本周行业协会披露最新报告,孩子想养宠物，我同意了——一段温馨的亲子故事

今日监管部门披露新进展,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。维修专线服务，师傅快速上门处理

岳阳市君山区、广西河池市环江毛南族自治县 ，东莞市茶山镇、珠海市斗门区、西安市莲湖区、临汾市洪洞县、潍坊市坊子区、中山市南头镇、济宁市泗水县、齐齐哈尔市克东县、宜春市宜丰县、衢州市江山市、宜春市铜鼓县、徐州市新沂市、白城市洮南市、重庆市九龙坡区、晋中市灵石县 、铁岭市调兵山市、儋州市和庆镇、文昌市东阁镇、乐山市五通桥区、白银市平川区、驻马店市泌阳县、齐齐哈尔市龙江县、安顺市普定县、天水市秦州区、济南市市中区、怒江傈僳族自治州福贡县、佳木斯市抚远市

本周数据平台稍早前行业报告,今日监管部门发布权威报告,孩子想养宠物，我同意了——一段温馨的亲子故事，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用教学专线，新手快速入门指导

丽江市华坪县、揭阳市惠来县 ，嘉峪关市文殊镇、驻马店市遂平县、驻马店市正阳县、成都市简阳市、上海市奉贤区、红河绿春县、上海市黄浦区、杭州市富阳区、长沙市长沙县、重庆市九龙坡区、周口市鹿邑县、威海市环翠区、鹤岗市萝北县、常德市武陵区、儋州市雅星镇 、通化市辉南县、广西河池市大化瑶族自治县、黄山市休宁县、宜春市万载县、平顶山市汝州市、威海市环翠区、沈阳市浑南区、广州市从化区、内蒙古通辽市科尔沁区、贵阳市观山湖区、南充市阆中市、深圳市坪山区、西安市新城区、珠海市斗门区

全球服务区域: 海西蒙古族德令哈市、武汉市东西湖区 、广西玉林市兴业县、南阳市新野县、吉安市峡江县、成都市双流区、嘉兴市南湖区、鹰潭市余江区、铜仁市德江县、临沂市沂南县、广西来宾市忻城县、延安市黄龙县、广西崇左市宁明县、锦州市凌河区、运城市河津市、广西来宾市忻城县、宁德市霞浦县 、周口市西华县、永州市道县、邵阳市新邵县、徐州市睢宁县、德宏傣族景颇族自治州瑞丽市

近日监测小组公开最新参数,昨日官方发布最新行业成果,孩子想养宠物，我同意了——一段温馨的亲子故事，很高兴为您解答这个问题，让我来帮您详细说明一下：24小时维修客服热线，随时为您服务

全国服务区域: 鞍山市铁东区、朝阳市双塔区 、南平市邵武市、南京市玄武区、泉州市德化县、昆明市晋宁区、鸡西市鸡东县、宜宾市高县、黄石市阳新县、齐齐哈尔市克东县、内蒙古锡林郭勒盟二连浩特市、吉林市船营区、昆明市官渡区、上海市徐汇区、金华市浦江县、汉中市镇巴县、商丘市睢县 、海西蒙古族乌兰县、朝阳市双塔区、淄博市张店区、广西桂林市灌阳县、乐东黎族自治县莺歌海镇、乐山市峨边彝族自治县、焦作市中站区、楚雄永仁县、焦作市博爱县、长治市黎城县、吉安市永新县、甘孜九龙县、吉林市桦甸市、安康市紫阳县、信阳市光山县、曲靖市宣威市、聊城市东阿县、扬州市仪征市、五指山市毛道、吉安市吉水县、成都市金牛区、赣州市上犹县、揭阳市惠来县、白城市镇赉县

近日调查组公开关键证据本:今日官方通报行业变化,孩子想养宠物，我同意了——一段温馨的亲子故事

在一个阳光明媚的周末，我家的小宝贝小明突然兴奋地跑来找我，他的小脸上洋溢着期待的光芒。他拉着我的手，急切地说：“爸爸，我想养一只宠物！” 我愣了一下，随即微笑着问他：“为什么想要养宠物呢？” 小明眨了眨大眼睛，认真地说：“因为我想有个好朋友，每天陪我一起玩，陪我一起长大。” 我心中一动，觉得这是一个很好的教育机会。于是，我温柔地回答：“好吧，小明，爸爸同意了。我们一起去挑选一只适合你的宠物吧。” 接下来的几天，我们一家人开始忙碌起来。我们查阅资料，了解各种宠物的习性，还去了宠物店，实地观察了各种宠物。最终，我们决定领养一只小猫。 小明兴奋得几乎一夜没睡好，他迫不及待地想要见到他的新朋友。终于，那个周末，我们带着小猫回到了家。 小猫很可爱，毛茸茸的身体，大大的眼睛，让人忍不住想要抱抱。小明给它取名叫“小咪”，从此，小咪成了我们家的新成员。 刚开始，小明对养宠物并没有太多的耐心。他总是抱怨小咪弄脏了地板，或者抓破了沙发。我耐心地告诉他，养宠物需要付出时间和精力，需要学会照顾它。在接下来的日子里，小明逐渐学会了如何照顾小咪。 每天放学回家，小明都会先去看看小咪，给它喂食、换水、清理猫砂。周末，他还带着小咪去公园散步，和小咪一起玩耍。小咪也渐渐适应了新环境，它和小明成了形影不离的好朋友。 在这个过程中，我看到了小明的成长。他学会了责任，学会了关爱，也学会了付出。而我也深刻体会到了亲子之间的默契与温暖。 有一天，小明突然问我：“爸爸，你觉得小咪有没有觉得幸福呢？” 我微笑着回答：“我觉得小咪很幸福，因为它有你的陪伴，有我们这个温暖的家庭。” 小明听了，开心地笑了。我知道，这段养宠物的经历，已经成为了我们一家人的美好回忆。 如今，小咪已经陪伴小明度过了三个春秋。在这段时间里，我们一家人共同成长，共同面对生活中的喜怒哀乐。而这一切，都源于那个阳光明媚的周末，源于小明那句“我想养宠物”。 或许，这就是生活的真谛吧。在陪伴中成长，在关爱中收获幸福。让我们珍惜每一个与孩子共同度过的美好时光，让爱成为我们前行的动力。

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。