昨日相关部门更新研究成果,上边一面亲，下边一面膜：揭开新型护肤产品的神秘面纱

本周行业报告披露政策新动向,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。全国统一配件标准，质量保证无忧

东莞市虎门镇、镇江市句容市 ，成都市简阳市、宁德市古田县、金华市永康市、大连市西岗区、新乡市长垣市、普洱市西盟佤族自治县、营口市盖州市、武汉市江夏区、哈尔滨市道里区、阳江市阳东区、常州市武进区、德州市禹城市、乐山市峨眉山市、襄阳市襄州区、河源市和平县 、阜阳市颍州区、宁德市屏南县、黔南瓮安县、普洱市宁洱哈尼族彝族自治县、长春市二道区、信阳市光山县、玉树称多县、庆阳市庆城县、内蒙古呼和浩特市土默特左旗、哈尔滨市延寿县、宜春市万载县、开封市尉氏县

刚刚应急团队公布处置方案,近日监管部门透露最新动态,上边一面亲，下边一面膜：揭开新型护肤产品的神秘面纱，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修在线客服，实时响应报修需求

平顶山市郏县、蚌埠市五河县 ，宜昌市伍家岗区、九江市濂溪区、朔州市应县、吉安市吉州区、六盘水市盘州市、吉林市蛟河市、大理南涧彝族自治县、海西蒙古族乌兰县、赣州市于都县、六安市舒城县、鸡西市密山市、漳州市长泰区、齐齐哈尔市龙江县、北京市丰台区、合肥市肥东县 、海东市循化撒拉族自治县、营口市西市区、开封市尉氏县、济南市莱芜区、酒泉市敦煌市、潍坊市高密市、烟台市龙口市、广西河池市天峨县、陵水黎族自治县黎安镇、台州市黄岩区、临沧市沧源佤族自治县、昭通市大关县、哈尔滨市松北区、武威市凉州区

全球服务区域: 成都市简阳市、红河石屏县 、凉山会理市、榆林市绥德县、宁波市鄞州区、中山市中山港街道、甘孜稻城县、中山市三角镇、黔东南麻江县、延安市富县、池州市青阳县、鞍山市铁西区、上海市宝山区、昌江黎族自治县乌烈镇、广西贵港市桂平市、乐山市金口河区、九江市德安县 、重庆市铜梁区、泰州市高港区、平顶山市石龙区、铁岭市昌图县、辽源市东丰县

昨日官方渠道公开新变化,本月研究机构发布新政策通报,上边一面亲，下边一面膜：揭开新型护肤产品的神秘面纱，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化维保平台，智能优化保养方案

全国服务区域: 吉安市万安县、资阳市雁江区 、洛阳市西工区、金华市东阳市、齐齐哈尔市富拉尔基区、昭通市大关县、临高县和舍镇、深圳市龙岗区、成都市金牛区、金昌市金川区、中山市南朗镇、淮安市清江浦区、锦州市义县、牡丹江市林口县、张掖市山丹县、开封市通许县、吕梁市临县 、广西贵港市平南县、自贡市大安区、张掖市甘州区、广西防城港市东兴市、果洛久治县、黔南长顺县、铜仁市沿河土家族自治县、东莞市大朗镇、广西梧州市岑溪市、儋州市中和镇、南阳市方城县、湛江市霞山区、文山广南县、临沧市凤庆县、广安市邻水县、双鸭山市尖山区、凉山冕宁县、福州市平潭县、南京市玄武区、北京市通州区、阳江市江城区、甘孜丹巴县、广西河池市东兰县、哈尔滨市平房区

刚刚应急团队公布处置方案:本周行业报告更新最新政策,上边一面亲，下边一面膜：揭开新型护肤产品的神秘面纱

随着科技的不断进步，护肤行业也在不断创新，以满足消费者日益增长的护肤需求。近年来，一种名为“上边一面亲，下边一面膜”的新型护肤品逐渐走进人们的视野。这种产品结合了传统护肤品和面膜的优点，为消费者带来了全新的护肤体验。那么，这种新型护肤产品的功效究竟如何呢？本文将为您揭开它的神秘面纱。 一、产品特点 “上边一面亲，下边一面膜”的产品设计独特，上边一面采用了亲肤材质，下边一面则是面膜材质。这种设计使得产品在涂抹时，上边的一面能够紧密贴合肌肤，下边的一面则可以形成保护层，防止护肤品挥发，从而提高护肤品的吸收效果。 二、功效分析 1. 提高吸收率 传统护肤品在使用过程中，由于皮肤表面的油脂和污垢，往往会导致护肤品无法充分吸收。而“上边一面亲，下边一面膜”的产品设计，使得护肤品能够更好地渗透肌肤，提高吸收率。 2. 长效保湿 这种新型护肤品下边一面采用面膜材质，可以形成保护层，防止护肤品中的水分挥发，从而实现长效保湿。对于干燥肌肤，这种产品具有很好的保湿效果。 3. 抗氧化 产品中的有效成分能够深入肌肤底层，抵抗自由基的侵害，减缓肌肤衰老。同时，面膜材质能够锁住营养成分，使肌肤更加健康。 4. 舒缓肌肤 产品中的舒缓成分能够缓解肌肤疲劳，减轻肌肤不适，让肌肤在短时间内得到放松。 5. 适合多种肤质 “上边一面亲，下边一面膜”的产品设计，使其适用于各种肤质。无论是油性、干性、混合性还是敏感性肌肤，都能在使用过程中感受到产品的独特功效。 三、使用方法 1. 清洁面部，确保肌肤干净。 2. 取适量产品均匀涂抹于面部。 3. 上边一面紧贴肌肤，下边一面形成保护层。 4. 静待15-20分钟，让肌肤充分吸收产品中的营养成分。 5. 取下面膜，轻轻按摩至肌肤吸收。 四、总结 “上边一面亲，下边一面膜”的新型护肤品，凭借其独特的创新设计，为消费者带来了全新的护肤体验。这款产品具有提高吸收率、长效保湿、抗氧化、舒缓肌肤等多种功效，适合各种肤质使用。相信在未来，这种新型护肤品将会成为护肤市场的新宠。

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。