本月行业报告传递研究成果,国产伦亲子伦亲子视频：传承中华文化，共筑亲子时光

本月行业报告公开最新动态,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。智能投诉管理系统，自动分类处理

黔东南天柱县、大理剑川县 ，红河弥勒市、菏泽市郓城县、直辖县神农架林区、泸州市泸县、南充市营山县、周口市商水县、绍兴市柯桥区、广元市利州区、楚雄永仁县、东莞市道滘镇、宁夏银川市西夏区、马鞍山市和县、铜川市王益区、甘孜康定市、渭南市潼关县 、娄底市娄星区、洛阳市宜阳县、龙岩市长汀县、青岛市胶州市、双鸭山市岭东区、阳泉市城区、抚州市宜黄县、盐城市东台市、红河元阳县、清远市连南瑶族自治县、中山市南头镇、福州市马尾区

本周数据平台今日官方渠道披露重磅消息,本月官方渠道传递新进展,国产伦亲子伦亲子视频：传承中华文化，共筑亲子时光，很高兴为您解答这个问题，让我来帮您详细说明一下：智能派单服务中心，精准匹配维修师傅

黄南同仁市、广西柳州市鹿寨县 ，平凉市灵台县、广西钦州市钦南区、广西梧州市长洲区、济南市长清区、吉林市桦甸市、昭通市永善县、伊春市金林区、广西梧州市苍梧县、乐东黎族自治县万冲镇、五指山市南圣、咸宁市咸安区、怀化市芷江侗族自治县、甘孜九龙县、漳州市龙文区、淮安市洪泽区 、衢州市开化县、资阳市乐至县、镇江市丹阳市、东莞市麻涌镇、厦门市集美区、嘉峪关市峪泉镇、太原市古交市、上饶市婺源县、黑河市逊克县、沈阳市浑南区、昭通市鲁甸县、驻马店市汝南县、沈阳市大东区、德阳市广汉市

全球服务区域: 济南市市中区、广西钦州市钦南区 、佳木斯市桦川县、渭南市华阴市、锦州市古塔区、鸡西市滴道区、哈尔滨市宾县、大同市云冈区、临高县调楼镇、临高县南宝镇、内蒙古鄂尔多斯市鄂托克旗、哈尔滨市南岗区、达州市万源市、六安市霍山县、新乡市原阳县、金华市兰溪市、荆州市监利市 、广西来宾市象州县、泉州市鲤城区、屯昌县枫木镇、徐州市睢宁县、张家界市慈利县

本周数据平台本月官方渠道公布权威通报,本周行业报告发布新动态,国产伦亲子伦亲子视频：传承中华文化，共筑亲子时光，很高兴为您解答这个问题，让我来帮您详细说明一下：家电回收进度查询，实时跟踪处理状态

全国服务区域: 曲靖市富源县、永州市零陵区 、甘南卓尼县、中山市阜沙镇、萍乡市芦溪县、大理剑川县、中山市东凤镇、丹东市宽甸满族自治县、洛阳市老城区、濮阳市南乐县、儋州市新州镇、葫芦岛市连山区、泸州市古蔺县、太原市晋源区、晋中市榆社县、驻马店市泌阳县、绥化市安达市 、荆门市沙洋县、万宁市礼纪镇、大连市金州区、宜昌市枝江市、遵义市湄潭县、黄山市黟县、阿坝藏族羌族自治州理县、北京市丰台区、曲靖市罗平县、焦作市解放区、怀化市溆浦县、邵阳市大祥区、广西桂林市灵川县、蚌埠市禹会区、玉溪市红塔区、阿坝藏族羌族自治州理县、儋州市南丰镇、成都市蒲江县、内蒙古阿拉善盟阿拉善右旗、阜新市海州区、昆明市宜良县、双鸭山市饶河县、焦作市武陟县、韶关市始兴县

近日监测小组公开最新参数:今日行业报告传递重要政策变化,国产伦亲子伦亲子视频：传承中华文化，共筑亲子时光

随着科技的发展，网络资源的丰富，亲子视频成为了许多家庭生活中不可或缺的一部分。在我国，越来越多的家庭开始关注国产伦亲子伦亲子视频，这些视频不仅能够丰富孩子们的课余生活，还能增进亲子关系，共同传承中华文化。 伦亲子伦亲子视频，顾名思义，就是以亲子关系为主题的视频内容。这些视频以生动有趣的方式，向孩子们传授中华优秀传统文化，让孩子们在轻松愉快的氛围中学习知识，增长见识。与此同时，家长们在陪伴孩子观看视频的过程中，也能增进彼此的了解，共同成长。 首先，国产伦亲子伦亲子视频在内容上具有丰富的文化内涵。这些视频以中国传统文化为背景，涵盖了诗词、成语、历史故事、民间传说等多个方面。例如，通过观看《三字经》的视频，孩子们可以了解到中华民族的智慧结晶；通过观看《成语故事》的视频，孩子们可以学习到成语的来源和含义。这些内容既具有教育意义，又能够激发孩子们对中华文化的热爱。 其次，国产伦亲子伦亲子视频在形式上生动活泼，富有创意。这些视频采用了动画、真人表演、情景模拟等多种表现手法，让孩子们在观看过程中充分感受到乐趣。例如，一些视频通过动画形式，将历史故事中的角色和情节生动地呈现在孩子们面前，让他们在轻松愉快的氛围中了解历史；还有一些视频以情景模拟的方式，让孩子们在模仿和游戏中学习知识，提高他们的动手能力和思维能力。 此外，国产伦亲子伦亲子视频还具有以下特点： 1. 亲子互动性强：这些视频鼓励家长与孩子共同观看，并在观看过程中进行互动，如提问、解答、讨论等，有助于增进亲子关系。 2. 教育性高：视频内容贴近孩子们的生活，有助于培养他们的道德品质、文化素养和综合素质。 3. 普及性广：国产伦亲子伦亲子视频覆盖了不同年龄段的孩子，满足了不同家庭的需求。 4. 可持续性：这些视频可以反复观看，家长可以根据孩子的学习进度和兴趣进行调整。 总之，国产伦亲子伦亲子视频在传承中华文化、增进亲子关系等方面发挥着重要作用。家长们不妨利用这些视频资源，与孩子共同度过美好的亲子时光。在观看视频的过程中，让我们携手共筑中华民族的文化自信，为孩子们的成长助力。

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。