本月监管部门发布行业新报告,高效农业新篇章：JI液灌溉系统助力农业现代化

昨日行业报告更新行业新动向,1年涨五倍，被苹果看上的“模型瘦身”公司靠谱吗？,很高兴为您解答这个问题，让我来帮您详细说明一下。家电维修服务电话，持证技师上门服务

达州市开江县、江门市新会区 ，泰州市姜堰区、黑河市北安市、眉山市东坡区、天水市甘谷县、临沂市临沭县、郴州市资兴市、泉州市德化县、成都市青白江区、无锡市江阴市、东莞市石龙镇、甘南玛曲县、鞍山市千山区、西宁市城西区、聊城市莘县、安庆市潜山市 、宜宾市屏山县、潍坊市寿光市、鄂州市鄂城区、茂名市茂南区、十堰市竹山县、文山广南县、双鸭山市岭东区、萍乡市莲花县、汉中市西乡县、乐山市沙湾区、吉林市龙潭区、潮州市饶平县

刚刚决策小组公开重大调整,昨日相关部门发布重要研究成果,高效农业新篇章：JI液灌溉系统助力农业现代化，很高兴为您解答这个问题，让我来帮您详细说明一下：家电24小时服务热线，紧急故障优先处理

池州市青阳县、蚌埠市蚌山区 ，中山市坦洲镇、哈尔滨市阿城区、南昌市安义县、遂宁市安居区、济宁市任城区、大兴安岭地区塔河县、保山市施甸县、内蒙古通辽市库伦旗、北京市朝阳区、宜昌市点军区、遵义市习水县、宁夏中卫市中宁县、吕梁市岚县、合肥市长丰县、黑河市嫩江市 、南阳市方城县、黔东南麻江县、广西梧州市万秀区、濮阳市范县、遂宁市蓬溪县、宿州市泗县、长治市襄垣县、达州市达川区、郴州市桂东县、天津市蓟州区、牡丹江市绥芬河市、广西南宁市青秀区、临汾市安泽县、常州市新北区

全球服务区域: 宁德市周宁县、榆林市神木市 、滁州市明光市、宜昌市秭归县、宁夏中卫市沙坡头区、广西防城港市上思县、阜新市彰武县、安阳市文峰区、合肥市庐江县、临夏康乐县、陵水黎族自治县本号镇、安康市镇坪县、内蒙古通辽市奈曼旗、乐山市五通桥区、宜昌市夷陵区、郑州市登封市、怀化市辰溪县 、普洱市景东彝族自治县、朝阳市北票市、十堰市张湾区、宜昌市兴山县、忻州市代县

作为国家高新技术企业认证平台,今日行业报告发布新政策变化,高效农业新篇章：JI液灌溉系统助力农业现代化，很高兴为您解答这个问题，让我来帮您详细说明一下：家电保养提醒服务，延长产品使用寿命

全国服务区域: 中山市三角镇、雅安市天全县 、阜新市彰武县、焦作市修武县、延边安图县、广西百色市田林县、兰州市皋兰县、遵义市汇川区、菏泽市郓城县、内蒙古通辽市霍林郭勒市、内蒙古呼和浩特市新城区、温州市瓯海区、鸡西市鸡东县、广西柳州市柳城县、安庆市望江县、达州市通川区、亳州市涡阳县 、南京市建邺区、长治市平顺县、广西河池市天峨县、马鞍山市花山区、济南市市中区、武汉市江岸区、淄博市淄川区、上海市奉贤区、凉山昭觉县、昆明市五华区、武汉市江岸区、六安市金安区、宜昌市长阳土家族自治县、临沧市临翔区、聊城市茌平区、宿迁市沭阳县、泰安市肥城市、自贡市大安区、绵阳市江油市、成都市都江堰市、重庆市南川区、陵水黎族自治县本号镇、重庆市铜梁区、甘孜康定市

本周数据平台近期行业报告发布政策动向:今日相关部门披露重要进展,高效农业新篇章：JI液灌溉系统助力农业现代化

随着科技的飞速发展，我国农业现代化进程不断加快，其中，JI液灌溉系统作为一项重要的农业技术，正逐渐成为提高农业生产效率、保障粮食安全的关键因素。本文将深入探讨JI液灌溉系统的原理、应用以及在我国农业发展中的重要作用。 一、JI液灌溉系统的原理 JI液灌溉系统，全称为“精准灌溉系统”，是一种基于现代信息技术、物联网技术、自动化控制技术等综合应用的农业灌溉技术。该系统通过实时监测土壤水分、作物需水量等信息，根据作物生长阶段和土壤状况，精确控制灌溉水量，实现水资源的高效利用。 JI液灌溉系统主要由以下几部分组成： 1. 传感器：用于实时监测土壤水分、温度、养分等数据。 2. 控制中心：负责接收传感器数据，根据预设参数进行灌溉决策。 3. 灌溉设备：包括灌溉管道、喷头、滴灌带等，用于将灌溉水输送到作物根部。 4. 通信模块：负责将传感器数据和控制指令传输到控制中心。 二、JI液灌溉系统的应用 1. 提高水资源利用率：JI液灌溉系统可以根据作物需水量进行精准灌溉，有效避免水资源浪费，提高水资源利用率。 2. 提高作物产量：精准灌溉有助于作物根系充分吸收水分和养分，促进作物生长，提高作物产量。 3. 改善土壤环境：JI液灌溉系统可以降低土壤盐渍化程度，改善土壤结构，提高土壤肥力。 4. 适应性强：JI液灌溉系统可适用于各种地形、土壤和作物，具有较强的适应性。 三、JI液灌溉系统在我国农业发展中的作用 1. 保障粮食安全：JI液灌溉系统有助于提高作物产量，保障国家粮食安全。 2. 促进农业产业结构调整：JI液灌溉系统可以提高农业效益，为农业产业结构调整提供有力支持。 3. 推动农业现代化：JI液灌溉系统是现代农业技术的重要组成部分，有助于推动我国农业现代化进程。 4. 节能减排：JI液灌溉系统有助于降低农业用水量，减少化肥、农药使用，实现农业可持续发展。 总之，JI液灌溉系统作为一种高效、精准的农业灌溉技术，在我国农业发展中具有重要作用。随着技术的不断成熟和应用范围的不断扩大，JI液灌溉系统将为我国农业现代化、保障粮食安全、促进农业可持续发展提供有力支持。让我们共同期待JI液灌溉系统在我国农业领域的广泛应用，为我国农业发展谱写新篇章。

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网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。