本月行业报告更新新变化,探索野花社区：WWW三的神秘魅力

本周研究机构发布新动态,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。家电功能演示热线，专业展示使用技巧

巴中市通江县、南充市仪陇县 ，临汾市曲沃县、宝鸡市麟游县、铜仁市松桃苗族自治县、恩施州宣恩县、滨州市滨城区、东莞市大朗镇、宁夏银川市灵武市、聊城市东昌府区、武汉市东西湖区、红河泸西县、伊春市南岔县、广西百色市那坡县、白山市靖宇县、荆州市监利市、文昌市东阁镇 、抚州市黎川县、泸州市叙永县、莆田市秀屿区、庆阳市西峰区、哈尔滨市呼兰区、淮南市潘集区、宁夏固原市彭阳县、重庆市璧山区、白银市白银区、五指山市南圣、内江市隆昌市、洛阳市嵩县

近日官方渠道传达研究成果,本周业内人士传递最新研究成果,探索野花社区：WWW三的神秘魅力，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客服电话，系统自动派单处理

广西玉林市陆川县、贵阳市息烽县 ，宁夏石嘴山市平罗县、通化市辉南县、乐山市市中区、泸州市龙马潭区、孝感市安陆市、广西百色市德保县、长春市宽城区、成都市龙泉驿区、万宁市和乐镇、温州市龙港市、铜川市耀州区、大理剑川县、贵阳市南明区、聊城市东阿县、黑河市逊克县 、黔南平塘县、焦作市山阳区、宜宾市筠连县、广元市昭化区、广西钦州市灵山县、西安市周至县、南通市海安市、韶关市南雄市、哈尔滨市道里区、成都市邛崃市、平顶山市湛河区、徐州市新沂市、文山广南县、齐齐哈尔市克东县

全球服务区域: 岳阳市华容县、开封市通许县 、东莞市凤岗镇、深圳市盐田区、东莞市石龙镇、南平市邵武市、齐齐哈尔市昂昂溪区、龙岩市长汀县、大连市金州区、长沙市宁乡市、重庆市万州区、日照市五莲县、丹东市宽甸满族自治县、哈尔滨市尚志市、达州市渠县、内蒙古巴彦淖尔市乌拉特中旗、哈尔滨市延寿县 、天津市和平区、汉中市佛坪县、文山麻栗坡县、永州市江华瑶族自治县、黄冈市罗田县

近日监测部门传出异常警报,本月行业报告传递新动态,探索野花社区：WWW三的神秘魅力，很高兴为您解答这个问题，让我来帮您详细说明一下：家电功能演示热线，专业展示使用技巧

全国服务区域: 抚顺市顺城区、锦州市北镇市 、内蒙古包头市东河区、兰州市永登县、重庆市奉节县、台州市临海市、湛江市坡头区、文昌市龙楼镇、温州市永嘉县、孝感市孝南区、抚州市金溪县、陵水黎族自治县三才镇、安庆市望江县、朔州市平鲁区、自贡市大安区、直辖县神农架林区、昭通市永善县 、内蒙古赤峰市林西县、五指山市南圣、临汾市吉县、丹东市凤城市、泉州市石狮市、蚌埠市五河县、澄迈县仁兴镇、屯昌县乌坡镇、松原市乾安县、通化市通化县、松原市扶余市、常德市鼎城区、成都市邛崃市、牡丹江市西安区、韶关市乐昌市、东莞市长安镇、淮南市寿县、淮安市淮阴区、昆明市呈贡区、内蒙古包头市白云鄂博矿区、东莞市凤岗镇、芜湖市繁昌区、北京市门头沟区、安阳市汤阴县

本月官方渠道传达政策动向:本周官方渠道传达新成果,探索野花社区：WWW三的神秘魅力

在繁华都市的喧嚣中，人们渴望寻找一片宁静的天地，那里有自然的气息，有生活的真谛。在这样的背景下，一个名为“野花社区WWW三”的地方应运而生，成为了都市人们心灵的避风港。 野花社区WWW三，顾名思义，这里充满了野花的芬芳。走进社区，仿佛进入了一个花的海洋，红的、黄的、蓝的、紫的，各种野花争奇斗艳，让人目不暇接。在这里，人们可以尽情地呼吸新鲜的空气，感受大自然的魅力。 WWW三社区不仅有着美丽的自然风光，还拥有丰富的文化活动。社区内设有图书馆、文化中心、艺术馆等设施，为居民提供了丰富的精神食粮。在这里，人们可以参加各种讲座、展览、演出等活动，增长知识，陶冶情操。 社区内的居民们来自五湖四海，他们在这里和睦相处，共同营造了一个温馨的大家庭。在这里，人们可以结识志同道合的朋友，分享生活的喜怒哀乐。社区还定期举办各种亲子活动，让孩子们在快乐中成长，让家长们感受到家的温暖。 野花社区WWW三的生态环境得到了良好的保护。社区内设有绿化带、公园、湖泊等，为居民提供了一个休闲娱乐的好去处。在这里，人们可以散步、垂钓、赏花，尽情享受大自然的恩赐。社区还注重环保，倡导绿色生活，让居民们树立了环保意识。 社区内的教育设施也十分完善。这里有幼儿园、小学、中学等，为孩子们提供了优质的教育资源。学校注重培养学生的综合素质，注重学生的个性发展，让每一个孩子都能在这里找到自己的兴趣和特长。 在野花社区WWW三，居民们的生活节奏相对较慢，他们更加注重生活的品质。在这里，人们可以品尝到各种美食，感受不同的地域文化。社区内设有超市、菜市场、餐饮店等，满足了居民们的日常需求。 野花社区WWW三还注重居民的精神健康。社区设有心理咨询室，为居民提供心理咨询服务。在这里，人们可以倾诉心中的烦恼，寻求心理疏导。社区还定期举办心理健康讲座，提高居民的心理素质。 总之，野花社区WWW三是一个充满魅力的地方。在这里，人们可以远离都市的喧嚣，享受宁静的生活；可以在这里结识朋友，共同成长；可以在这里找到心灵的归宿。野花社区WWW三，成为了都市人们向往的家园。 随着社会的不断发展，野花社区WWW三将继续完善各项设施，提高居民的生活质量。我们相信，在不久的将来，野花社区WWW三将成为一个更加美好的社区，为更多的人们带来幸福和快乐。

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。