本月行业协会披露新研究动态,《文明5：揭秘游戏中的实用秘籍，助你称霸世界！》

今日研究机构公开最新动态,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。家电故障远程诊断，视频指导快速解决

东莞市凤岗镇、万宁市三更罗镇 ，伊春市汤旺县、吉林市龙潭区、乐山市五通桥区、临沂市河东区、辽阳市灯塔市、上饶市万年县、吉林市桦甸市、阿坝藏族羌族自治州小金县、内蒙古通辽市扎鲁特旗、聊城市莘县、自贡市富顺县、梅州市兴宁市、定安县雷鸣镇、内蒙古巴彦淖尔市杭锦后旗、遵义市桐梓县 、滁州市明光市、温州市平阳县、玉溪市通海县、湛江市徐闻县、宁夏银川市永宁县、南京市秦淮区、武汉市江岸区、烟台市福山区、焦作市温县、德州市禹城市、六安市裕安区、新乡市延津县

刚刚科研委员会公布突破成果,今日监管部门披露行业动向,《文明5：揭秘游戏中的实用秘籍，助你称霸世界！》，很高兴为您解答这个问题，让我来帮您详细说明一下：智能派单系统，维修师傅快速上门

泰州市姜堰区、新余市分宜县 ，汕尾市陆丰市、梅州市丰顺县、九江市武宁县、天津市西青区、丹东市振兴区、安康市石泉县、益阳市沅江市、黄石市黄石港区、新乡市卫滨区、广西贵港市覃塘区、凉山布拖县、成都市大邑县、铜川市印台区、泰安市宁阳县、西宁市大通回族土族自治县 、内蒙古巴彦淖尔市乌拉特前旗、驻马店市平舆县、武汉市江岸区、成都市青白江区、齐齐哈尔市碾子山区、毕节市七星关区、太原市娄烦县、抚顺市望花区、安康市镇坪县、福州市台江区、天水市甘谷县、渭南市韩城市、延边和龙市、杭州市西湖区

全球服务区域: 文山马关县、山南市 、宜宾市翠屏区、重庆市潼南区、广西北海市银海区、遂宁市安居区、聊城市莘县、朔州市应县、广西钦州市灵山县、上海市宝山区、广安市武胜县、陇南市宕昌县、咸宁市咸安区、延边图们市、长沙市雨花区、昆明市寻甸回族彝族自治县、张家界市桑植县 、恩施州恩施市、临夏康乐县、烟台市龙口市、南充市阆中市、鹤壁市山城区

近日检测中心传出核心指标,今日行业协会披露新政策动向,《文明5：揭秘游戏中的实用秘籍，助你称霸世界！》，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

全国服务区域: 抚州市东乡区、大兴安岭地区呼玛县 、成都市简阳市、南通市海门区、宁夏石嘴山市大武口区、南阳市新野县、双鸭山市四方台区、荆州市监利市、内蒙古鄂尔多斯市康巴什区、九江市德安县、东莞市茶山镇、昭通市镇雄县、吕梁市孝义市、雅安市宝兴县、晋中市左权县、郴州市汝城县、汕头市澄海区 、三明市三元区、保山市施甸县、临沧市云县、营口市老边区、德州市禹城市、内蒙古包头市土默特右旗、黔东南岑巩县、吉林市丰满区、恩施州鹤峰县、辽源市东丰县、大同市天镇县、东方市感城镇、青岛市平度市、晋中市左权县、驻马店市新蔡县、榆林市子洲县、赣州市赣县区、湖州市安吉县、昆明市呈贡区、广安市前锋区、广西崇左市天等县、营口市老边区、烟台市莱阳市、杭州市萧山区

本周数据平台今日数据平台透露最新消息:今日官方传达行业研究成果,《文明5：揭秘游戏中的实用秘籍，助你称霸世界！》

《文明5》作为一款深受玩家喜爱的策略游戏，自发布以来便以其丰富的历史背景、复杂的文明发展机制以及多样化的游戏玩法吸引了无数玩家。在这款游戏中，如何才能更快地发展文明、称霸世界呢？今天，就让我为大家揭秘一些《文明5》中的实用秘籍，助你一臂之力！ ### 1. 选择合适的起始位置 在《文明5》中，选择一个合适的起始位置对于文明的发展至关重要。一般来说，靠近资源丰富、地形平坦的区域更有利于文明的发展。此外，选择一个能够快速连接其他文明的位置，可以让你在早期就建立起良好的外交关系。 ### 2. 合理规划城市布局 城市布局是文明发展的关键。在规划城市时，要注意以下几点： - **资源分配**：合理分配城市中的资源，确保各个建筑和单位都能得到充足的发展。 - **道路建设**：道路是连接各个建筑和单位的纽带，要确保道路布局合理，便于交通和资源运输。 - **防御措施**：在城市建设中，要充分考虑防御措施，确保城市安全。 ### 3. 利用科技树 科技树是文明发展的重要途径。在游戏中，要善于利用科技树，优先发展对文明发展有重要意义的科技。以下是一些科技优先发展的建议： - **早期**：优先发展农业和军事科技，为文明发展打下基础。 - **中期**：发展工业和科技，提高生产力，为文明发展提供动力。 - **后期**：发展文化、外交和军事科技，提升文明实力。 ### 4. 善用外交策略 在游戏中，外交策略对于文明的发展至关重要。以下是一些建议： - **结盟**：与其他文明结盟，共同对抗敌人，扩大势力范围。 - **扩张**：合理利用外交手段，扩大领土，增加资源。 - **中立**：在适当的时候保持中立，避免卷入战争。 ### 5. 培养英雄 英雄是文明发展的关键，要善于培养英雄。以下是一些建议： - **选择合适的英雄**：根据文明特点和发展方向，选择合适的英雄。 - **培养英雄技能**：合理分配英雄技能，提高英雄实力。 - **英雄搭配**：将英雄与其他单位搭配，发挥最大战斗力。 ### 6. 激活文明特性 每个文明都有独特的文明特性，要善于利用这些特性。以下是一些建议： - **了解文明特性**：在游戏开始前，了解自己文明的特性，为文明发展制定策略。 - **合理运用文明特性**：在游戏中，合理运用文明特性，提升文明实力。 总之，《文明5》是一款充满挑战和乐趣的游戏。通过以上实用秘籍，相信你一定能在游戏中取得优异成绩，成为世界霸主！祝你在《文明5》的世界里一路顺风，所向披靡！

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。