本月相关部门发布重要报告,探索AKT大佬资源：揭秘科技领域的高端信息库

今日行业报告更新行业动态,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。专业家电维修客服，一对一解决问题

长治市平顺县、广西贺州市富川瑶族自治县 ，永州市新田县、六安市裕安区、南昌市西湖区、六安市霍山县、武威市凉州区、广西柳州市鱼峰区、广元市旺苍县、恩施州恩施市、德宏傣族景颇族自治州盈江县、朔州市怀仁市、内蒙古鄂尔多斯市杭锦旗、朝阳市龙城区、济宁市汶上县、赣州市宁都县、恩施州恩施市 、安庆市迎江区、四平市铁西区、淮南市潘集区、梅州市蕉岭县、南阳市宛城区、辽阳市弓长岭区、朔州市山阴县、济南市平阴县、阿坝藏族羌族自治州松潘县、吉安市吉州区、甘南碌曲县、龙岩市武平县

可视化故障排除专线,今日官方通报行业新动态,探索AKT大佬资源：揭秘科技领域的高端信息库，很高兴为您解答这个问题，让我来帮您详细说明一下：家电移机服务热线，专业拆卸安装

大庆市肇州县、安阳市汤阴县 ，兰州市安宁区、韶关市仁化县、漳州市云霄县、内蒙古乌兰察布市丰镇市、东莞市石排镇、临沂市兰山区、运城市闻喜县、通化市通化县、铁岭市开原市、文昌市文城镇、大连市庄河市、安康市、马鞍山市和县、韶关市始兴县、临汾市大宁县 、温州市龙港市、广西桂林市临桂区、商丘市宁陵县、河源市东源县、定安县龙湖镇、武汉市新洲区、太原市古交市、内蒙古赤峰市喀喇沁旗、郑州市上街区、周口市沈丘县、贵阳市开阳县、天津市北辰区、西安市雁塔区、三门峡市灵宝市

全球服务区域: 白城市镇赉县、绵阳市梓潼县 、梅州市蕉岭县、大连市西岗区、大兴安岭地区呼玛县、淄博市淄川区、哈尔滨市通河县、黔东南岑巩县、汕头市潮阳区、北京市朝阳区、晋城市沁水县、内蒙古鄂尔多斯市伊金霍洛旗、重庆市九龙坡区、广西崇左市天等县、汉中市略阳县、郑州市新密市、漳州市龙文区 、万宁市和乐镇、凉山普格县、驻马店市驿城区、遵义市余庆县、吉安市新干县

本周数据平台稍早前行业报告,近日监管部门发布重要通报,探索AKT大佬资源：揭秘科技领域的高端信息库，很高兴为您解答这个问题，让我来帮您详细说明一下：家电售后专线，专业团队高效处理

全国服务区域: 惠州市惠城区、广安市岳池县 、资阳市乐至县、哈尔滨市五常市、兰州市永登县、酒泉市玉门市、永州市零陵区、澄迈县瑞溪镇、东莞市高埗镇、鸡西市鸡冠区、三明市沙县区、澄迈县中兴镇、上海市松江区、内蒙古乌海市海勃湾区、定安县富文镇、南京市溧水区、天津市宝坻区 、吉安市安福县、昌江黎族自治县石碌镇、衢州市柯城区、东莞市厚街镇、龙岩市永定区、北京市房山区、泸州市泸县、临汾市襄汾县、成都市蒲江县、遵义市凤冈县、平顶山市郏县、菏泽市郓城县、内蒙古锡林郭勒盟锡林浩特市、淄博市淄川区、定安县新竹镇、重庆市长寿区、西安市碑林区、九江市庐山市、西双版纳勐海县、宜宾市南溪区、东营市利津县、东莞市望牛墩镇、玉树称多县、西双版纳景洪市

可视化故障排除专线:今日行业报告披露行业进展,探索AKT大佬资源：揭秘科技领域的高端信息库

在科技飞速发展的今天，信息资源成为了推动创新和进步的重要力量。而AKT大佬资源，作为科技领域的高端信息库，已经成为众多科技爱好者和专业人士关注的焦点。本文将带您深入了解AKT大佬资源，揭示其背后的价值与魅力。 一、AKT大佬资源的概念 AKT大佬资源，顾名思义，是指由一批在科技领域具有丰富经验和深厚背景的“大佬”们所提供的信息资源。这些大佬们来自不同的行业和领域，包括互联网、人工智能、大数据、云计算等，他们通过分享自己的见解、经验和资源，为科技爱好者提供了一座知识宝库。 二、AKT大佬资源的特点 1. 高端性：AKT大佬资源汇聚了众多行业精英，其提供的信息具有很高的权威性和可靠性。 2. 全面性：AKT大佬资源涵盖了科技领域的各个方面，从前沿技术到行业动态，都能在这里找到相关信息。 3. 实用性：AKT大佬资源不仅提供理论知识，还注重实践应用，帮助读者将所学知识转化为实际生产力。 4. 互动性：AKT大佬资源鼓励读者参与讨论，分享自己的观点和经验，形成良好的互动氛围。 三、AKT大佬资源的价值 1. 拓宽视野：通过AKT大佬资源，读者可以了解到科技领域的最新动态，拓宽自己的视野。 2. 提升能力：AKT大佬资源中的丰富知识可以帮助读者提升自己的专业能力，为职业发展奠定基础。 3. 交流合作：AKT大佬资源为读者提供了一个交流合作的平台，有助于拓展人脉，实现资源共享。 4. 创新灵感：AKT大佬资源中的独特见解和经验可以为读者提供创新灵感，助力科技创新。 四、如何获取AKT大佬资源 1. 关注AKT大佬资源官方平台，如微信公众号、微博等，获取最新资讯。 2. 参加AKT大佬资源举办的线上线下活动，与行业精英面对面交流。 3. 加入AKT大佬资源社群，与其他读者共同探讨、分享。 4. 阅读AKT大佬资源发布的文章、报告等，深入了解行业动态。 总之，AKT大佬资源作为科技领域的高端信息库，具有极高的价值。在信息爆炸的时代，掌握AKT大佬资源，无疑将为您的科技之路提供有力支持。让我们一起探索这座知识宝库，共同成长，共创辉煌！

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。