本周官方发布最新研究成果,肉岳的毛太浓了：宠物毛发管理的重要性与技巧

今日监管部门披露行业新变化,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。家电安装服务热线，专业团队上门

辽源市东辽县、湛江市坡头区 ，荆州市监利市、宿州市埇桥区、忻州市岢岚县、铜川市印台区、果洛玛多县、孝感市汉川市、九江市都昌县、楚雄牟定县、安康市石泉县、济宁市汶上县、营口市西市区、杭州市富阳区、黔南瓮安县、广元市昭化区、临沂市河东区 、榆林市米脂县、佳木斯市向阳区、六盘水市盘州市、南昌市西湖区、南平市政和县、东莞市万江街道、武汉市青山区、甘孜理塘县、五指山市通什、蚌埠市五河县、中山市黄圃镇、松原市宁江区

近日评估小组公开关键数据,本周监管部门更新行业通报,肉岳的毛太浓了：宠物毛发管理的重要性与技巧，很高兴为您解答这个问题，让我来帮您详细说明一下：全国标准化热线，维修过程透明可查

宝鸡市凤县、甘孜得荣县 ，大庆市龙凤区、营口市盖州市、七台河市茄子河区、榆林市子洲县、玉溪市红塔区、潮州市潮安区、芜湖市镜湖区、鹤壁市浚县、西双版纳勐腊县、达州市万源市、凉山西昌市、驻马店市确山县、辽阳市太子河区、扬州市仪征市、东莞市东坑镇 、平凉市华亭县、遵义市仁怀市、宁夏银川市贺兰县、榆林市神木市、南昌市进贤县、九江市柴桑区、内蒙古兴安盟科尔沁右翼中旗、新乡市卫滨区、澄迈县永发镇、长治市襄垣县、太原市杏花岭区、西安市周至县、乐山市沐川县、凉山喜德县

全球服务区域: 内蒙古赤峰市松山区、宜春市靖安县 、鞍山市铁西区、中山市横栏镇、黄冈市团风县、东莞市洪梅镇、吕梁市孝义市、广西柳州市三江侗族自治县、鸡西市密山市、济宁市嘉祥县、苏州市太仓市、东莞市中堂镇、岳阳市华容县、内蒙古赤峰市敖汉旗、长治市长子县、临沂市沂南县、三明市建宁县 、内蒙古包头市白云鄂博矿区、上饶市余干县、淄博市周村区、天水市张家川回族自治县、漳州市平和县

本周数据平台近期行业报告发布政策动向,今日行业报告传递新研究成果,肉岳的毛太浓了：宠物毛发管理的重要性与技巧，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: 南充市仪陇县、黔南贵定县 、白沙黎族自治县荣邦乡、成都市简阳市、安康市宁陕县、株洲市天元区、黄冈市浠水县、益阳市桃江县、日照市东港区、洛阳市老城区、襄阳市保康县、遵义市汇川区、嘉峪关市峪泉镇、内蒙古巴彦淖尔市磴口县、朝阳市双塔区、湖州市长兴县、西安市灞桥区 、攀枝花市米易县、十堰市竹山县、广西北海市合浦县、临高县东英镇、重庆市梁平区、榆林市神木市、海东市互助土族自治县、襄阳市襄城区、定安县富文镇、海东市互助土族自治县、鞍山市海城市、湛江市遂溪县、新乡市卫滨区、咸阳市渭城区、齐齐哈尔市克山县、眉山市彭山区、广西崇左市凭祥市、吉安市永新县、抚州市宜黄县、太原市清徐县、东莞市厚街镇、西宁市湟中区、保山市隆阳区、新乡市新乡县

昨日官方渠道公开新变化:近日官方发布重大研究报告,肉岳的毛太浓了：宠物毛发管理的重要性与技巧

在我国广袤的土地上，宠物已经成为许多家庭不可或缺的成员。其中，肉岳作为一种可爱的宠物，深受人们喜爱。然而，许多宠物主人都会遇到一个问题：肉岳的毛太浓了。这不仅影响了宠物的美观，还可能给宠物带来健康隐患。那么，如何科学地管理肉岳的浓密毛发呢？ 首先，我们要了解肉岳浓密毛发的原因。肉岳属于长毛犬种，其毛发浓密是遗传因素决定的。此外，季节变化、饮食结构、日常护理等因素也会影响肉岳的毛发生长。因此，要想有效管理肉岳的浓密毛发，我们需要从以下几个方面入手。 一、定期梳理 肉岳的毛发容易打结，如果不及时梳理，容易导致毛发脱落、皮肤瘙痒等问题。因此，每天为肉岳梳理毛发是必不可少的。在梳理过程中，可以使用宠物专用的梳子，从头部开始，顺着毛发生长的方向梳理。对于打结的毛发，要耐心地解开，避免强行拉扯造成皮肤损伤。 二、合理饮食 肉岳的毛发健康与饮食密切相关。在饮食方面，要保证营养均衡，适量摄入蛋白质、维生素和矿物质。可以适当增加富含Omega-3和Omega-6脂肪酸的食物，如深海鱼类、鸡蛋等，这些成分有助于改善毛发质量。同时，避免过量喂食，以免导致肥胖，影响毛发生长。 三、定期修剪 肉岳的毛发浓密，容易滋生细菌和寄生虫。为了保持宠物健康，建议定期为肉岳修剪毛发。修剪时，要遵循以下原则： 1. 选择合适的时机：在宠物毛发旺盛的季节，如春季和秋季，可以适当修剪毛发，减轻宠物负担。 2. 修剪部位：重点修剪肉岳的腹部、腿部、尾巴等部位，这些地方的毛发容易打结、滋生细菌。 3. 修剪长度：根据宠物毛发的浓密程度，修剪长度以露出皮肤为宜。 四、定期洗澡 洗澡是保持宠物毛发清洁、健康的重要手段。在洗澡过程中，要选择宠物专用的洗发水，避免使用人用洗发水，以免破坏毛发油脂平衡。洗澡频率根据肉岳的毛发状况和活动量而定，一般每周1-2次即可。洗澡后，要及时吹干毛发，避免宠物感冒。 五、关注宠物情绪 宠物情绪对毛发生长也有一定影响。在日常生活中，要多关注肉岳的情绪，避免宠物因焦虑、紧张等情绪导致毛发脱落。可以通过陪伴、玩耍等方式，让宠物保持愉悦的心情。 总之，肉岳的浓密毛发需要我们用心呵护。通过定期梳理、合理饮食、修剪毛发、洗澡和关注宠物情绪，我们可以帮助肉岳保持健康的毛发，让它们成为我们生活中的美丽伙伴。

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。