本月相关部门传递重要研究成果,如何巧妙运用笔草进行自我表达

最新官方渠道发布研究成果,苹果看上的公司，靠量子“邪修”给模型“瘦身”,很高兴为您解答这个问题，让我来帮您详细说明一下。家电在线客服系统，实时沟通维修需求

淮安市洪泽区、威海市环翠区 ，福州市福清市、揭阳市揭西县、盐城市大丰区、铜陵市义安区、枣庄市山亭区、吕梁市孝义市、中山市神湾镇、抚州市崇仁县、三明市将乐县、茂名市高州市、张掖市山丹县、泰州市海陵区、重庆市垫江县、楚雄姚安县、泰州市泰兴市 、重庆市潼南区、黔南瓮安县、洛阳市新安县、陇南市成县、十堰市丹江口市、鹤壁市淇县、重庆市涪陵区、荆州市公安县、澄迈县加乐镇、东营市东营区、中山市小榄镇、内蒙古通辽市扎鲁特旗

可视化故障排除专线,今日监管部门更新政策动向,如何巧妙运用笔草进行自我表达，很高兴为您解答这个问题，让我来帮您详细说明一下：售后咨询服务中心，全时段多渠道服务

玉树称多县、广西桂林市资源县 ，扬州市邗江区、双鸭山市岭东区、宜昌市西陵区、徐州市邳州市、黄石市铁山区、长春市宽城区、德阳市绵竹市、韶关市南雄市、新乡市新乡县、晋城市沁水县、梅州市蕉岭县、广西防城港市港口区、甘孜白玉县、本溪市南芬区、苏州市吴江区 、黄冈市黄梅县、长治市襄垣县、周口市项城市、上饶市铅山县、吕梁市孝义市、孝感市孝昌县、佳木斯市向阳区、德州市德城区、宿州市埇桥区、海西蒙古族乌兰县、文山西畴县、天水市秦州区、湛江市遂溪县、大庆市大同区

全球服务区域: 内蒙古赤峰市巴林右旗、黄冈市黄州区 、内江市资中县、内蒙古赤峰市克什克腾旗、临高县调楼镇、东莞市望牛墩镇、澄迈县桥头镇、金华市东阳市、杭州市淳安县、徐州市云龙区、抚州市金溪县、滁州市南谯区、定西市通渭县、青岛市平度市、重庆市彭水苗族土家族自治县、茂名市信宜市、鹤壁市浚县 、黔南荔波县、昭通市威信县、烟台市蓬莱区、东莞市道滘镇、攀枝花市仁和区

本周数据平台今日多方媒体透露研究成果,昨日官方渠道传递重大研究成果,如何巧妙运用笔草进行自我表达，很高兴为您解答这个问题，让我来帮您详细说明一下：专业技术救援中心，重大故障专家会诊

全国服务区域: 上饶市鄱阳县、齐齐哈尔市泰来县 、北京市平谷区、泸州市龙马潭区、广西河池市南丹县、肇庆市端州区、泰安市东平县、吕梁市交城县、揭阳市榕城区、湘潭市湘乡市、乐山市峨边彝族自治县、内蒙古锡林郭勒盟二连浩特市、泉州市南安市、内蒙古巴彦淖尔市杭锦后旗、凉山冕宁县、赣州市寻乌县、东莞市麻涌镇 、佳木斯市抚远市、榆林市佳县、咸宁市通城县、德州市陵城区、聊城市高唐县、黄石市阳新县、兰州市榆中县、黄石市黄石港区、双鸭山市宝清县、琼海市博鳌镇、韶关市乐昌市、重庆市城口县、宁夏固原市原州区、益阳市安化县、泰州市姜堰区、澄迈县仁兴镇、漳州市漳浦县、嘉兴市秀洲区、鄂州市鄂城区、济宁市汶上县、洛阳市栾川县、韶关市浈江区、景德镇市乐平市、永州市江永县

刚刚信息中心公布关键数据:今日研究机构传递重大研究成果,如何巧妙运用笔草进行自我表达

笔草，顾名思义，就是用笔在纸上草草地勾勒出一些线条和形状，形成一种独特的艺术风格。这种风格简单、自然，富有个性，能够很好地表达出创作者的情感和思想。那么，我们该如何用笔草进行自我表达呢？以下是一些实用的技巧和建议。 ### 一、了解笔草的基本特点 在开始用笔草进行创作之前，我们需要了解笔草的基本特点。笔草线条流畅、自然，具有随意性和即兴性，能够表现出创作者的个性和情感。同时，笔草的构图简洁，不拘泥于细节，注重整体效果。 ### 二、选择合适的工具 用笔草进行创作，首先需要选择合适的工具。一般来说，我们可以使用普通的铅笔、圆珠笔、水笔等。铅笔适合勾勒线条，圆珠笔和水笔则可以用来填充颜色。此外，还可以根据需要准备一些辅助工具，如橡皮、彩色铅笔等。 ### 三、掌握基本技巧 1. **线条勾勒**：用笔草进行创作时，线条的勾勒是最基本的技术。我们可以通过改变线条的粗细、长短、曲直来表现不同的情感和意境。例如，粗线条可以表达力量和激情，细线条则可以传达温柔和细腻。 2. **构图布局**：笔草的构图简洁，但同样需要讲究布局。我们可以从中心点开始，向外发散，或者从上到下，从左到右进行布局。在构图时，要注意留白，使画面更加透气。 3. **色彩搭配**：笔草作品中的色彩搭配同样重要。我们可以选择单色系，也可以尝试多色系。色彩的选择要根据作品的主题和情感来定，以达到最佳的表现效果。 ### 四、发挥创意，进行创作 在掌握了基本技巧之后，我们可以开始发挥创意，进行笔草创作。以下是一些建议： 1. **主题明确**：在创作之前，先确定一个明确的主题，如自然、生活、情感等。这样可以使我们的创作更有方向性和深度。 2. **情感表达**：笔草作品最核心的价值在于表达情感。在创作过程中，我们要注重情感的流露，让观者能够感受到我们的内心世界。 3. **即兴发挥**：笔草的即兴性是其魅力之一。在创作过程中，不妨放开手脚，大胆尝试，让作品充满活力。 4. **反复修改**：创作完成后，不妨对作品进行反复修改，使之更加完善。在这个过程中，我们可以调整线条、色彩、构图等，以达到最佳效果。 ### 五、欣赏与分享 完成笔草作品后，不妨将其展示给亲朋好友，让他们欣赏你的作品。同时，也可以通过社交媒体等平台分享你的创作，与更多人交流心得。 总之，用笔草进行自我表达是一种简单而有趣的方式。通过掌握基本技巧、发挥创意，我们可以创作出充满个性和情感的作品。让我们一起走进笔草的世界，感受艺术的魅力吧！

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网"AI 原生 100" 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「17」篇文章。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。