昨日研究机构公开最新成果,欧亚专线S码与W码入口：跨境物流的便捷通道

本月行业协会传达新研究成果,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。智能维修管理平台，自动分配服务订单

大兴安岭地区塔河县、庆阳市镇原县 ，忻州市原平市、武汉市东西湖区、宜宾市南溪区、松原市长岭县、东莞市万江街道、宜昌市远安县、汉中市洋县、濮阳市台前县、自贡市大安区、扬州市广陵区、十堰市郧西县、宁德市福鼎市、咸阳市渭城区、绥化市兰西县、驻马店市平舆县 、潍坊市寒亭区、深圳市盐田区、哈尔滨市平房区、天津市河西区、庆阳市西峰区、焦作市博爱县、宜昌市宜都市、宝鸡市陇县、雅安市名山区、昭通市昭阳区、海西蒙古族都兰县、昌江黎族自治县乌烈镇

刚刚监管中心披露最新规定,昨日行业报告更新行业政策,欧亚专线S码与W码入口：跨境物流的便捷通道，很高兴为您解答这个问题，让我来帮您详细说明一下：智能维修派单系统，精准调度服务团队

昭通市永善县、广西贵港市覃塘区 ，本溪市平山区、咸阳市兴平市、广西河池市天峨县、万宁市后安镇、甘孜康定市、广西柳州市柳城县、孝感市应城市、芜湖市镜湖区、武汉市江夏区、抚州市东乡区、深圳市坪山区、资阳市乐至县、南通市如皋市、北京市顺义区、中山市沙溪镇 、三门峡市义马市、丽江市宁蒗彝族自治县、苏州市虎丘区、北京市房山区、广西百色市凌云县、黔南长顺县、怀化市沅陵县、天津市西青区、漳州市长泰区、资阳市雁江区、漳州市平和县、南昌市南昌县、南阳市内乡县、泉州市德化县

全球服务区域: 宜宾市江安县、渭南市澄城县 、内蒙古乌兰察布市集宁区、铜川市耀州区、萍乡市莲花县、通化市柳河县、晋中市平遥县、广西柳州市鹿寨县、深圳市罗湖区、大理永平县、镇江市京口区、新余市分宜县、重庆市綦江区、中山市横栏镇、延安市黄陵县、台州市黄岩区、屯昌县坡心镇 、滁州市天长市、临夏东乡族自治县、宁夏吴忠市红寺堡区、朔州市平鲁区、南平市邵武市

刚刚决策小组公开重大调整,昨日官方更新行业研究成果,欧亚专线S码与W码入口：跨境物流的便捷通道，很高兴为您解答这个问题，让我来帮您详细说明一下：智能回收评估系统，自动生成报价

全国服务区域: 泉州市永春县、大兴安岭地区塔河县 、内蒙古阿拉善盟阿拉善右旗、甘孜稻城县、眉山市彭山区、五指山市水满、广西贵港市覃塘区、大理洱源县、镇江市京口区、濮阳市范县、临汾市洪洞县、内蒙古锡林郭勒盟阿巴嘎旗、吉安市青原区、万宁市东澳镇、雅安市名山区、大连市旅顺口区、郑州市登封市 、宁德市古田县、丽江市华坪县、吉林市龙潭区、葫芦岛市建昌县、内蒙古赤峰市元宝山区、十堰市张湾区、北京市房山区、商丘市民权县、文昌市公坡镇、临沧市永德县、内蒙古阿拉善盟阿拉善左旗、周口市郸城县、郴州市桂东县、镇江市丹阳市、安顺市西秀区、临沧市镇康县、西双版纳勐腊县、内蒙古兴安盟扎赉特旗、长治市沁县、玉溪市华宁县、内蒙古锡林郭勒盟阿巴嘎旗、东莞市厚街镇、保山市昌宁县、商洛市柞水县

近日调查组公开关键证据:今日行业协会发布最新研究报告,欧亚专线S码与W码入口：跨境物流的便捷通道

随着全球化进程的不断推进，跨境物流成为了国际贸易中不可或缺的一环。在众多跨境物流服务中，欧亚专线以其高效、便捷的特点受到了广大企业的青睐。而S码和W码作为欧亚专线的入口，更是为用户提供了更加个性化的服务体验。本文将为您详细介绍欧亚专线S码和W码入口的特点及其使用方法。 一、欧亚专线简介 欧亚专线是指连接欧洲与亚洲的物流专线，它通过整合空运、海运、铁路等多种运输方式，为用户提供一站式跨境物流解决方案。相较于传统的物流方式，欧亚专线具有以下优势： 1. 运输速度快：欧亚专线采用多种运输方式相结合，大大缩短了运输时间，提高了物流效率。 2. 运输成本低：通过优化运输路线和资源配置，欧亚专线降低了运输成本，为用户节省了开支。 3. 服务质量高：欧亚专线拥有一支专业的物流团队，为用户提供全程跟踪、及时反馈等服务，确保货物安全、准时送达。 二、S码与W码入口介绍 1. S码入口 S码入口是欧亚专线为用户提供的一种便捷的物流服务入口。用户只需通过S码，即可轻松查询货物状态、跟踪物流进度。以下是S码入口的几个特点： （1）操作简单：用户只需输入S码，即可查询到货物的详细信息。 （2）实时更新：S码入口会实时更新货物状态，让用户随时了解物流进度。 （3）个性化服务：用户可以根据自己的需求，选择不同的物流方案，享受个性化的服务。 2. W码入口 W码入口是欧亚专线为用户提供的一种增值服务入口。用户通过W码，可以享受以下服务： （1）优先处理：W码用户享有优先处理权，确保货物在运输过程中得到更好的保障。 （2）专属客服：W码用户将拥有专属客服，提供一对一的贴心服务。 （3）优惠活动：W码用户可享受欧亚专线推出的各类优惠活动，降低物流成本。 三、如何使用S码和W码入口 1. 注册账号：用户需在欧亚专线官网或APP上注册账号，成为会员。 2. 获取S码：在提交订单时，系统会自动生成S码，用户可将其保存或分享。 3. 获取W码：用户可通过以下方式获取W码： （1）购买W码套餐：在欧亚专线官网或APP上购买W码套餐，即可获得W码。 （2）参加活动：欧亚专线会不定期举办各类活动，用户参与活动有机会获得W码。 4. 使用S码和W码：用户只需在欧亚专线官网或APP中输入S码或W码，即可查询货物状态、享受增值服务。 总结 欧亚专线S码和W码入口为用户提供了便捷、高效的跨境物流服务。通过S码和W码，用户可以轻松查询货物状态、享受个性化服务，降低物流成本。在全球化贸易日益发展的今天，选择欧亚专线，让您的跨境物流更加轻松、便捷。

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。