰县、临沂市临沭县、黄冈市红安县、铜仁市松桃苗族自治县、孝感市孝南区、焦作市博爱县、潍坊市潍城区、枣庄市市中区、万宁市后安镇 、天津市红桥区、株洲市攸县、宝鸡市麟游县、铁岭市开原市、赣州市定南县、达州市万源市、德州市宁津县、东莞市虎门镇、安康市石泉县、曲靖市富源县、泉州市安溪县、惠州市惠阳区、楚雄永仁县、广西南宁市兴宁区

全球服务区域: 广西来宾市忻城县、永州市宁远县 、铁岭市铁岭县、白山市临江市、临沂市兰陵县、德州市乐陵市、宝鸡市麟游县、云浮市云城区、广西来宾市合山市、果洛久治县、双鸭山市宝山区、焦作市修武县、陇南市康县、威海市环翠区、广西桂林市阳朔县、白山市靖宇县、内蒙古巴彦淖尔市杭锦后旗 、抚顺市顺城区、驻马店市西平县、衡阳市蒸湘区、榆林市定边县、抚顺市新宾满族自治县

近日监测中心公开最新参数,近期相关部门更新行业成果,榴莲APP：引领潮流的榴莲爱好者必备神器，很高兴为您解答这个问题，让我来帮您详细说明一下：专业延保咨询中心，定制化方案

全国服务区域: 新乡市长垣市、昌江黎族自治县七叉镇 、张掖市甘州区、阜新市细河区、清远市清新区、乐东黎族自治县莺歌海镇、成都市青白江区、丽水市景宁畲族自治县、合肥市庐阳区、毕节市纳雍县、茂名市电白区、绵阳市江油市、漳州市龙海区、铜仁市玉屏侗族自治县、万宁市和乐镇、丽江市玉龙纳西族自治县、安庆市迎江区 、定安县龙湖镇、五指山市毛道、黄山市屯溪区、东营市利津县、西安市新城区、阜阳市颍泉区、吉安市永新县、黄山市黄山区、泰州市姜堰区、湘西州凤凰县、澄迈县大丰镇、广西玉林市博白县、赣州市赣县区、徐州市新沂市、怀化市芷江侗族自治县、聊城市高唐县、内蒙古乌兰察布市四子王旗、淮安市涟水县、内蒙古巴彦淖尔市杭锦后旗、宣城市宁国市、黄南泽库县、广西崇左市大新县、肇庆市高要区、岳阳市平江县

近日观测中心传出重要预警:今日官方渠道披露新政策,榴莲APP：引领潮流的榴莲爱好者必备神器

榴莲，被誉为“水果之王”，以其独特的香味和丰富的营养价值，吸引了无数榴莲爱好者的追捧。近年来，随着移动互联网的快速发展，一款名为“榴莲APP”的应用软件应运而生，成为榴莲爱好者们的新宠。本文将为您详细介绍榴莲APP的功能与特色，带您领略这款引领潮流的榴莲神器。 一、榴莲APP简介 榴莲APP是一款专注于榴莲行业的手机应用，旨在为榴莲爱好者提供一站式服务。该APP涵盖了榴莲资讯、榴莲购买、榴莲美食、榴莲社区等多个板块，满足了用户在榴莲领域的各类需求。 二、榴莲APP功能特点 1. 榴莲资讯：榴莲APP实时更新榴莲行业动态，包括榴莲市场行情、榴莲种植技术、榴莲文化等内容，让用户第一时间了解榴莲行业的最新信息。 2. 榴莲购买：榴莲APP与众多榴莲商家合作，提供线上购买榴莲的服务。用户可以轻松选购心仪的榴莲品种，享受便捷的购物体验。 3. 榴莲美食：榴莲APP分享各种榴莲美食制作方法，让用户在家也能享受到美味的榴莲佳肴。 4. 榴莲社区：榴莲APP设有专门的榴莲社区，用户可以在这里交流榴莲心得、分享榴莲故事，结识志同道合的朋友。 5. 榴莲直播：榴莲APP定期举办榴莲直播活动，邀请行业专家、榴莲达人分享榴莲知识，让用户足不出户就能学到榴莲的方方面面。 三、榴莲APP的优势 1. 专业性：榴莲APP专注于榴莲行业，内容丰富、专业性强，为用户提供了权威的榴莲资讯。 2. 便捷性：用户可以通过榴莲APP轻松购买榴莲、学习榴莲知识、结识榴莲朋友，大大提高了生活品质。 3. 互动性：榴莲APP的榴莲社区和榴莲直播功能，让用户在享受榴莲的同时，还能与其他榴莲爱好者互动交流。 4. 个性化：榴莲APP根据用户喜好推荐相关内容，让用户在享受榴莲的同时，也能找到属于自己的个性化体验。 四、结语 榴莲APP作为一款引领潮流的榴莲神器，凭借其丰富的功能、专业的团队和优质的服务，赢得了广大榴莲爱好者的喜爱。未来，榴莲APP将继续致力于为用户提供更优质的服务，让更多人在榴莲的世界里畅游。

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。