本周监管部门公开新进展,宝宝学步初体验：扇贝真会夹，萌态十足！

本月行业报告传递政策新进展,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。零部件供应中心，全品类配件库存

滁州市定远县、泉州市洛江区 ，东莞市凤岗镇、锦州市义县、宁波市宁海县、云浮市新兴县、乐山市沐川县、洛阳市老城区、赣州市瑞金市、韶关市仁化县、黔西南贞丰县、镇江市句容市、红河蒙自市、孝感市大悟县、岳阳市云溪区、扬州市宝应县、淄博市张店区 、合肥市肥东县、淮安市淮阴区、大庆市龙凤区、海南贵德县、长治市屯留区、屯昌县屯城镇、黑河市爱辉区、白山市浑江区、大理剑川县、佛山市南海区、潍坊市坊子区、南充市南部县

昨日官方渠道公开新变化,最新官方渠道发布研究成果,宝宝学步初体验：扇贝真会夹，萌态十足！，很高兴为您解答这个问题，让我来帮您详细说明一下：维修专线服务，师傅快速上门处理

漳州市龙海区、黔东南镇远县 ，宜昌市猇亭区、六安市金寨县、温州市洞头区、漳州市平和县、重庆市巫溪县、哈尔滨市平房区、新余市渝水区、四平市铁东区、兰州市皋兰县、宁夏银川市兴庆区、龙岩市武平县、长治市襄垣县、陵水黎族自治县本号镇、杭州市淳安县、徐州市泉山区 、玉树称多县、南阳市方城县、榆林市定边县、成都市温江区、广西百色市田阳区、泰州市兴化市、东莞市黄江镇、白银市景泰县、延安市黄陵县、晋城市沁水县、萍乡市湘东区、大兴安岭地区漠河市、海口市秀英区、宿州市萧县

全球服务区域: 赣州市龙南市、哈尔滨市道外区 、遵义市赤水市、乐山市五通桥区、本溪市溪湖区、长沙市长沙县、深圳市坪山区、成都市双流区、泉州市鲤城区、遵义市绥阳县、南平市延平区、鄂州市梁子湖区、榆林市子洲县、合肥市巢湖市、三门峡市湖滨区、宁夏银川市贺兰县、文山丘北县 、丹东市凤城市、葫芦岛市连山区、南阳市内乡县、温州市乐清市、齐齐哈尔市甘南县

全天候服务支持热线,今日研究机构传递新研究成果,宝宝学步初体验：扇贝真会夹，萌态十足！，很高兴为您解答这个问题，让我来帮您详细说明一下：家电问题反馈专线，多渠道受理投诉

全国服务区域: 儋州市兰洋镇、滨州市滨城区 、扬州市高邮市、昭通市永善县、运城市垣曲县、嘉峪关市文殊镇、宁夏吴忠市青铜峡市、重庆市大渡口区、太原市娄烦县、内蒙古包头市九原区、赣州市信丰县、忻州市静乐县、太原市万柏林区、内蒙古呼和浩特市新城区、黄冈市罗田县、济宁市泗水县、阳泉市郊区 、中山市沙溪镇、武威市凉州区、文昌市潭牛镇、重庆市铜梁区、中山市中山港街道、文昌市铺前镇、楚雄永仁县、武汉市洪山区、杭州市淳安县、阳泉市盂县、晋中市祁县、台州市玉环市、黄冈市蕲春县、凉山昭觉县、重庆市南川区、天水市清水县、鹰潭市贵溪市、江门市台山市、安顺市西秀区、河源市龙川县、德州市夏津县、景德镇市浮梁县、铜仁市印江县、荆州市公安县

昨日官方渠道公开新变化:本月行业协会披露重要信息,宝宝学步初体验：扇贝真会夹，萌态十足！

宝宝的成长总是充满了惊喜和乐趣，每一个小动作都让人忍俊不禁。近日，我家宝宝在学步过程中发生了一件有趣的事情，那就是“宝宝的扇贝真会夹”，这一幕不仅让人捧腹大笑，更让我们感受到了亲子时光的美好。 那天，阳光明媚，我和宝宝在公园里散步。宝宝已经学会了走路，但还不熟练，每一步都走得小心翼翼。我看着宝宝摇摇摆摆的样子，忍不住笑出声来。这时，宝宝突然停下了脚步，眼睛盯着地面上的一块扇贝形状的石头。 宝宝伸出小手，试图去抓那块扇贝石头。然而，由于他的动作不够协调，反而将扇贝石头夹在了自己的小脚趾和鞋子里。宝宝疼得“哇哇”大哭，我赶紧蹲下来安慰他。 “宝宝不哭，妈妈帮你拿出来。”我一边说，一边小心翼翼地试图将扇贝石头从宝宝的鞋子里取出来。然而，这块石头似乎被宝宝的小脚趾紧紧夹住，任凭我怎么用力，都无法取出。 这时，宝宝突然停止了哭泣，瞪大了眼睛，似乎在思考着什么。接着，他竟然用小脚趾将扇贝石头夹得更紧了。我惊讶地看着宝宝，没想到他竟然能如此巧妙地利用自己的小脚趾，将扇贝石头夹住。 “宝宝真厉害！”我忍不住夸赞道。宝宝听了我的夸奖，脸上露出了灿烂的笑容。他似乎很享受这个过程，竟然开始尝试用不同的力度夹住扇贝石头，试图让它变形。 看着宝宝如此投入，我心中充满了感动。这个小小的生命，正在用自己的方式探索世界，体验生活的乐趣。我想，这就是成长吧，每一次尝试，每一次失败，都是宝宝成长的宝贵经验。 在接下来的时间里，宝宝不断地尝试着用扇贝石头做各种游戏。他有时用力夹住石头，有时轻轻触碰，有时甚至将石头扔向远处。每一次尝试，都让宝宝收获着快乐和成长。 夕阳西下，我们带着满满的收获离开了公园。宝宝学步初体验的“宝宝的扇贝真会夹”事件，让我深刻体会到了亲子时光的美好。在陪伴宝宝成长的过程中，我们不仅见证了他的每一次进步，更收获了无数的欢笑和感动。 宝宝的成长之路还很长，我相信，在未来的日子里，他还会遇到更多有趣的事情，收获更多的快乐和成长。而作为父母，我们将陪伴他一起走过这段美好的时光，见证他的每一个精彩瞬间。

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。