本周行业协会发布新报告,朋友老婆一个人在家，我方便去吗？——关于友情与家庭关系的考量

本月官方披露重大研究成果,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。维修服务呼叫中心，智能工单自动分配

琼海市万泉镇、南充市蓬安县 ，吉林市蛟河市、梅州市五华县、东莞市桥头镇、聊城市临清市、合肥市肥东县、辽源市龙山区、重庆市巴南区、沈阳市大东区、天津市河北区、大同市天镇县、酒泉市敦煌市、泉州市金门县、内蒙古锡林郭勒盟镶黄旗、阜阳市太和县、重庆市江北区 、澄迈县文儒镇、云浮市云城区、昆明市石林彝族自治县、中山市南头镇、乐东黎族自治县志仲镇、文昌市会文镇、阜新市清河门区、甘孜丹巴县、菏泽市鄄城县、宜宾市南溪区、烟台市牟平区、苏州市吴中区

近日监测中心公开最新参数,昨日官方渠道发布新进展,朋友老婆一个人在家，我方便去吗？——关于友情与家庭关系的考量，很高兴为您解答这个问题，让我来帮您详细说明一下：家电24小时服务热线，紧急故障优先处理

宁波市海曙区、哈尔滨市延寿县 ，张掖市山丹县、吕梁市交城县、三亚市天涯区、海南贵南县、南通市如东县、朝阳市双塔区、黔西南兴仁市、咸阳市兴平市、湘西州永顺县、怀化市沅陵县、广西河池市凤山县、普洱市宁洱哈尼族彝族自治县、双鸭山市集贤县、海口市琼山区、忻州市宁武县 、齐齐哈尔市克东县、南充市高坪区、广西崇左市龙州县、普洱市景东彝族自治县、东莞市塘厦镇、绵阳市平武县、景德镇市浮梁县、肇庆市端州区、杭州市西湖区、昆明市宜良县、曲靖市师宗县、长沙市岳麓区、琼海市嘉积镇、资阳市乐至县

全球服务区域: 漳州市龙海区、汕尾市陆丰市 、甘孜雅江县、商洛市丹凤县、九江市都昌县、广西北海市铁山港区、丹东市宽甸满族自治县、张掖市临泽县、内蒙古乌兰察布市卓资县、广西防城港市东兴市、内蒙古阿拉善盟阿拉善左旗、合肥市庐阳区、梅州市蕉岭县、怀化市会同县、黄冈市武穴市、昆明市官渡区、儋州市兰洋镇 、自贡市大安区、东莞市大朗镇、延边珲春市、衡阳市衡东县、张掖市甘州区

本周数据平台今日官方渠道披露重磅消息,今日官方发布行业研究成果,朋友老婆一个人在家，我方便去吗？——关于友情与家庭关系的考量，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一服务专线，标准化维修流程

全国服务区域: 东莞市清溪镇、海北刚察县 、本溪市明山区、三明市三元区、潍坊市坊子区、吉安市万安县、三门峡市灵宝市、凉山美姑县、德宏傣族景颇族自治州盈江县、赣州市定南县、苏州市昆山市、咸宁市通山县、营口市鲅鱼圈区、西双版纳勐腊县、池州市青阳县、周口市沈丘县、晋城市陵川县 、陵水黎族自治县本号镇、阳江市阳西县、张掖市民乐县、内江市隆昌市、三明市清流县、韶关市乐昌市、长治市平顺县、长治市沁县、佛山市禅城区、铜仁市万山区、长春市榆树市、东莞市高埗镇、湘西州凤凰县、长治市黎城县、濮阳市台前县、达州市通川区、雅安市宝兴县、阜阳市颍东区、金昌市金川区、岳阳市岳阳楼区、万宁市后安镇、咸阳市旬邑县、陵水黎族自治县文罗镇、宝鸡市扶风县

近日监测部门传出异常警报:昨日官方发布最新研究成果,朋友老婆一个人在家，我方便去吗？——关于友情与家庭关系的考量

在人际交往中，我们总会遇到各种各样的情况，需要我们权衡利弊，做出合适的决定。今天，我们就来探讨一下这样一个问题：朋友老婆一个人在家，我方便去吗？这个问题看似简单，实则涉及到友情与家庭关系的多重考量。 首先，我们要明确的是，朋友老婆一个人在家，这个情况本身并不具备决定性。是否方便去，取决于多个方面的因素。 一、友情的重要性 友情是一种珍贵的情感，它能够给我们带来快乐、支持和力量。在这个问题上，我们要考虑的是，这次拜访是否能够加深我们与朋友的友情。如果这次拜访能够增进彼此的了解，加深感情，那么我们可以考虑去。 二、家庭关系的尊重 家庭是每个人最基本的社会单位，家庭关系也是我们需要尊重和重视的。在这个问题上，我们要考虑的是，这次拜访是否会对朋友的妻子造成困扰或不适。如果这次拜访可能会让她感到尴尬或不舒服，那么我们应该尊重她的感受，避免前往。 三、时间与地点的考量 在考虑是否方便去之前，我们还需要考虑时间与地点。如果时间紧迫，或者地点较为偏远，那么前往可能会给朋友和家人带来不便。在这种情况下，我们应该尽量减少给他们的麻烦，避免前往。 四、自身情况的考量 我们还要考虑自身的情况。如果我们在工作或生活中已经非常忙碌，那么前往朋友家可能会加重我们的负担。在这种情况下，我们应该量力而行，避免给自己和家人带来额外的压力。 五、朋友的意愿 最后，我们要考虑朋友的意愿。如果朋友明确表示不希望我们去，那么我们应该尊重他的意愿，避免前往。 综上所述，在朋友老婆一个人在家的情况下，我们是否方便去，需要综合考虑以上几个因素。以下是一些具体建议： 1. 与朋友沟通：在决定是否前往之前，我们可以先与朋友沟通，了解他的想法和需求。 2. 尊重家庭关系：在拜访过程中，我们要尊重朋友的妻子，避免让她感到尴尬或不舒服。 3. 量力而行：在考虑自身情况的基础上，尽量减少给朋友和家人带来的麻烦。 4. 尊重朋友的意愿：如果朋友明确表示不希望我们去，我们应该尊重他的意愿，避免前往。 总之，在处理这个问题时，我们要学会权衡利弊，尊重友情与家庭关系，做出明智的选择。只有这样，我们才能在人际交往中游刃有余，赢得他人的尊重和信任。

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。