本月国家机构发布重大政策通报,揭秘“李宗瑞照片种子”：网络传播的伦理困境与法律边界

今日行业协会发布最新研究成果,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。以旧换新服务中心，全流程指导

大庆市肇源县、郴州市宜章县 ，莆田市城厢区、毕节市纳雍县、鸡西市滴道区、湘西州吉首市、西安市鄠邑区、东莞市长安镇、龙岩市长汀县、汕尾市城区、庆阳市宁县、辽源市东辽县、济南市济阳区、白沙黎族自治县细水乡、德宏傣族景颇族自治州盈江县、三明市建宁县、万宁市南桥镇 、洛阳市老城区、佛山市三水区、西安市碑林区、舟山市普陀区、驻马店市汝南县、玉溪市红塔区、大兴安岭地区加格达奇区、甘南碌曲县、永州市江永县、吉林市桦甸市、南平市松溪县、天津市宝坻区

可视化故障排除专线,近日行业报告发布研究成果,揭秘“李宗瑞照片种子”：网络传播的伦理困境与法律边界，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务中心联系方式，全渠道便捷沟通

宣城市广德市、商洛市山阳县 ，徐州市鼓楼区、枣庄市山亭区、乐山市马边彝族自治县、台州市温岭市、泰州市海陵区、雅安市名山区、广州市从化区、焦作市修武县、齐齐哈尔市铁锋区、大兴安岭地区塔河县、宿迁市沭阳县、广西贺州市昭平县、广西玉林市北流市、内蒙古乌兰察布市卓资县、扬州市高邮市 、凉山布拖县、大连市庄河市、重庆市大足区、巴中市通江县、甘孜得荣县、西宁市湟中区、毕节市赫章县、西安市碑林区、黔东南黎平县、文山麻栗坡县、临高县和舍镇、本溪市桓仁满族自治县、西安市高陵区、广西贵港市平南县

全球服务区域: 哈尔滨市延寿县、重庆市渝中区 、成都市金牛区、广州市黄埔区、鹤岗市绥滨县、成都市简阳市、天水市秦安县、亳州市谯城区、贵阳市白云区、湘西州泸溪县、汕头市潮阳区、陇南市徽县、达州市开江县、临汾市乡宁县、大同市浑源县、安阳市文峰区、南京市栖霞区 、广西来宾市武宣县、普洱市思茅区、内蒙古通辽市奈曼旗、海南贵南县、泰安市宁阳县

本周数据平台本月监管部门通报最新动态,本月官方更新行业研究报告,揭秘“李宗瑞照片种子”：网络传播的伦理困境与法律边界，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

全国服务区域: 白山市长白朝鲜族自治县、广元市利州区 、铜川市宜君县、海西蒙古族天峻县、天津市滨海新区、内蒙古巴彦淖尔市杭锦后旗、德州市禹城市、铜川市耀州区、东莞市东坑镇、东莞市石碣镇、广西河池市都安瑶族自治县、渭南市合阳县、鸡西市鸡冠区、内蒙古包头市昆都仑区、永州市江永县、乐东黎族自治县万冲镇、三亚市崖州区 、成都市金牛区、陇南市文县、文山马关县、佳木斯市抚远市、常州市金坛区、海北门源回族自治县、黔西南普安县、四平市铁西区、邵阳市城步苗族自治县、东莞市东城街道、安阳市殷都区、通化市集安市、楚雄牟定县、临汾市洪洞县、澄迈县金江镇、临汾市安泽县、白城市洮南市、双鸭山市宝山区、甘孜道孚县、牡丹江市宁安市、内蒙古阿拉善盟阿拉善左旗、广西桂林市龙胜各族自治县、济宁市金乡县、乐山市市中区

本周数据平台稍早前行业协会报道新政:本月研究机构传递最新政策,揭秘“李宗瑞照片种子”：网络传播的伦理困境与法律边界

近年来，随着互联网的普及，网络信息传播速度之快，影响之广，已经超出了人们的想象。然而，在信息爆炸的时代，一些负面新闻和隐私泄露事件也层出不穷，其中“李宗瑞照片种子”事件就是其中之一。本文将围绕这一事件，探讨网络传播中的伦理困境和法律边界。 首先，让我们回顾一下“李宗瑞照片种子”事件。李宗瑞，一个曾经风光无限的娱乐圈明星，因涉及色情照片泄露事件，一夜之间成为了公众的焦点。这些照片涉及多名女性，严重侵犯了她们的隐私权。而所谓的“照片种子”，就是指这些照片在网络上被广泛传播，形成了一种无法控制的病毒式传播。 在探讨这一事件时，我们不得不提及网络传播的伦理困境。首先，网络传播的匿名性使得人们可以轻易地发布和传播负面信息，这无疑为隐私泄露事件提供了土壤。其次，网络传播的低门槛使得信息传播速度极快，一旦涉及隐私泄露，后果不堪设想。此外，网络传播的不可追溯性也使得违法行为难以追究责任。 针对这些伦理困境，我们应从以下几个方面进行思考和应对： 1. 加强网络道德教育：提高网民的道德素质，使他们认识到尊重他人隐私的重要性，自觉抵制传播和下载涉及他人隐私的非法信息。 2. 完善网络法律法规：建立健全网络隐私保护法律体系，明确网络传播的道德底线和法律红线，对违法行为进行严厉打击。 3. 提高网络安全技术：加强网络安全技术研发，提高网络传播的监管能力，从技术上防止隐私泄露事件的发生。 4. 强化网络监管：加强对网络平台的监管，督促其履行社会责任，对涉及隐私泄露的违法行为进行查处。 回到“李宗瑞照片种子”事件，我们不禁要问：这些照片是如何被传播出去的？背后是否存在利益链条？这无疑揭示了网络传播中的法律边界问题。 首先，根据我国《侵权责任法》和《网络安全法》，任何单位和个人不得制作、复制、发布、传播含有他人隐私的违法信息。然而，在现实生活中，由于监管难度较大，一些违法行为仍然存在。针对这一现象，有关部门应加大执法力度，严厉打击违法行为。 其次，网络平台在传播过程中也负有责任。根据《网络安全法》，网络运营者应当对网络信息进行安全管理，发现含有违法信息的，应当立即停止传输、保存、删除，并向有关主管部门报告。然而，在实际操作中，一些网络平台为了追求流量，往往忽视了对违法信息的监管，导致隐私泄露事件频发。 总之，“李宗瑞照片种子”事件给我们敲响了警钟，让我们意识到网络传播中的伦理困境和法律边界问题。只有通过全社会的共同努力，才能构建一个健康、有序的网络环境，保护公民的隐私权。

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。