昨日行业协会发布新政策报告,《完美世界手游羽芒攻略：轻松解锁羽芒技能，畅游仙侠世界！》

今日行业报告披露重大变化,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。家电深度清洁专线，彻底解决卫生问题

衡阳市常宁市、双鸭山市集贤县 ，昌江黎族自治县石碌镇、安庆市望江县、成都市青白江区、福州市连江县、东营市东营区、兰州市城关区、丹东市元宝区、凉山美姑县、江门市新会区、信阳市平桥区、黄山市休宁县、重庆市南川区、重庆市南川区、重庆市璧山区、天水市秦安县 、普洱市思茅区、大连市普兰店区、安顺市平坝区、盐城市盐都区、延安市吴起县、广安市广安区、云浮市郁南县、楚雄禄丰市、重庆市巴南区、榆林市吴堡县、淮南市田家庵区、昌江黎族自治县石碌镇

近日观测中心传出重要预警,今日行业协会传达最新研究报告,《完美世界手游羽芒攻略：轻松解锁羽芒技能，畅游仙侠世界！》，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心多渠道接入，响应迅速

临高县临城镇、上海市黄浦区 ，东方市天安乡、广西柳州市鱼峰区、上海市青浦区、宁夏银川市贺兰县、合肥市蜀山区、宜春市宜丰县、五指山市南圣、临汾市侯马市、三明市沙县区、潍坊市坊子区、内蒙古赤峰市元宝山区、佳木斯市前进区、七台河市茄子河区、长治市黎城县、汕头市金平区 、内江市威远县、鞍山市铁东区、鸡西市密山市、咸阳市长武县、雅安市宝兴县、内蒙古阿拉善盟阿拉善左旗、宁夏中卫市沙坡头区、盘锦市双台子区、普洱市思茅区、黄南尖扎县、甘孜九龙县、宣城市郎溪县、雅安市天全县、青岛市市北区

全球服务区域: 赣州市章贡区、沈阳市新民市 、南京市鼓楼区、泉州市石狮市、金华市磐安县、衡阳市耒阳市、湘西州凤凰县、自贡市富顺县、东莞市石龙镇、双鸭山市集贤县、哈尔滨市依兰县、甘孜道孚县、广西南宁市青秀区、济宁市嘉祥县、内蒙古呼伦贝尔市扎赉诺尔区、万宁市礼纪镇、杭州市江干区 、吉安市万安县、宜宾市兴文县、延边敦化市、淮安市洪泽区、抚州市乐安县

近日监测部门公开最新参数,今日官方通报行业变化,《完美世界手游羽芒攻略：轻松解锁羽芒技能，畅游仙侠世界！》，很高兴为您解答这个问题，让我来帮您详细说明一下：智能保养提醒系统，自动推送通知

全国服务区域: 黄山市屯溪区、临汾市浮山县 、鞍山市千山区、澄迈县永发镇、衡阳市祁东县、商丘市柘城县、太原市小店区、宜宾市兴文县、宁德市古田县、榆林市府谷县、惠州市惠城区、万宁市龙滚镇、重庆市大渡口区、阜阳市颍州区、内蒙古鄂尔多斯市康巴什区、青岛市平度市、朝阳市北票市 、阿坝藏族羌族自治州松潘县、吉林市丰满区、德阳市广汉市、安阳市林州市、广西桂林市临桂区、武威市凉州区、漳州市龙文区、抚顺市新宾满族自治县、广西来宾市象州县、眉山市丹棱县、阿坝藏族羌族自治州黑水县、丹东市东港市、广西柳州市柳江区、九江市浔阳区、扬州市仪征市、太原市尖草坪区、酒泉市瓜州县、成都市都江堰市、广元市昭化区、泰安市肥城市、宜昌市当阳市、东莞市企石镇、昭通市鲁甸县、肇庆市端州区

本周数据平台稍早前行业协会报道新政:今日行业报告传递政策变化,《完美世界手游羽芒攻略：轻松解锁羽芒技能，畅游仙侠世界！》

在《完美世界》手游中，羽芒系统是众多玩家热衷的玩法之一。它不仅增加了游戏的可玩性，也让角色更加炫酷。今天，就让我们一起来探讨一下羽芒攻略，帮助大家轻松解锁羽芒技能，畅游仙侠世界！ ### 羽芒系统介绍 羽芒系统是《完美世界》手游中的一种特色系统，玩家可以通过收集羽芒碎片来解锁各种羽芒技能。这些技能不仅能让角色在战斗中更加强大，还能在视觉上带来极高的享受。羽芒系统分为三个等级，分别是初级、中级和高级，每个等级都有不同的技能可供选择。 ### 羽芒攻略一：收集羽芒碎片 想要解锁羽芒技能，首先需要收集羽芒碎片。在游戏中，羽芒碎片可以通过以下途径获得： 1. **日常活动**：参与游戏中的日常活动，如每日签到、完成主线任务等，都可以获得羽芒碎片。 2. **副本挑战**：通关游戏中的各种副本，如单人副本、多人副本等，都有机会获得羽芒碎片。 3. **商城购买**：在游戏商城中，可以使用游戏币或钻石购买羽芒碎片。 ### 羽芒攻略二：选择合适的羽芒技能 在收集到足够的羽芒碎片后，就可以选择解锁羽芒技能了。以下是几个推荐技能： 1. **风行千里**：增加角色的移动速度，非常适合喜欢快速移动的玩家。 2. **飞燕穿云**：增加角色的攻击力，适合喜欢近战的角色。 3. **破空斩**：对敌人造成范围伤害，适合团队战斗。 ### 羽芒攻略三：合理搭配技能 在解锁了多个羽芒技能后，玩家需要根据自己的战斗风格和角色特点来合理搭配技能。以下是一些建议： 1. **攻击型角色**：可以选择攻击力较高的技能，如“飞燕穿云”和“破空斩”，提高输出能力。 2. **防御型角色**：可以选择增加防御力的技能，如“金钟罩”和“铁布衫”，提高生存能力。 3. **辅助型角色**：可以选择增加治疗能力和控制能力的技能，如“回春术”和“定身术”，为团队提供支援。 ### 羽芒攻略四：提升羽芒等级 除了解锁技能，提升羽芒等级也是非常重要的。羽芒等级越高，技能效果越强。以下是一些提升羽芒等级的方法： 1. **完成日常任务**：每天完成日常任务可以获得羽芒经验。 2. **参与活动**：参与游戏中的各种活动，如节日活动、限时活动等，可以获得羽芒经验。 3. **消耗羽芒碎片**：消耗羽芒碎片可以提升羽芒等级。 通过以上攻略，相信大家已经对《完美世界》手游的羽芒系统有了更深入的了解。赶快收集羽芒碎片，解锁心仪的技能，让我们一起在仙侠世界中畅游吧！

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。