今日官方传达行业研究成果,岳飞：忠诚与坚韧的象征——“岳的好紧”

近日官方发布重大研究报告,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。家电客户维权热线，保障消费权益

滁州市南谯区、宣城市泾县 ，黄冈市英山县、中山市三乡镇、广西柳州市鱼峰区、海口市琼山区、广西柳州市融安县、辽阳市灯塔市、怒江傈僳族自治州福贡县、成都市大邑县、文昌市东阁镇、揭阳市普宁市、汕尾市陆丰市、黄山市祁门县、泸州市江阳区、安庆市宜秀区、海南贵德县 、黄冈市罗田县、黔南荔波县、广西崇左市凭祥市、庆阳市合水县、海南贵南县、甘孜雅江县、阳江市阳西县、舟山市嵊泗县、自贡市大安区、枣庄市市中区、济宁市曲阜市、泰安市泰山区

近日评估小组公开关键数据,今日官方通报行业新动态,岳飞：忠诚与坚韧的象征——“岳的好紧”，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心多渠道接入，响应迅速

安庆市宿松县、宿州市埇桥区 ，重庆市铜梁区、湖州市德清县、文昌市东路镇、临沧市临翔区、安康市紫阳县、天津市宝坻区、河源市紫金县、天水市秦安县、阿坝藏族羌族自治州黑水县、青岛市胶州市、昆明市富民县、许昌市长葛市、武汉市江夏区、通化市辉南县、通化市二道江区 、临沂市河东区、潮州市潮安区、广西玉林市博白县、巴中市平昌县、西安市莲湖区、宜春市樟树市、聊城市冠县、万宁市后安镇、哈尔滨市延寿县、宁夏石嘴山市大武口区、焦作市修武县、重庆市沙坪坝区、茂名市茂南区、渭南市合阳县

全球服务区域: 衢州市开化县、宁波市鄞州区 、吉安市万安县、毕节市纳雍县、南充市西充县、哈尔滨市道外区、南通市海安市、宝鸡市凤翔区、东营市河口区、哈尔滨市香坊区、盐城市阜宁县、吉林市蛟河市、黔东南丹寨县、河源市东源县、屯昌县坡心镇、大连市金州区、昆明市西山区 、安阳市林州市、汉中市略阳县、株洲市茶陵县、嘉兴市南湖区、澄迈县中兴镇

刚刚应急团队公布处置方案,昨日相关部门传达重要研究成果,岳飞：忠诚与坚韧的象征——“岳的好紧”，很高兴为您解答这个问题，让我来帮您详细说明一下：产品升级服务中心，全流程专业指导

全国服务区域: 太原市娄烦县、齐齐哈尔市富拉尔基区 、漳州市龙文区、广西柳州市鱼峰区、昭通市威信县、琼海市龙江镇、宜春市万载县、通化市通化县、宜宾市江安县、安顺市平坝区、开封市龙亭区、东方市感城镇、双鸭山市集贤县、上饶市广信区、黄山市休宁县、濮阳市濮阳县、伊春市丰林县 、南京市江宁区、巴中市通江县、黄南同仁市、果洛玛沁县、深圳市福田区、雅安市芦山县、扬州市邗江区、广西贺州市昭平县、温州市乐清市、大连市西岗区、广西玉林市玉州区、南京市建邺区、辽阳市弓长岭区、内江市隆昌市、攀枝花市米易县、中山市神湾镇、铜仁市碧江区、红河建水县、绥化市望奎县、雅安市汉源县、苏州市张家港市、齐齐哈尔市建华区、广西柳州市柳北区、岳阳市汨罗市

本周数据平台今日官方渠道公布最新动态:今日官方渠道公布新政策,岳飞：忠诚与坚韧的象征——“岳的好紧”

在我国悠久的历史长河中，涌现出了无数英雄豪杰，他们以自己的忠诚和坚韧，书写了一篇篇可歌可泣的篇章。而岳飞，便是其中一位令人敬仰的民族英雄。他的一生，充满了坎坷与挫折，但正是这些磨难，铸就了他“岳的好紧”的崇高品质。 岳飞，字鹏举，南宋时期著名军事家、政治家，出生于一个贫苦的农民家庭。他自幼聪慧过人，勤奋好学，尤其擅长武艺。在金兵南侵的危急时刻，岳飞毅然投身抗金事业，成为南宋抗金名将。 “岳的好紧”，这个词语，既是对岳飞忠诚品质的赞誉，也是对他坚韧意志的形容。在岳飞的一生中，他始终坚守着对国家和民族的忠诚，无论是在战场上，还是在政治斗争中，都表现出了极高的忠诚度。 首先，岳飞对国家的忠诚体现在他对抗金事业的坚定信念。金兵南侵，国家危在旦夕，岳飞毅然决然地投身抗金事业，誓要保卫家园。在抗金战争中，他身先士卒，勇猛善战，多次击退金兵的进攻，为南宋王朝赢得了宝贵的喘息时间。在岳飞心中，国家利益高于一切，他始终将国家的安危放在首位。 其次，岳飞对君主的忠诚也令人敬佩。在南宋朝廷中，岳飞曾受到奸臣秦桧的陷害，被贬谪边疆。然而，即便身处逆境，岳飞依然对君主忠心耿耿，始终没有背叛南宋王朝。在贬谪期间，他不忘国家大事，积极为朝廷出谋划策，为南宋的稳定和发展做出了巨大贡献。 此外，岳飞对人民的忠诚也值得称赞。他深知，抗金战争离不开广大人民群众的支持。因此，岳飞在战争中始终关心百姓疾苦，努力减轻百姓负担。他提倡“以民为本”，关心民生，赢得了广大人民群众的拥护和爱戴。 “岳的好紧”还体现在岳飞坚韧的意志。在抗金战争中，岳飞曾多次遭遇失败，但他从未放弃过。他坚信，只要坚持下去，终会取得胜利。正是这种坚韧不拔的精神，使得岳飞在抗金战争中屡立奇功，成为南宋抗金事业的杰出代表。 然而，令人遗憾的是，岳飞的一生并未走到尽头。在南宋朝廷内部矛盾激化的背景下，岳飞最终被秦桧陷害，含冤而死。但岳飞的精神和品质却永远留在了人们的心中，成为后人学习的楷模。 总之，岳飞的一生，是一部忠诚与坚韧的赞歌。他用自己的实际行动，诠释了“岳的好紧”这一词语的深刻内涵。在新时代，我们更应该学习岳飞的精神，坚定信念，勇往直前，为实现中华民族伟大复兴的中国梦而努力奋斗。

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。