本周行业报告公开研究成果,乱码卡1卡2卡3与含羞草的奇妙邂逅

本月行业协会公布最新成果,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。家电客户维权热线，保障消费权益

内蒙古呼伦贝尔市阿荣旗、大兴安岭地区呼中区 ，重庆市长寿区、永州市蓝山县、盐城市亭湖区、南阳市镇平县、玉树玉树市、榆林市绥德县、广西钦州市钦南区、遵义市习水县、朝阳市凌源市、宝鸡市扶风县、宁夏吴忠市同心县、景德镇市乐平市、攀枝花市盐边县、南充市仪陇县、临汾市浮山县 、中山市南区街道、龙岩市武平县、内蒙古赤峰市翁牛特旗、武汉市青山区、平顶山市鲁山县、直辖县神农架林区、成都市简阳市、中山市横栏镇、广西河池市都安瑶族自治县、文山麻栗坡县、郑州市新郑市、枣庄市市中区

专家远程指导热线，多终端,本月相关部门传递重要研究成果,乱码卡1卡2卡3与含羞草的奇妙邂逅，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用教学专线，新手快速入门指导

临高县皇桐镇、定西市通渭县 ，恩施州巴东县、大理南涧彝族自治县、北京市密云区、内蒙古包头市青山区、金华市婺城区、岳阳市岳阳县、沈阳市沈北新区、内蒙古锡林郭勒盟正镶白旗、重庆市九龙坡区、阿坝藏族羌族自治州红原县、上饶市鄱阳县、绍兴市越城区、广元市昭化区、南昌市西湖区、大理宾川县 、黔南长顺县、济南市济阳区、咸宁市崇阳县、黔东南榕江县、西安市未央区、哈尔滨市延寿县、内蒙古兴安盟科尔沁右翼前旗、赣州市大余县、天津市宝坻区、辽阳市弓长岭区、盘锦市大洼区、六安市金寨县、周口市沈丘县、内蒙古呼和浩特市和林格尔县

全球服务区域: 铁岭市开原市、澄迈县永发镇 、普洱市景谷傣族彝族自治县、西宁市湟源县、恩施州建始县、宁波市北仑区、运城市绛县、内蒙古乌兰察布市化德县、黄冈市英山县、泰州市高港区、岳阳市汨罗市、内蒙古锡林郭勒盟苏尼特左旗、嘉兴市桐乡市、内蒙古呼伦贝尔市陈巴尔虎旗、济宁市兖州区、清远市英德市、淮南市潘集区 、商丘市睢阳区、十堰市郧阳区、三门峡市义马市、沈阳市铁西区、内蒙古兴安盟科尔沁右翼前旗

可视化故障排除专线，实时监测数据,今日官方通报行业政策变化,乱码卡1卡2卡3与含羞草的奇妙邂逅，很高兴为您解答这个问题，让我来帮您详细说明一下：家电安装服务热线，专业团队上门

全国服务区域: 永州市双牌县、乐东黎族自治县志仲镇 、德阳市旌阳区、深圳市罗湖区、太原市晋源区、大理漾濞彝族自治县、晋中市平遥县、广西梧州市长洲区、茂名市电白区、营口市盖州市、云浮市云城区、乐山市沐川县、齐齐哈尔市依安县、苏州市姑苏区、北京市延庆区、天水市秦安县、潍坊市诸城市 、忻州市偏关县、淮安市淮阴区、安顺市平坝区、丽江市华坪县、滁州市定远县、韶关市乐昌市、南阳市镇平县、天津市西青区、成都市蒲江县、内蒙古巴彦淖尔市五原县、哈尔滨市松北区、天水市麦积区、张掖市甘州区、东莞市莞城街道、绍兴市新昌县、青岛市平度市、酒泉市肃州区、大同市灵丘县、广西柳州市三江侗族自治县、汕尾市陆丰市、昭通市绥江县、内蒙古乌兰察布市卓资县、天水市张家川回族自治县、东莞市东城街道

昨日官方渠道公开新变化:今日监管部门披露行业动向,乱码卡1卡2卡3与含羞草的奇妙邂逅

在繁华都市的某个角落，有一家名为“乱码卡”的神秘小店。这家小店虽不起眼，却因其独特的商品而闻名遐迩。这里出售的卡片，不仅图案精美，更蕴含着神秘的力量。其中，最为人们津津乐道的，便是“卡1”、“卡2”、“卡3”这三张神奇的卡片，以及与之相伴的含羞草。 卡1、卡2、卡3，这三张卡片如同三颗璀璨的明珠，散发出诱人的光芒。它们分别代表着智慧、勇气和爱情，是许多人梦寐以求的宝物。而含羞草，则是一种充满灵性的植物，它能在人们最需要的时候，悄然绽放，带来无尽的惊喜。 一天，一位名叫小明的年轻人走进了这家小店。他听说这三张卡片能帮助人们实现愿望，便决定试试运气。在挑选卡片的过程中，小明被含羞草的美丽所吸引。他轻轻触摸着含羞草的叶子，发现它们竟然会随着自己的心跳而轻轻颤动，仿佛在诉说着一个神秘的故事。 小明最终选择了卡1，并小心翼翼地将它带回家。他按照店主的指引，将卡片放在床头，每天对着它许愿。不久，小明发现自己在学习上有了很大的进步，他开始对未知的事物充满好奇，对生活充满了热情。 与此同时，卡2和卡3的神秘力量也开始显现。卡2的主人小芳，原本胆小怕事，自从拥有了这张卡片，她变得勇敢起来，敢于面对生活中的种种挑战。而卡3的主人小李，则因这张卡片而找到了真爱，他的爱情之路从此变得平坦。 这三张卡片如同三位守护神，默默地守护着拥有它们的人们。然而，在这三张卡片的光环背后，却隐藏着一个不为人知的秘密。 原来，这三张卡片并非凡物，它们是来自远古时代的神器。在很久以前，这三张卡片曾属于一位强大的魔法师。他为了保护人类免受邪恶势力的侵害，将这三张卡片分别封印在含羞草中。而含羞草，则是这三张卡片的守护者，它会在关键时刻，将卡片的力量释放出来。 得知这个秘密后，小明、小芳和小李都深感震撼。他们意识到，自己不仅拥有了神奇的力量，还肩负着守护世界的重任。于是，他们决定将这三张卡片传承下去，让更多的人受益。 从此，乱码卡小店的名声越来越大，越来越多的人慕名而来。而含羞草，也成为了这片土地上的一道独特风景线。它静静地守护着这三张卡片，见证着无数人实现愿望的喜悦。 在这个充满奇迹的世界里，乱码卡1、卡2、卡3与含羞草的邂逅，成为了永恒的传说。它们告诉我们，只要心怀信念，勇敢地去追求梦想，就一定能够创造属于自己的奇迹。

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。