今日行业报告更新行业动态,国内VPS：助力企业快速发展的云端解决方案

本月官方发布行业新变化,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。售后服务热线，专业团队保障质量

扬州市邗江区、昭通市鲁甸县 ，菏泽市成武县、中山市小榄镇、万宁市龙滚镇、茂名市化州市、潮州市潮安区、广元市昭化区、黔西南贞丰县、阿坝藏族羌族自治州小金县、广西百色市西林县、深圳市龙岗区、攀枝花市仁和区、营口市盖州市、昭通市彝良县、潍坊市青州市、内蒙古赤峰市红山区 、开封市顺河回族区、聊城市莘县、文昌市东路镇、天水市清水县、甘南卓尼县、海西蒙古族乌兰县、西安市灞桥区、内蒙古锡林郭勒盟正镶白旗、日照市莒县、西安市新城区、恩施州巴东县、定安县龙湖镇

本周数据平台本月官方渠道公布权威通报,昨日官方更新权威研究结果,国内VPS：助力企业快速发展的云端解决方案，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化服务派单，精准对接维修需求

定安县雷鸣镇、滁州市南谯区 ，成都市锦江区、深圳市龙华区、成都市青羊区、天津市北辰区、宁德市福鼎市、扬州市江都区、定西市渭源县、大连市庄河市、扬州市高邮市、临沂市河东区、眉山市彭山区、岳阳市岳阳楼区、焦作市温县、广西防城港市东兴市、天津市北辰区 、定安县岭口镇、上海市黄浦区、驻马店市新蔡县、烟台市福山区、苏州市吴江区、玉溪市红塔区、怀化市靖州苗族侗族自治县、辽源市东丰县、延边图们市、平顶山市叶县、重庆市南川区、临汾市襄汾县、茂名市茂南区、咸阳市杨陵区

全球服务区域: 六安市金安区、怀化市芷江侗族自治县 、宜昌市秭归县、长治市壶关县、白银市景泰县、内江市市中区、定安县定城镇、南平市光泽县、内蒙古乌海市海南区、定安县龙湖镇、黄冈市黄梅县、湛江市遂溪县、辽阳市弓长岭区、广西柳州市柳江区、荆门市钟祥市、岳阳市平江县、普洱市西盟佤族自治县 、盐城市阜宁县、广西贺州市八步区、沈阳市法库县、嘉兴市秀洲区、荆州市监利市

专业维修服务电话,近日官方更新研究报告,国内VPS：助力企业快速发展的云端解决方案，很高兴为您解答这个问题，让我来帮您详细说明一下：智能安装预约系统，自动分配技师

全国服务区域: 平顶山市叶县、重庆市奉节县 、临沧市耿马傣族佤族自治县、平凉市华亭县、三门峡市卢氏县、黄南泽库县、湖州市南浔区、广西南宁市宾阳县、临汾市汾西县、太原市晋源区、重庆市奉节县、广西北海市铁山港区、重庆市丰都县、营口市大石桥市、宁德市古田县、北京市石景山区、黄冈市英山县 、成都市崇州市、西宁市城中区、新余市分宜县、洛阳市洛龙区、济宁市汶上县、漳州市漳浦县、内蒙古乌兰察布市兴和县、广西柳州市鹿寨县、红河弥勒市、东莞市万江街道、青岛市黄岛区、泉州市金门县、宿州市萧县、内蒙古赤峰市巴林左旗、抚州市资溪县、茂名市信宜市、重庆市长寿区、广西贺州市钟山县、深圳市光明区、蚌埠市固镇县、天津市西青区、重庆市长寿区、成都市都江堰市、汕头市南澳县

近日技术小组通报核心进展:本月行业协会发布重大动态,国内VPS：助力企业快速发展的云端解决方案

随着互联网技术的飞速发展，越来越多的企业开始关注云计算服务。在国内，VPS（虚拟专用服务器）作为一种重要的云计算服务，已经成为许多企业提升IT基础设施性能、降低成本、提高业务效率的重要选择。本文将为您详细介绍国内VPS的特点、优势以及如何选择合适的VPS服务。 一、什么是国内VPS？ 国内VPS，即国内虚拟专用服务器，是指将一台物理服务器虚拟化后，分割成多个独立的虚拟服务器，每个虚拟服务器拥有独立的操作系统、硬件资源以及网络环境。用户可以根据自己的需求，选择合适的虚拟服务器配置，实现按需定制。 二、国内VPS的优势 1. 性价比高：相比传统物理服务器，国内VPS具有更高的性价比。用户只需支付相对较低的费用，即可获得独立的服务器资源，满足企业业务需求。 2. 灵活配置：国内VPS支持灵活配置，用户可以根据业务需求调整CPU、内存、硬盘等硬件资源，实现按需定制。 3. 安全稳定：国内VPS采用虚拟化技术，有效隔离不同用户之间的资源，保障用户数据安全。同时，国内VPS服务商通常提供7*24小时的技术支持，确保系统稳定运行。 4. 网络速度快：国内VPS服务商通常拥有丰富的网络资源，提供高速、稳定的网络接入，满足企业对网络速度的需求。 5. 节能环保：国内VPS采用虚拟化技术，有效降低物理服务器的能耗，符合国家节能减排政策。 三、如何选择合适的国内VPS？ 1. 确定需求：在选购国内VPS之前，首先要明确自己的业务需求，包括CPU、内存、硬盘、网络带宽等硬件资源。 2. 选择服务商：国内VPS服务商众多，用户在选择服务商时，要关注其品牌知名度、服务质量、技术实力等方面。 3. 比较价格：在保证服务质量的前提下，用户可以比较不同服务商的价格，选择性价比高的VPS服务。 4. 了解售后服务：良好的售后服务是保障企业业务稳定运行的关键。用户在选择服务商时，要了解其售后服务政策，确保在遇到问题时能够及时得到解决。 四、总结 国内VPS作为一种重要的云计算服务，已经成为企业提升IT基础设施性能、降低成本、提高业务效率的重要选择。在选择国内VPS时，用户要充分考虑自己的业务需求，选择合适的VPS服务商，以实现企业快速发展。

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。