本月官方发布行业重要事件,如何有效缓解被抱起来撞到哭的尴尬与不适

今日监管部门传达研究成果,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。智能回收评估系统，自动生成报价

潍坊市青州市、北京市门头沟区 ，重庆市丰都县、大兴安岭地区呼中区、内蒙古巴彦淖尔市五原县、红河元阳县、淄博市周村区、临高县多文镇、杭州市萧山区、天津市滨海新区、驻马店市平舆县、信阳市息县、遵义市湄潭县、黄南同仁市、大兴安岭地区漠河市、十堰市郧阳区、长沙市雨花区 、郴州市临武县、盐城市大丰区、乐山市峨边彝族自治县、河源市东源县、白沙黎族自治县阜龙乡、内蒙古兴安盟突泉县、广西玉林市福绵区、长春市朝阳区、菏泽市牡丹区、上海市徐汇区、扬州市仪征市、延安市洛川县

专家技术支援专线,今日官方传达研究成果,如何有效缓解被抱起来撞到哭的尴尬与不适，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

太原市清徐县、清远市清新区 ，哈尔滨市方正县、广西来宾市金秀瑶族自治县、赣州市崇义县、黄冈市武穴市、泰安市新泰市、铜陵市义安区、大同市浑源县、盐城市东台市、宝鸡市陈仓区、玉溪市新平彝族傣族自治县、东莞市樟木头镇、广西柳州市鱼峰区、陵水黎族自治县提蒙乡、果洛玛沁县、忻州市忻府区 、宁夏固原市彭阳县、湛江市徐闻县、合肥市包河区、蚌埠市龙子湖区、本溪市南芬区、内蒙古巴彦淖尔市乌拉特后旗、内蒙古通辽市开鲁县、巴中市通江县、舟山市岱山县、上海市静安区、菏泽市成武县、三明市三元区、广西贺州市八步区、大理漾濞彝族自治县

全球服务区域: 肇庆市怀集县、阜新市新邱区 、张家界市永定区、宝鸡市凤翔区、萍乡市莲花县、本溪市本溪满族自治县、三明市泰宁县、澄迈县金江镇、哈尔滨市道外区、深圳市盐田区、临汾市浮山县、温州市泰顺县、吉林市蛟河市、儋州市海头镇、吉林市桦甸市、衡阳市石鼓区、屯昌县枫木镇 、陵水黎族自治县群英乡、西宁市城西区、内蒙古呼伦贝尔市额尔古纳市、葫芦岛市龙港区、定西市漳县

全天候服务支持热线,本月相关部门发布重大动态,如何有效缓解被抱起来撞到哭的尴尬与不适，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修服务电话，持证技师上门服务

全国服务区域: 定安县雷鸣镇、吕梁市方山县 、鄂州市梁子湖区、达州市渠县、内蒙古赤峰市林西县、广西崇左市凭祥市、吕梁市离石区、中山市港口镇、铜仁市万山区、鹰潭市余江区、宁夏银川市永宁县、大理洱源县、眉山市仁寿县、天津市西青区、丽水市景宁畲族自治县、郴州市桂阳县、广西贵港市平南县 、吉安市峡江县、大理弥渡县、芜湖市南陵县、昆明市西山区、天津市河北区、泰安市泰山区、广州市番禺区、温州市龙港市、巴中市平昌县、兰州市永登县、长治市潞州区、宁夏固原市西吉县、怒江傈僳族自治州泸水市、广西贵港市港南区、滨州市惠民县、漯河市舞阳县、抚州市宜黄县、海北门源回族自治县、乐东黎族自治县万冲镇、广西贵港市港南区、吉安市峡江县、海口市琼山区、儋州市木棠镇、济源市市辖区

近日评估小组公开关键数据:今日相关部门发布最新行业报告,如何有效缓解被抱起来撞到哭的尴尬与不适

在我们的日常生活中，有时候会因为一些意外的碰撞而感到尴尬和不适，尤其是当这种碰撞发生在被他人抱起来的情况下。被抱起来撞到哭，不仅让人感到疼痛，还可能带来心理上的不适。那么，在这种情况下，我们应该如何缓解这种尴尬与不适呢？ ### 1. 保持冷静，深呼吸 首先，我们要学会在遇到这种情况时保持冷静。深呼吸可以帮助我们放松身心，减轻疼痛感。深呼吸的技巧如下： - 慢慢吸气，感受腹部膨胀； - 屏住呼吸几秒钟； - 缓慢呼气，感受腹部收缩； - 重复以上动作，直到感到平静。 ### 2. 及时表达自己的感受 在被抱起来撞到哭后，我们要及时向对方表达自己的感受。这不仅可以帮助对方了解你的不适，还能让对方知道你需要的关心和支持。以下是一些表达感受的方式： - “哎呀，我有点疼，可以轻一点吗？” - “我刚才有点害怕，你能抱得再稳一点吗？” - “谢谢你关心，我现在好多了。” ### 3. 轻柔按摩疼痛部位 在缓解尴尬与不适的过程中，轻柔按摩疼痛部位也是一个不错的选择。以下是一些按摩技巧： - 用手掌轻轻揉捏疼痛部位； - 按压时力度要适中，避免过度用力； - 按摩时间不宜过长，以免加重不适。 ### 4. 保持积极心态 被抱起来撞到哭后，我们要学会调整自己的心态。以下是一些建议： - 不要过分自责，这种意外碰撞在日常生活中很常见； - 保持乐观，相信这次经历会让我们更加坚强； - 学会从这次经历中吸取教训，提高自己的应变能力。 ### 5. 寻求专业帮助 如果疼痛感持续不减，或者心理压力过大，我们可以寻求专业帮助。以下是一些途径： - 咨询心理医生，了解如何调整心态； - 咨询医生，了解如何缓解疼痛； - 参加心理辅导课程，学习应对压力的方法。 总之，被抱起来撞到哭的尴尬与不适是我们生活中不可避免的一部分。学会缓解这种不适，不仅有助于我们的身心健康，还能提高我们的生活质量。希望以上方法能对你有所帮助。

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。