昨日行业报告发布重要成果,火法天赋80：揭秘《魔兽世界》中火焰法师的绝世魅力

今日国家机构传递新政策,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。专业售后服务中心，技术团队随时支援

泉州市晋江市、三明市永安市 ，赣州市于都县、大理祥云县、内蒙古阿拉善盟阿拉善左旗、广西柳州市融安县、内蒙古呼和浩特市清水河县、大连市金州区、宁夏固原市西吉县、湘潭市雨湖区、陵水黎族自治县椰林镇、哈尔滨市松北区、吉安市安福县、揭阳市普宁市、屯昌县坡心镇、甘孜白玉县、张家界市永定区 、临汾市侯马市、攀枝花市盐边县、惠州市惠城区、泉州市鲤城区、亳州市蒙城县、忻州市定襄县、铁岭市西丰县、阳江市阳西县、淄博市淄川区、清远市连山壮族瑶族自治县、大连市瓦房店市、伊春市丰林县

近日监测中心公开最新参数,今日行业报告披露最新研究成果,火法天赋80：揭秘《魔兽世界》中火焰法师的绝世魅力，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

郴州市桂阳县、韶关市始兴县 ，临沧市沧源佤族自治县、昌江黎族自治县海尾镇、重庆市潼南区、武汉市江夏区、巴中市巴州区、忻州市代县、咸阳市武功县、天水市秦州区、白城市镇赉县、哈尔滨市五常市、萍乡市芦溪县、宜昌市枝江市、怀化市靖州苗族侗族自治县、德宏傣族景颇族自治州盈江县、荆州市松滋市 、恩施州来凤县、鹤岗市萝北县、攀枝花市米易县、铜川市印台区、中山市神湾镇、广西崇左市扶绥县、忻州市原平市、韶关市翁源县、牡丹江市海林市、滨州市无棣县、青岛市市南区、大庆市龙凤区、宁波市鄞州区、内蒙古锡林郭勒盟阿巴嘎旗

全球服务区域: 茂名市化州市、德州市禹城市 、汕头市澄海区、锦州市北镇市、商丘市宁陵县、大连市瓦房店市、常州市金坛区、开封市禹王台区、上海市奉贤区、开封市兰考县、鹤岗市兴山区、宁夏吴忠市同心县、惠州市惠阳区、文昌市龙楼镇、内蒙古阿拉善盟阿拉善左旗、绥化市青冈县、荆门市钟祥市 、楚雄元谋县、潮州市潮安区、淄博市淄川区、南平市延平区、广西来宾市金秀瑶族自治县

本周数据平台近日官方渠道公开最新动态,昨日监管部门传递行业研究成果,火法天赋80：揭秘《魔兽世界》中火焰法师的绝世魅力，很高兴为您解答这个问题，让我来帮您详细说明一下：专业售后团队，客服热线随时待命

全国服务区域: 朔州市平鲁区、伊春市铁力市 、宁波市慈溪市、益阳市赫山区、杭州市西湖区、济南市长清区、辽源市东辽县、杭州市富阳区、洛阳市宜阳县、黑河市孙吴县、临汾市汾西县、延安市安塞区、丽水市遂昌县、信阳市固始县、通化市辉南县、文昌市文教镇、襄阳市宜城市 、东方市感城镇、达州市宣汉县、盐城市滨海县、荆州市洪湖市、临夏永靖县、韶关市南雄市、楚雄南华县、云浮市郁南县、湘西州吉首市、广西贵港市覃塘区、七台河市茄子河区、福州市鼓楼区、天津市静海区、上饶市横峰县、鹤岗市南山区、大连市长海县、保亭黎族苗族自治县什玲、临沧市临翔区、商洛市柞水县、黔东南台江县、哈尔滨市香坊区、临汾市大宁县、佳木斯市向阳区、乐山市沙湾区

统一售后服务专线，全国联网服务:昨日行业报告传递新成果,火法天赋80：揭秘《魔兽世界》中火焰法师的绝世魅力

在《魔兽世界》这款风靡全球的MMORPG游戏中，火法（火焰法师）一直以来都是玩家们热衷的职业之一。作为一名火法天赋80的玩家，我深知这个职业的独特魅力所在。今天，就让我为大家揭秘火法天赋80背后的故事。 火法，顾名思义，以火焰为主要攻击手段的职业。在游戏中，火法以其强大的单体伤害、出色的爆发力和独特的元素魔法而备受玩家喜爱。而天赋80，则代表着火法玩家在技能、装备、属性等方面都达到了极高的水平。 首先，让我们来看看火法的技能。火法拥有丰富的技能组合，如烈焰术、火球术、火雨术等。这些技能不仅威力巨大，而且操作难度适中，使得火法在战斗中游刃有余。而天赋80的火法，更是将这些技能发挥到了极致。在战斗中，他们能够迅速释放连招，对敌人造成毁灭性的打击。 其次，火法的装备也是其强大实力的关键。作为一名天赋80的火法，装备的选择至关重要。在游戏中，火法主要追求的是攻击力、暴击率和火抗性。因此，他们通常会佩戴一些高攻击力、高暴击率的装备，以提升自己的输出能力。同时，火法还会佩戴一些火抗性装备，以应对来自敌人的火焰伤害。 除了技能和装备，火法的属性也是其强大的关键。在游戏中，火法的属性主要包括攻击力、暴击率、火抗性、法术强度等。天赋80的火法，在属性方面自然也是出类拔萃。他们不仅攻击力惊人，而且暴击率极高，使得火法在战斗中能够轻松秒杀敌人。 然而，火法并非没有弱点。在游戏中，火法最怕的就是冰抗性和神圣抗性。因此，作为一名天赋80的火法，了解敌人的弱点，选择合适的战术，也是至关重要的。在战斗中，火法需要时刻关注敌人的抗性，以便调整自己的攻击策略。 此外，火法在团队中扮演着重要的角色。作为团队的核心输出，火法需要具备良好的团队协作能力。在游戏中，火法需要与队友密切配合，共同击败强大的敌人。而天赋80的火法，更是能够凭借出色的操作和敏锐的判断，带领团队走向胜利。 总之，火法天赋80在《魔兽世界》中具有极高的地位。他们凭借强大的实力和独特的魅力，成为了无数玩家心目中的英雄。然而，火法的强大并非一蹴而就，背后需要玩家付出大量的时间和精力去培养。作为一名天赋80的火法，我深知这个职业的艰辛与快乐。在今后的游戏中，我将继续努力，为火法这个职业添砖加瓦，为团队贡献自己的力量。 最后，我想对那些热爱火法的玩家说：火法天赋80并非遥不可及，只要我们努力拼搏，相信自己，终将实现自己的梦想。让我们一起在《魔兽世界》的舞台上，尽情挥洒火法的热情，书写属于我们的传奇故事吧！

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。