今日官方发布新研究成果,爸爸的小扫货：水能有多少？

本月监管部门发布行业新报告,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。零部件供应中心，全品类配件库存

嘉兴市海盐县、洛阳市伊川县 ，万宁市南桥镇、新乡市原阳县、黔西南晴隆县、锦州市黑山县、阜新市阜新蒙古族自治县、广西桂林市叠彩区、鄂州市梁子湖区、吉安市新干县、内蒙古乌海市海南区、中山市神湾镇、中山市南头镇、沈阳市铁西区、清远市清新区、大庆市肇州县、广西来宾市忻城县 、楚雄禄丰市、上海市闵行区、东莞市桥头镇、亳州市谯城区、万宁市南桥镇、内蒙古呼和浩特市玉泉区、襄阳市宜城市、重庆市渝北区、吉安市新干县、黄石市铁山区、常德市石门县、广西柳州市柳南区

本周数据平台今日数据平台透露最新消息,本周行业报告披露行业新动态,爸爸的小扫货：水能有多少？，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，统一维修服务标准

咸阳市三原县、黄石市铁山区 ，阜新市新邱区、牡丹江市绥芬河市、红河河口瑶族自治县、广西防城港市防城区、合肥市长丰县、济宁市微山县、铜仁市印江县、宿州市埇桥区、南充市营山县、吉林市龙潭区、佛山市高明区、襄阳市保康县、楚雄南华县、黔东南凯里市、毕节市金沙县 、宁夏固原市西吉县、红河开远市、开封市顺河回族区、双鸭山市友谊县、上海市静安区、河源市龙川县、内蒙古呼伦贝尔市阿荣旗、苏州市相城区、营口市老边区、镇江市扬中市、池州市青阳县、开封市尉氏县、上海市黄浦区、湛江市徐闻县

全球服务区域: 昌江黎族自治县王下乡、常州市新北区 、黔东南黎平县、太原市阳曲县、海西蒙古族都兰县、大兴安岭地区塔河县、大同市平城区、常州市新北区、内蒙古呼和浩特市玉泉区、扬州市邗江区、临汾市洪洞县、大庆市龙凤区、文昌市文教镇、南平市武夷山市、恩施州宣恩县、重庆市黔江区、昌江黎族自治县石碌镇 、巴中市通江县、吕梁市兴县、怒江傈僳族自治州福贡县、宜春市铜鼓县、红河蒙自市

本周数据平台今日官方渠道公布最新动态,近日行业报告发布最新研究成果,爸爸的小扫货：水能有多少？，很高兴为您解答这个问题，让我来帮您详细说明一下：家电调试服务热线，确保最佳使用状态

全国服务区域: 襄阳市枣阳市、澄迈县老城镇 、菏泽市鄄城县、重庆市九龙坡区、上海市金山区、昭通市威信县、苏州市相城区、株洲市炎陵县、周口市西华县、宁夏吴忠市青铜峡市、九江市瑞昌市、上饶市广信区、丽江市古城区、广安市邻水县、烟台市芝罘区、沈阳市皇姑区、万宁市山根镇 、抚顺市顺城区、长治市沁县、玉溪市江川区、海口市秀英区、榆林市府谷县、重庆市云阳县、西宁市城西区、绥化市安达市、焦作市中站区、许昌市襄城县、黄冈市团风县、安阳市林州市、金华市武义县、舟山市嵊泗县、深圳市福田区、娄底市冷水江市、内蒙古呼伦贝尔市陈巴尔虎旗、安庆市宜秀区、嘉兴市秀洲区、宜宾市南溪区、甘孜泸定县、长治市沁县、漳州市漳浦县、北京市平谷区

可视化故障排除专线，实时监测数据:今日官方发布政策通报,爸爸的小扫货：水能有多少？

在我国广袤的土地上，流传着许多关于家庭趣事的故事。今天，我要向大家讲述一个关于我爸爸的小扫货经历，以及他在购物过程中对“水”的无限追求。 爸爸是个地道的北方人，性格豪爽，喜欢热闹。每当周末来临，他总会带着我们全家人去商场购物。这次，他决定带我们全家去逛一逛我们当地的超市，看看有什么新奇的东西。 一进入超市，爸爸的眼睛就亮了。他拉着我们的手，兴高采烈地穿梭在各个货架之间。这时，他的目光被一个角落的水产品区吸引了。 “看，这里有好多新鲜的水产品！”爸爸兴奋地说。他拿起一盒新鲜的鱼，又拿起一袋活虾，还挑选了几种海鲜。然而，他的目光最终停留在了那些琳琅满目的矿泉水上。 爸爸走到矿泉水货架前，仔细地观察着每一款水。他拿起一瓶，看看瓶身的设计，再拿起另一瓶，研究一下水的品牌。突然，他发现了一款包装独特、水源地神秘的矿泉水。 “孩子们，你们看，这款水怎么样？”爸爸兴奋地问我。 “爸爸，这款水看起来挺不错的，但价格好像有点贵。”我回答道。 “贵？没关系，只要好喝，贵点也无所谓！”爸爸毫不犹豫地拿起这款矿泉水，放入购物篮。 正当我们继续购物时，爸爸的目光再次被一款进口水吸引了。他拿起一瓶，仔细观察后，又放入购物篮。 “这款水也是进口的，口感应该不错。”爸爸说道。 就这样，爸爸在矿泉水货架前停留了很长时间。他不断地挑选、比较，最后将几款他认为口感好、水源地好的矿泉水全部买下。 “爸爸，你买这么多水，我们怎么喝得完？”我忍不住问。 “放心吧，这些水可以慢慢喝。而且，喝好水对身体好。”爸爸信心满满地回答。 回到家后，我们一家人围坐在餐桌前，品尝着爸爸挑选的各种矿泉水。每一款水都有它独特的口感，让我们陶醉其中。 这次购物经历让我深刻地体会到了爸爸对“水”的无限追求。他不仅关注水的口感，更关注水源地、品牌等因素。这也让我明白了，在生活中，我们不仅要追求物质生活的丰富，更要关注健康、品质。 从那以后，我也开始关注生活中的点点滴滴。每当购物时，我都会像爸爸一样，挑选那些质量好、口感佳的产品。我相信，在爸爸的熏陶下，我会成为一个更加注重生活品质的人。 这就是我爸爸的小扫货故事，一个关于他对“水”的无限追求的故事。在这个故事中，我们感受到了家庭的温暖，也体会到了生活的美好。愿我们的生活如这瓶瓶好水，充满甘甜与幸福。

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。