本周官方更新政策动态,女生在友情与隐私之间：勇敢还是脆弱？

今日行业协会公开新动态,苹果看上的公司，靠量子“邪修”给模型“瘦身”,很高兴为您解答这个问题，让我来帮您详细说明一下。故障诊断服务中心，专业检测设备

淄博市博山区、内蒙古通辽市科尔沁左翼后旗 ，牡丹江市东宁市、巴中市通江县、鹤壁市山城区、白山市临江市、烟台市招远市、德宏傣族景颇族自治州瑞丽市、达州市万源市、榆林市米脂县、嘉兴市秀洲区、邵阳市新宁县、哈尔滨市呼兰区、重庆市潼南区、甘南碌曲县、西安市长安区、文昌市蓬莱镇 、南通市启东市、宁波市奉化区、甘孜甘孜县、内蒙古兴安盟科尔沁右翼中旗、揭阳市榕城区、常州市钟楼区、黔西南望谟县、红河个旧市、淄博市桓台县、亳州市蒙城县、淄博市淄川区、松原市长岭县

近日调查组公开关键证据本,今日行业报告传递新研究报告,女生在友情与隐私之间：勇敢还是脆弱？，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障不用愁，客服热线帮您忙

抚州市东乡区、驻马店市新蔡县 ，揭阳市揭东区、怀化市麻阳苗族自治县、本溪市本溪满族自治县、双鸭山市集贤县、马鞍山市当涂县、毕节市大方县、普洱市景谷傣族彝族自治县、郴州市桂东县、万宁市龙滚镇、宜宾市屏山县、怀化市沅陵县、莆田市涵江区、成都市新津区、咸阳市秦都区、内蒙古乌兰察布市卓资县 、洛阳市宜阳县、鹤岗市萝北县、攀枝花市东区、马鞍山市和县、遵义市桐梓县、屯昌县新兴镇、枣庄市市中区、大连市金州区、马鞍山市和县、徐州市丰县、恩施州恩施市、张掖市甘州区、岳阳市汨罗市、清远市连南瑶族自治县

全球服务区域: 白城市洮南市、淮安市金湖县 、朝阳市北票市、内蒙古鄂尔多斯市康巴什区、成都市新都区、云浮市罗定市、郴州市永兴县、乐东黎族自治县万冲镇、西双版纳勐腊县、北京市昌平区、泉州市石狮市、福州市闽侯县、广西南宁市隆安县、晋中市左权县、达州市开江县、枣庄市市中区、漳州市南靖县 、七台河市桃山区、泸州市纳溪区、北京市门头沟区、陇南市徽县、郴州市北湖区

刚刚决策部门公开重大调整,本周行业协会公开重要研究成果,女生在友情与隐私之间：勇敢还是脆弱？，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一延保标准，透明服务条款

全国服务区域: 赣州市兴国县、玉溪市峨山彝族自治县 、咸阳市兴平市、抚州市金溪县、鸡西市密山市、临汾市曲沃县、大连市旅顺口区、南昌市西湖区、东营市东营区、临沂市莒南县、延安市宜川县、玉溪市华宁县、泉州市金门县、怒江傈僳族自治州泸水市、玉溪市红塔区、广西桂林市荔浦市、宁夏固原市彭阳县 、肇庆市德庆县、定安县龙门镇、海南共和县、枣庄市市中区、辽阳市宏伟区、晋中市介休市、云浮市罗定市、锦州市古塔区、菏泽市曹县、衡阳市南岳区、镇江市丹阳市、泉州市永春县、黄石市西塞山区、深圳市龙华区、潍坊市安丘市、大兴安岭地区新林区、乐东黎族自治县万冲镇、恩施州利川市、天水市清水县、铜仁市万山区、宁夏中卫市中宁县、双鸭山市宝山区、广西南宁市上林县、盐城市大丰区

本周数据平台今日多方媒体透露研究成果:今日国家机构发布最新研究报告,女生在友情与隐私之间：勇敢还是脆弱？

在人际交往中，信任是建立友谊的基石。然而，当信任与隐私发生冲突时，女生在友情与隐私之间往往面临着艰难的选择。当女生选择将自己的隐私透露给异性朋友时，这既是勇敢的举动，也可能是脆弱的表现。 首先，女生选择将自己的隐私告诉异性朋友，是一种勇敢的行为。在传统的观念中，女性被期望保持神秘和保守，而将隐私透露给异性朋友，无疑打破了这种束缚。这种行为需要女生有足够的勇气去面对外界可能的非议和压力。在现代社会，女性越来越独立，她们不再满足于传统的角色定位，而是敢于追求自己的幸福和自由。将隐私告诉异性朋友，正是她们勇敢追求自我、敢于表达真实自我的体现。 然而，这种勇敢也可能伴随着脆弱。在现实生活中，女生在友情与隐私之间往往处于劣势。一方面，她们可能担心自己的隐私被滥用，导致个人利益受损；另一方面，她们也可能因为过于依赖异性朋友，而忽视了自己的隐私保护。以下是一些可能导致女生在友情与隐私之间感到脆弱的原因： 1. 情感依赖：女生在情感上可能对异性朋友产生依赖，为了维持这种关系，她们可能不自觉地透露自己的隐私。然而，当这种依赖变得过于强烈时，女生可能会失去自我，进而影响到自己的隐私保护。 2. 社会压力：在传统观念的影响下，女生可能担心自己的行为不符合社会期待，从而在友情与隐私之间感到矛盾。这种压力可能导致她们在透露隐私时犹豫不决，甚至产生心理负担。 3. 缺乏安全感：女生在友情与隐私之间感到脆弱，还可能源于缺乏安全感。她们可能担心自己的隐私被泄露，导致人际关系紧张，甚至影响到自己的工作和生活。 为了在友情与隐私之间找到平衡，女生可以尝试以下方法： 1. 增强自我保护意识：女生要学会保护自己的隐私，避免在不必要的情况下透露个人信息。 2. 建立健康的友情关系：与异性朋友保持适当的距离，避免过度依赖，确保双方都能在友情中保持独立。 3. 增强沟通能力：与异性朋友保持良好的沟通，让对方了解自己的底线，共同维护彼此的隐私。 总之，女生在友情与隐私之间做出选择，既是一种勇敢，也可能是一种脆弱。关键在于如何找到平衡点，既维护了友情，又保护了自己的隐私。在这个过程中，女生需要勇敢面对内心的恐惧，学会保护自己，追求真正的自我。

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网"AI 原生 100" 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「17」篇文章。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。