今日监管部门传达新研究成果,361动漫网：打造动漫爱好者的天堂

今日监管部门传递新政策信息,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。智能保养提醒系统，自动推送通知

黄冈市罗田县、漳州市长泰区 ，洛阳市栾川县、青岛市市南区、定安县翰林镇、渭南市合阳县、雅安市石棉县、东莞市东城街道、徐州市泉山区、黄南泽库县、哈尔滨市呼兰区、大连市甘井子区、滨州市惠民县、陵水黎族自治县黎安镇、乐东黎族自治县黄流镇、南阳市宛城区、怀化市芷江侗族自治县 、儋州市雅星镇、西双版纳勐腊县、定安县龙河镇、内蒙古鄂尔多斯市伊金霍洛旗、景德镇市珠山区、深圳市福田区、广西百色市西林县、永州市江华瑶族自治县、福州市马尾区、韶关市始兴县、襄阳市谷城县、嘉兴市南湖区

本周数据平台近期官方渠道公开权威通报,今日研究机构公开新政策,361动漫网：打造动漫爱好者的天堂，很高兴为您解答这个问题，让我来帮您详细说明一下：专业配件咨询中心，精准推荐型号

泉州市鲤城区、聊城市高唐县 ，马鞍山市和县、阿坝藏族羌族自治州红原县、安庆市宜秀区、抚州市南城县、鹤壁市山城区、郴州市桂东县、凉山德昌县、遵义市仁怀市、河源市龙川县、鄂州市鄂城区、黄南尖扎县、岳阳市云溪区、烟台市龙口市、德州市禹城市、海西蒙古族都兰县 、铜仁市德江县、河源市紫金县、阿坝藏族羌族自治州理县、德州市禹城市、四平市铁西区、广元市青川县、广西钦州市灵山县、安阳市林州市、黔南瓮安县、贵阳市观山湖区、衡阳市衡山县、巴中市平昌县、抚州市东乡区、文昌市东阁镇

全球服务区域: 德阳市广汉市、烟台市栖霞市 、天津市蓟州区、淮安市洪泽区、文山丘北县、晋中市左权县、内蒙古锡林郭勒盟阿巴嘎旗、泰安市东平县、普洱市西盟佤族自治县、荆门市沙洋县、吉林市桦甸市、德宏傣族景颇族自治州陇川县、双鸭山市四方台区、丽江市永胜县、晋中市祁县、韶关市翁源县、平顶山市宝丰县 、常德市石门县、大兴安岭地区新林区、新乡市卫滨区、曲靖市富源县、朝阳市凌源市

可视化操作指导热线,本周行业报告传达重要消息,361动漫网：打造动漫爱好者的天堂，很高兴为您解答这个问题，让我来帮您详细说明一下：家电深度清洁专线，彻底解决卫生问题

全国服务区域: 重庆市潼南区、成都市新津区 、吉林市丰满区、周口市项城市、舟山市普陀区、河源市紫金县、常州市金坛区、天水市清水县、楚雄大姚县、咸宁市赤壁市、亳州市利辛县、普洱市思茅区、甘孜九龙县、内蒙古赤峰市克什克腾旗、西双版纳勐海县、重庆市沙坪坝区、黔西南贞丰县 、商丘市民权县、忻州市五台县、晋中市祁县、枣庄市峄城区、天津市北辰区、洛阳市孟津区、咸阳市旬邑县、揭阳市榕城区、延安市洛川县、昆明市官渡区、齐齐哈尔市建华区、鹤壁市山城区、牡丹江市海林市、黄石市铁山区、宁夏石嘴山市平罗县、黑河市爱辉区、商丘市宁陵县、赣州市瑞金市、临高县南宝镇、宝鸡市麟游县、吉安市遂川县、宿迁市泗阳县、九江市浔阳区、广西柳州市柳北区

本周数据平台最新官方渠道传来研究成果:本周官方更新行业研究成果,361动漫网：打造动漫爱好者的天堂

随着互联网的飞速发展，动漫文化在我国逐渐兴起，吸引了大量动漫爱好者的关注。在这个充满活力的领域，361动漫网应运而生，成为众多动漫迷心中的圣地。本文将带您走进361动漫网，一探究竟。 361动漫网，全称“361动漫社区”，成立于2008年，是国内较早的动漫门户网站之一。网站以提供丰富的动漫资源、交流互动平台和原创作品展示为特色，吸引了众多动漫爱好者的关注。在这里，你可以找到最新的动漫资讯、高清动漫视频、精美动漫图片以及各类动漫周边产品。 首先，361动漫网在动漫资源方面具有得天独厚的优势。网站拥有海量的动漫资源，包括国内外热门动漫、经典动漫、国漫精品等。无论是热血少年、浪漫爱情、科幻冒险，还是搞笑幽默，你都能在这里找到心仪的作品。此外，网站还定期更新动漫资讯，让你不错过任何一部精彩动漫的上映。 其次，361动漫网是一个充满活力的交流互动平台。在这里，你可以结识志同道合的朋友，分享自己的动漫心得，讨论动漫剧情，甚至参与动漫创作。无论是动漫迷还是动漫创作者，都能在这里找到属于自己的舞台。此外，网站还设有多个版块，如动漫论坛、同人创作、cosplay等，满足不同动漫爱好者的需求。 值得一提的是，361动漫网还致力于原创作品的展示。网站鼓励动漫爱好者创作自己的作品，并提供展示平台。这些原创作品涵盖了漫画、动画、小说等多种形式，展现了我国动漫爱好者的才华。同时，网站还定期举办原创作品大赛，为优秀作品提供奖励，激发更多动漫爱好者的创作热情。 除了以上特点，361动漫网还具备以下优势： 1. 网站界面简洁美观，操作便捷，用户体验良好。 2. 网站内容丰富，分类清晰，方便用户查找。 3. 网站注重版权保护，尊重原创，为用户提供一个健康、和谐的动漫环境。 4. 网站拥有专业的团队，为用户提供优质的服务。 总之，361动漫网是一个集动漫资源、交流互动、原创展示于一体的综合性动漫门户网站。在这里，你不仅能找到自己喜欢的动漫作品，还能结识朋友、展示才华。如果你是一个动漫爱好者，那么361动漫网绝对是你不容错过的圣地。 在未来的日子里，361动漫网将继续努力，为我国动漫事业的发展贡献力量。让我们共同期待，这个充满活力的动漫平台带给我们更多惊喜！

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。