本月行业协会传递新研究成果,美女直播视频在哔哩哔哩的崛起：网络直播新风尚

昨日研究机构公开研究成果,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。专业售后服务中心，技术团队随时支援

大理漾濞彝族自治县、南阳市桐柏县 ，大庆市萨尔图区、沈阳市苏家屯区、巴中市南江县、苏州市常熟市、济南市章丘区、丹东市元宝区、济宁市金乡县、凉山会东县、临沂市兰陵县、大兴安岭地区呼玛县、吉安市吉安县、合肥市庐江县、营口市西市区、成都市蒲江县、常德市临澧县 、扬州市仪征市、泸州市纳溪区、阜阳市颍州区、广西柳州市鱼峰区、松原市宁江区、襄阳市樊城区、内蒙古锡林郭勒盟阿巴嘎旗、临汾市永和县、雅安市名山区、宜昌市远安县、鹤岗市萝北县、重庆市巫山县

全天候服务支持热线,今日行业报告公布最新研究成果,美女直播视频在哔哩哔哩的崛起：网络直播新风尚，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

东莞市谢岗镇、太原市娄烦县 ，南阳市桐柏县、琼海市塔洋镇、鞍山市铁西区、遂宁市蓬溪县、随州市广水市、七台河市桃山区、楚雄姚安县、临汾市曲沃县、宝鸡市金台区、琼海市龙江镇、安庆市大观区、巴中市南江县、中山市南朗镇、重庆市城口县、嘉峪关市新城镇 、杭州市富阳区、长春市二道区、宁波市镇海区、滁州市凤阳县、广西防城港市上思县、宁夏银川市金凤区、驻马店市新蔡县、长治市屯留区、鸡西市城子河区、佳木斯市富锦市、广西南宁市邕宁区、海北门源回族自治县、齐齐哈尔市克东县、商洛市柞水县

全球服务区域: 迪庆香格里拉市、张掖市甘州区 、内蒙古阿拉善盟阿拉善左旗、乐山市沙湾区、烟台市蓬莱区、嘉兴市嘉善县、成都市成华区、肇庆市高要区、凉山昭觉县、酒泉市肃州区、萍乡市安源区、白银市平川区、广西防城港市上思县、株洲市茶陵县、景德镇市昌江区、大理洱源县、永州市宁远县 、济宁市金乡县、安阳市安阳县、宜昌市当阳市、焦作市中站区、赣州市定南县

近日检测中心传出核心指标,今日行业协会传递重大报告,美女直播视频在哔哩哔哩的崛起：网络直播新风尚，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

全国服务区域: 安康市白河县、临沧市镇康县 、内江市威远县、张家界市慈利县、莆田市涵江区、济南市章丘区、黑河市爱辉区、安阳市林州市、赣州市定南县、屯昌县屯城镇、咸阳市渭城区、吕梁市中阳县、甘孜德格县、延安市富县、金华市东阳市、黄南同仁市、广西崇左市大新县 、岳阳市岳阳楼区、安庆市怀宁县、淮安市淮阴区、周口市项城市、马鞍山市含山县、东营市利津县、北京市朝阳区、广州市增城区、临高县调楼镇、郑州市中牟县、万宁市龙滚镇、茂名市化州市、自贡市荣县、河源市龙川县、广西北海市合浦县、连云港市赣榆区、郑州市新郑市、阜阳市颍泉区、临高县皇桐镇、绵阳市安州区、广西柳州市融水苗族自治县、枣庄市滕州市、宜昌市秭归县、邵阳市新宁县

本周数据平台今日数据平台透露最新消息:昨日官方渠道传递新研究成果,美女直播视频在哔哩哔哩的崛起：网络直播新风尚

随着互联网技术的飞速发展，网络直播逐渐成为人们生活中不可或缺的一部分。在众多直播平台中，哔哩哔哩（Bilibili，简称B站）以其独特的社区氛围和多元化的内容吸引了大量用户。近年来，美女直播视频在哔哩哔哩平台上异军突起，成为网络直播新风尚。 一、美女直播视频在哔哩哔哩的兴起 1. 平台优势 哔哩哔哩作为国内知名的二次元文化社区，拥有庞大的年轻用户群体。平台鼓励用户创作和分享，为各类直播内容提供了丰富的展示空间。美女直播视频在哔哩哔哩的兴起，得益于以下几个因素： （1）平台鼓励多元化内容：哔哩哔哩不仅关注二次元文化，还涵盖了生活、娱乐、科技等多个领域。这使得美女直播视频在平台上有了更广阔的发展空间。 （2）良好的社区氛围：哔哩哔哩的弹幕文化为用户提供了互动交流的平台，使得美女直播视频在直播过程中更具趣味性和互动性。 （3）优质的内容创作者：哔哩哔哩聚集了大量才华横溢的创作者，他们为美女直播视频提供了丰富的内容，吸引了大量观众。 2. 内容创新 美女直播视频在哔哩哔哩的兴起，离不开内容创新。以下是一些创新方向： （1）题材多样化：从日常生活分享到才艺展示，从游戏直播到时尚穿搭，美女直播视频在哔哩哔哩平台上呈现出多元化的题材。 （2）互动性强：美女主播与观众互动，解答问题、分享心得，使直播过程更具趣味性和参与感。 （3）创新形式：部分美女主播尝试将直播与短视频、漫画等元素相结合，为观众带来全新的观看体验。 二、美女直播视频在哔哩哔哩的影响 1. 提升平台知名度 美女直播视频在哔哩哔哩的兴起，使得平台在年轻人中的知名度不断提升。越来越多的用户通过美女直播视频了解到哔哩哔哩，进而成为平台的忠实用户。 2. 促进内容创作 美女直播视频的兴起，激发了更多用户参与内容创作。许多年轻人开始尝试成为美女主播，分享自己的才艺和生活。 3. 带动产业链发展 美女直播视频的兴起，带动了相关产业链的发展。从主播培训、化妆造型到直播设备，产业链上下游企业纷纷受益。 总之，美女直播视频在哔哩哔哩的崛起，标志着网络直播新风尚的到来。在未来的发展中，我们期待看到更多优质的美女直播视频在哔哩哔哩平台上绽放光彩。

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。