今日研究机构公开最新行业进展,《探寻“簧色”漫画的独特魅力：传统与现代的交融之美》

本周行业报告披露重要进展,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。售后服务热线，专业团队保障质量

内蒙古阿拉善盟阿拉善右旗、儋州市海头镇 ，白沙黎族自治县元门乡、新乡市长垣市、绵阳市江油市、中山市古镇镇、平凉市庄浪县、内蒙古乌兰察布市化德县、晋中市榆社县、孝感市大悟县、河源市源城区、怒江傈僳族自治州福贡县、武汉市汉阳区、内蒙古阿拉善盟额济纳旗、广西贵港市平南县、绍兴市诸暨市、孝感市云梦县 、湖州市长兴县、株洲市攸县、鞍山市铁东区、重庆市梁平区、池州市青阳县、昆明市宜良县、三门峡市灵宝市、韶关市始兴县、兰州市七里河区、三门峡市湖滨区、齐齐哈尔市克东县、枣庄市滕州市

近日监测中心公开最新参数,今日监管部门发布重大研究成果,《探寻“簧色”漫画的独特魅力：传统与现代的交融之美》，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

佳木斯市东风区、广西桂林市平乐县 ，黑河市五大连池市、韶关市新丰县、佳木斯市郊区、广西崇左市宁明县、玉溪市红塔区、铜仁市松桃苗族自治县、咸阳市三原县、驻马店市平舆县、内蒙古阿拉善盟额济纳旗、滨州市无棣县、黑河市北安市、恩施州建始县、中山市东升镇、广西柳州市柳北区、临夏永靖县 、衢州市常山县、达州市宣汉县、抚顺市望花区、临沂市兰山区、内蒙古赤峰市敖汉旗、屯昌县坡心镇、驻马店市汝南县、漳州市平和县、龙岩市武平县、宝鸡市陇县、丹东市振兴区、滁州市凤阳县、攀枝花市盐边县、周口市项城市

全球服务区域: 汕头市龙湖区、安阳市内黄县 、延安市宜川县、上海市宝山区、南平市顺昌县、烟台市福山区、平凉市庄浪县、马鞍山市和县、陇南市徽县、广西北海市银海区、重庆市涪陵区、忻州市原平市、德州市齐河县、肇庆市高要区、赣州市赣县区、临汾市隰县、珠海市斗门区 、中山市神湾镇、永州市蓝山县、衡阳市蒸湘区、临夏永靖县、汕尾市陆丰市

本周数据平台今日官方渠道披露重磅消息,昨日监管部门传递行业研究成果,《探寻“簧色”漫画的独特魅力：传统与现代的交融之美》，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一配件标准，质量保证无忧

全国服务区域: 中山市横栏镇、凉山雷波县 、红河蒙自市、咸阳市泾阳县、沈阳市铁西区、扬州市仪征市、大庆市大同区、汕尾市陆河县、济宁市微山县、苏州市虎丘区、海口市秀英区、咸阳市彬州市、运城市绛县、陇南市宕昌县、荆门市沙洋县、驻马店市平舆县、太原市古交市 、永州市道县、甘南碌曲县、广西河池市大化瑶族自治县、陵水黎族自治县黎安镇、广西河池市宜州区、保山市昌宁县、玉溪市澄江市、甘孜色达县、延安市吴起县、恩施州宣恩县、绥化市肇东市、济南市济阳区、通化市通化县、昆明市西山区、台州市天台县、牡丹江市绥芬河市、济南市章丘区、西安市蓝田县、咸阳市渭城区、常德市石门县、龙岩市漳平市、长沙市望城区、达州市通川区、双鸭山市集贤县

本周数据平台本月官方渠道公布权威通报:今日监管部门传达新研究成果,《探寻“簧色”漫画的独特魅力：传统与现代的交融之美》

在繁忙的都市生活中，漫画作为一种轻松愉悦的娱乐方式，深受广大年轻人的喜爱。近年来，一种名为“簧色manhua”的漫画风格逐渐崭露头角，以其独特的艺术魅力吸引了众多读者。那么，究竟什么是“簧色manhua”？它又为何能成为漫画界的一股清流呢？ “簧色”一词源于日语中的“かんせき”（Kanseki），意为“金属的色泽”。在漫画领域，它被赋予了新的含义，指的是漫画作品中那种独特的色彩运用和画面质感。而“manhua”则是“漫画”的音译，因此“簧色manhua”可以理解为具有金属色泽的漫画。 簧色manhua的特点主要体现在以下几个方面： 1. 色彩运用：簧色manhua在色彩上追求金属质感，常用冷色调和渐变色，营造出一种神秘、冷酷的氛围。同时，色彩的运用也富有层次感，使画面更具立体感。 2. 画面质感：簧色manhua的画面质感独特，线条流畅，具有强烈的视觉冲击力。在画面表现上，常常运用光影效果，使人物形象更加生动。 3. 故事情节：簧色manhua的故事情节丰富多样，既有悬疑、恐怖、科幻等题材，也有爱情、友情、成长等温馨故事。这些故事往往具有深刻的内涵，引人深思。 4. 人物塑造：在簧色manhua中，人物形象鲜明，个性突出。作者通过对人物外貌、性格、心理的刻画，使人物形象更加立体、丰满。 5. 文化内涵：簧色manhua在创作过程中，融入了丰富的文化元素，如中国传统文化、日本动漫文化等。这种跨文化的融合，使漫画更具观赏性和艺术价值。 那么，簧色manhua为何能成为漫画界的一股清流呢？ 首先，簧色manhua在艺术表现上具有创新性。它打破了传统漫画的束缚，将金属质感与漫画相结合，为读者带来全新的视觉体验。 其次，簧色manhua在故事情节和人物塑造上具有深度。它不仅关注表面现象，更深入挖掘人物内心世界，引发读者共鸣。 再次，簧色manhua在文化内涵上具有独特性。它将不同文化元素融合在一起，展现了多元文化的魅力。 总之，簧色manhua以其独特的艺术魅力和丰富的文化内涵，成为了漫画界的一股清流。在未来的日子里，相信它会继续发展壮大，为读者带来更多精彩的作品。而对于我们来说，欣赏和传承这种独特的艺术风格，也是我们肩负的责任。让我们共同期待簧色manhua的未来，期待它为世界漫画文化贡献更多精彩。

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。