今日行业报告传递研究成果,KPL预选赛：电竞新星的摇篮，荣耀之战的序曲

今日官方渠道发布行业信息,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。家电以旧换新热线，专业评估回收

南阳市方城县、曲靖市麒麟区 ，南平市邵武市、安康市镇坪县、抚州市黎川县、平凉市灵台县、广西桂林市永福县、大兴安岭地区漠河市、万宁市三更罗镇、庆阳市宁县、六盘水市水城区、庆阳市镇原县、大理剑川县、三门峡市灵宝市、宜春市樟树市、内蒙古巴彦淖尔市杭锦后旗、东莞市大朗镇 、福州市闽侯县、中山市石岐街道、黄冈市团风县、濮阳市南乐县、晋中市介休市、阿坝藏族羌族自治州理县、内蒙古兴安盟突泉县、临高县临城镇、广西梧州市长洲区、南充市高坪区、果洛玛沁县、长沙市长沙县

本周数据平台本月官方渠道公布权威通报,今日官方传达行业研究成果,KPL预选赛：电竞新星的摇篮，荣耀之战的序曲，很高兴为您解答这个问题，让我来帮您详细说明一下：产品升级服务中心，全流程专业指导

太原市迎泽区、莆田市涵江区 ，舟山市嵊泗县、怀化市麻阳苗族自治县、文山砚山县、广西钦州市灵山县、运城市垣曲县、沈阳市于洪区、东营市广饶县、上海市宝山区、张家界市慈利县、重庆市大渡口区、商丘市宁陵县、三沙市西沙区、咸阳市礼泉县、郑州市登封市、岳阳市华容县 、滨州市惠民县、大同市阳高县、烟台市海阳市、怀化市洪江市、镇江市扬中市、乐山市金口河区、梅州市大埔县、嘉兴市南湖区、青岛市崂山区、绥化市安达市、新乡市牧野区、广西来宾市金秀瑶族自治县、成都市蒲江县、三沙市南沙区

全球服务区域: 上饶市余干县、临沧市临翔区 、三明市三元区、永州市蓝山县、济宁市嘉祥县、营口市盖州市、内蒙古锡林郭勒盟正蓝旗、台州市玉环市、内蒙古巴彦淖尔市乌拉特后旗、武汉市黄陂区、台州市三门县、襄阳市宜城市、玉溪市华宁县、西安市临潼区、枣庄市市中区、东莞市望牛墩镇、中山市小榄镇 、韶关市新丰县、滁州市明光市、丹东市东港市、黔南惠水县、三明市三元区

本月官方渠道传达政策动向,本月官方发布行业最新成果,KPL预选赛：电竞新星的摇篮，荣耀之战的序曲，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化回收平台，智能优化资源利用

全国服务区域: 中山市南朗镇、邵阳市新宁县 、怀化市沅陵县、天津市宁河区、广西崇左市扶绥县、宜宾市南溪区、东莞市望牛墩镇、聊城市临清市、开封市禹王台区、广西贺州市富川瑶族自治县、郴州市嘉禾县、昆明市石林彝族自治县、荆门市东宝区、佳木斯市前进区、陇南市武都区、西安市雁塔区、自贡市富顺县 、重庆市梁平区、合肥市瑶海区、广安市岳池县、常州市新北区、普洱市西盟佤族自治县、西安市未央区、内蒙古阿拉善盟阿拉善右旗、黄冈市英山县、玉树称多县、三门峡市灵宝市、三门峡市义马市、重庆市綦江区、信阳市商城县、郴州市宜章县、平顶山市汝州市、苏州市太仓市、黄山市黟县、广西桂林市资源县、淄博市张店区、运城市盐湖区、广州市越秀区、益阳市桃江县、安庆市宿松县、南平市武夷山市

近日技术小组通报核心进展:本月行业报告发布最新进展,KPL预选赛：电竞新星的摇篮，荣耀之战的序曲

随着电子竞技行业的蓬勃发展，越来越多的年轻人投身于这一领域，追逐梦想，挑战极限。作为国内最高水平的王者荣耀职业联赛（KPL）的重要组成部分，KPL预选赛成为了众多电竞战队和选手们展示才华、争夺荣耀的舞台。在这个舞台上，无数电竞新星崭露头角，为即将到来的KPL正赛预热，也为电竞行业注入了新的活力。 KPL预选赛作为电竞界的年度盛事，吸引了众多战队和选手的广泛关注。预选赛不仅是对选手们技术水平的考验，更是对团队协作、战术运用和心理素质的全方位检验。每一场比赛都充满了悬念和激情，让观众们感受到了电竞的魅力。 在预选赛的赛场上，我们看到了许多优秀的电竞战队。这些战队在经过层层选拔后脱颖而出，成为了KPL正赛的候选者。其中，既有传统强队，也有新兴势力。他们凭借着过硬的技术和默契的团队配合，为观众们带来了精彩的比赛。 在众多参赛战队中，有一支名为“星辰战队”的队伍格外引人注目。这支战队由一群年轻选手组成，他们在预选赛中凭借出色的表现，成功晋级正赛。队长小陈表示：“我们一直相信，只要努力，就一定能够实现梦想。预选赛只是我们迈向KPL正赛的一个起点，我们会继续努力，为荣誉而战。” 除了战队之间的较量，选手们的个人表现同样值得关注。在预选赛中，涌现出了许多技术高超、风格独特的选手。其中，一位名叫“风影”的选手凭借其出色的操作和敏锐的战场意识，成为了观众们心中的英雄。在一场比赛中，风影凭借一己之力带领队伍逆转战局，赢得了观众的阵阵掌声。 KPL预选赛的成功举办，离不开主办方和赞助商的大力支持。主办方通过精心策划和周密安排，确保了比赛的顺利进行。赞助商们则为参赛战队和选手提供了充足的物资保障，让他们能够全身心地投入到比赛中。同时，主办方还注重比赛的社会效益，通过举办预选赛，推动了电竞文化的传播，让更多的人了解和喜爱电子竞技。 值得一提的是，KPL预选赛还为电竞行业培养了一批优秀的教练和工作人员。他们在比赛中积累了丰富的经验，为我国电竞事业的发展贡献了自己的力量。正如一位资深教练所说：“预选赛不仅是一场比赛，更是一次学习和成长的机会。我们希望通过这次比赛，让更多的年轻人了解电竞，投身电竞。” 随着KPL预选赛的落幕，各支战队和选手们将带着荣誉和梦想，迎接即将到来的KPL正赛。在这场荣耀之战中，他们将再次展现自己的实力，为观众们带来更多精彩的比赛。而KPL预选赛，无疑成为了这场荣耀之战的序曲，为电竞行业的发展注入了新的活力。 总之，KPL预选赛作为电竞界的重要赛事，不仅为电竞战队和选手们提供了展示才华的舞台，更为我国电竞事业的发展奠定了坚实基础。在未来的日子里，我们有理由相信，电竞行业将会迎来更加美好的明天。

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。