昨日行业报告传递新成果,国内精品久久久久久久999下：探寻中国文化的深度与广度

本月行业报告公开最新动态,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。售后服务中心联系方式，全渠道便捷沟通

营口市鲅鱼圈区、咸阳市兴平市 ，黔西南兴义市、昭通市鲁甸县、广州市从化区、开封市祥符区、聊城市临清市、永州市新田县、广西梧州市岑溪市、内蒙古巴彦淖尔市杭锦后旗、三亚市海棠区、达州市通川区、临沧市耿马傣族佤族自治县、宁夏吴忠市青铜峡市、广西桂林市秀峰区、许昌市鄢陵县、铜川市耀州区 、淮北市烈山区、四平市伊通满族自治县、湛江市遂溪县、宁夏固原市西吉县、武汉市汉阳区、成都市青羊区、漳州市龙文区、昆明市安宁市、重庆市大足区、伊春市汤旺县、宿迁市泗洪县、德州市禹城市

本周数据平台最新相关部门透露权威通报,本月行业报告公开新政策,国内精品久久久久久久999下：探寻中国文化的深度与广度，很高兴为您解答这个问题，让我来帮您详细说明一下：自动化服务跟踪，智能优化用户体验

宝鸡市渭滨区、嘉峪关市文殊镇 ，忻州市定襄县、贵阳市息烽县、咸阳市乾县、楚雄武定县、岳阳市平江县、湘潭市雨湖区、昌江黎族自治县七叉镇、信阳市罗山县、玉溪市红塔区、株洲市茶陵县、鄂州市梁子湖区、恩施州巴东县、东莞市黄江镇、阜阳市太和县、永州市江华瑶族自治县 、清远市清城区、珠海市香洲区、凉山布拖县、宁德市周宁县、甘孜色达县、湘西州泸溪县、丽水市青田县、宿迁市宿豫区、莆田市涵江区、宝鸡市金台区、淮安市洪泽区、昌江黎族自治县海尾镇、信阳市光山县、万宁市大茂镇

全球服务区域: 天水市清水县、邵阳市隆回县 、忻州市河曲县、四平市公主岭市、九江市共青城市、海南贵南县、茂名市茂南区、黔西南册亨县、南充市西充县、武汉市汉阳区、赣州市瑞金市、永州市冷水滩区、牡丹江市西安区、烟台市招远市、乐东黎族自治县千家镇、岳阳市岳阳楼区、安康市镇坪县 、定西市漳县、兰州市安宁区、青岛市即墨区、宝鸡市眉县、黄冈市团风县

24小时维修咨询热线，智能语音导航,本月官方披露行业研究成果,国内精品久久久久久久999下：探寻中国文化的深度与广度，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修团队，客服热线一键联系

全国服务区域: 铁岭市清河区、沈阳市辽中区 、武汉市洪山区、潍坊市寿光市、重庆市江北区、岳阳市云溪区、清远市连南瑶族自治县、吉林市磐石市、曲靖市富源县、三沙市南沙区、宜昌市秭归县、直辖县天门市、盐城市大丰区、郑州市新密市、淮安市淮安区、宜昌市五峰土家族自治县、鞍山市铁东区 、重庆市巫山县、内蒙古锡林郭勒盟阿巴嘎旗、商丘市睢阳区、临汾市曲沃县、广西梧州市龙圩区、红河蒙自市、湛江市廉江市、大庆市让胡路区、广西梧州市龙圩区、黄冈市黄州区、福州市鼓楼区、甘孜色达县、上海市普陀区、常州市金坛区、重庆市丰都县、大连市甘井子区、内江市资中县、三明市大田县、陇南市康县、马鞍山市含山县、大庆市肇源县、黄石市大冶市、株洲市炎陵县、宣城市宣州区

近日监测中心公开最新参数:今日行业报告更新行业新动态,国内精品久久久久久久999下：探寻中国文化的深度与广度

在中国这片古老而神秘的土地上，历史与文化的积淀如同悠悠岁月的长河，源远流长。在这片广袤的土地上，无数的文化瑰宝如同璀璨的星辰，照亮了中华民族的文明历程。今天，让我们一同走进国内精品的世界，探寻那些久久久久久久999下的文化宝藏。 首先，我们要提到的便是中国的传统艺术。在漫长的历史长河中，我国人民创造了丰富多彩的艺术形式，如书法、绘画、戏曲、陶瓷等。这些艺术形式不仅体现了中华民族的审美情趣，更是中华民族智慧的结晶。 书法，作为中国传统文化的重要组成部分，有着悠久的历史。从甲骨文、金文到楷书、行书、草书，每一种书体都蕴含着深厚的文化底蕴。而那些流传千古的书法佳作，如王羲之的《兰亭序》、颜真卿的《祭侄文稿》等，更是成为了中华民族的文化瑰宝。 绘画艺术同样在我国有着悠久的历史。从山水画、花鸟画到人物画，每一幅画作都展现出了大自然的神奇魅力和人文精神。如张大千的山水画、徐悲鸿的人物画等，都是中国绘画艺术的瑰宝。 戏曲艺术作为我国传统文化的重要组成部分，更是深受广大人民群众的喜爱。京剧、越剧、黄梅戏等地方戏曲，各具特色，各领风骚。这些戏曲作品不仅传承了中华民族的优秀文化，更是成为了世界艺术宝库中的瑰宝。 除了传统艺术，我国还有许多其他的文化瑰宝。如陶瓷艺术，从商周时期的青铜器、战国时期的漆器，到唐代的青花瓷、宋代的五大名窑，每一件陶瓷作品都凝聚着中华民族的智慧与创造力。 此外，还有我国的民间艺术，如剪纸、刺绣、泥塑等。这些民间艺术作品不仅具有极高的审美价值，更是中华民族传统文化的生动体现。 当然，我们也不能忽视我国现代文化的发展。在新时代的背景下，我国文化事业取得了举世瞩目的成就。从电影、电视剧到网络文学，从音乐、舞蹈到体育竞技，我国文化产品不断丰富，为世界所瞩目。 总之，国内精品久久久久久久999下，是我国文化的瑰宝。这些文化瑰宝不仅代表着中华民族的智慧与创造力，更是我们民族精神的象征。让我们共同传承和弘扬这些文化瑰宝，让它们在新时代焕发出更加耀眼的光芒。

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。