本月官方披露重大研究成果,网络热议：揭秘“黑料吃瓜热点事件反差婊”现象背后的真相

近日官方更新研究报告,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。家电问题反馈专线，多渠道受理投诉

广西崇左市凭祥市、三明市建宁县 ，兰州市西固区、铜川市耀州区、内江市东兴区、通化市柳河县、长治市长子县、温州市泰顺县、滨州市滨城区、阜阳市界首市、甘孜康定市、衡阳市耒阳市、楚雄武定县、琼海市万泉镇、青岛市李沧区、抚州市黎川县、宜昌市猇亭区 、聊城市茌平区、毕节市织金县、通化市集安市、中山市南头镇、广西梧州市岑溪市、葫芦岛市绥中县、双鸭山市宝清县、韶关市乳源瑶族自治县、绥化市肇东市、信阳市平桥区、泰州市靖江市、泰安市肥城市

可视化操作指导热线,今日行业协会发布重大政策,网络热议：揭秘“黑料吃瓜热点事件反差婊”现象背后的真相，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

济南市济阳区、苏州市吴中区 ，株洲市攸县、乐山市峨边彝族自治县、玉溪市易门县、延安市子长市、阜新市新邱区、宁夏石嘴山市惠农区、邵阳市大祥区、汕头市澄海区、宣城市绩溪县、漳州市云霄县、青岛市即墨区、恩施州来凤县、焦作市修武县、永州市江华瑶族自治县、哈尔滨市道外区 、遵义市湄潭县、西安市高陵区、衡阳市耒阳市、洛阳市瀍河回族区、广西梧州市长洲区、鹤岗市萝北县、苏州市吴江区、随州市曾都区、东莞市长安镇、淄博市沂源县、乐东黎族自治县利国镇、内蒙古呼伦贝尔市额尔古纳市、吕梁市兴县、苏州市虎丘区

全球服务区域: 齐齐哈尔市龙沙区、盐城市阜宁县 、晋城市沁水县、甘孜白玉县、昭通市绥江县、东营市东营区、天津市红桥区、延安市子长市、鹤岗市绥滨县、营口市盖州市、榆林市米脂县、榆林市府谷县、东莞市凤岗镇、徐州市贾汪区、内蒙古包头市青山区、连云港市灌云县、南充市西充县 、天津市西青区、东营市河口区、天水市清水县、濮阳市清丰县、广西百色市那坡县

可视化故障排除专线，实时监测数据,今日研究机构披露重要行业研究成果,网络热议：揭秘“黑料吃瓜热点事件反差婊”现象背后的真相，很高兴为您解答这个问题，让我来帮您详细说明一下：故障诊断服务中心，专业检测设备

全国服务区域: 衡阳市石鼓区、广州市增城区 、泸州市合江县、新余市分宜县、郑州市二七区、中山市三乡镇、宿迁市沭阳县、黑河市孙吴县、平凉市崆峒区、郑州市中牟县、许昌市魏都区、内蒙古鄂尔多斯市鄂托克旗、泰州市泰兴市、江门市鹤山市、白沙黎族自治县细水乡、广西桂林市叠彩区、上海市闵行区 、甘孜色达县、天津市西青区、阳江市江城区、周口市川汇区、长治市武乡县、黄山市徽州区、东方市八所镇、周口市沈丘县、中山市南区街道、黄南河南蒙古族自治县、伊春市铁力市、洛阳市偃师区、武汉市汉南区、开封市顺河回族区、伊春市汤旺县、吉林市蛟河市、济南市天桥区、台州市仙居县、聊城市莘县、铜川市耀州区、淮安市洪泽区、果洛达日县、韶关市翁源县、黄山市黟县

昨日官方渠道公开新变化:近日监管部门透露最新动态,网络热议：揭秘“黑料吃瓜热点事件反差婊”现象背后的真相

在信息爆炸的今天，网络热点事件层出不穷，而其中“黑料吃瓜热点事件反差婊”现象更是引人关注。这一现象背后，隐藏着怎样的故事？我们不妨来一探究竟。 首先，让我们来了解一下“黑料吃瓜热点事件反差婊”的含义。黑料，指的是网络上关于某人的负面信息；吃瓜，则是网络用语，表示围观、了解事件；热点事件，即近期引起广泛关注的事件；反差婊，则是指表面光鲜亮丽，实则心机深沉、虚伪做作的人。将这四个关键词组合在一起，便形成了“黑料吃瓜热点事件反差婊”这一现象。 近年来，随着网络舆论的发酵，许多明星、网红等公众人物被卷入“黑料吃瓜热点事件反差婊”的风波。这些事件往往始于某个细节或言论，随后迅速发酵，成为全民关注的焦点。在这个过程中，人们通过“吃瓜”来了解事件真相，同时也揭示了部分公众人物的反差性格。 首先，让我们看看这些事件是如何产生的。在娱乐圈，明星为了提高知名度，往往会通过炒作、制造话题来吸引粉丝。然而，在追求名利的过程中，一些明星却走上了“黑料吃瓜热点事件反差婊”的道路。他们通过各种手段，如自黑、炒作负面新闻等，试图在舆论中塑造自己“真实”、“接地气”的形象。然而，这种做法往往适得其反，让人们对他们的真实面目产生质疑。 其次，这些事件为何会引起广泛关注？一方面，网络舆论的传播速度极快，使得事件迅速发酵；另一方面，人们对于娱乐圈的八卦新闻本身就充满好奇。在“吃瓜”的过程中，人们既能满足自己的好奇心，又能对事件中的反差人物进行评判，从而形成了“黑料吃瓜热点事件反差婊”现象。 然而，这种现象背后也存在着一些问题。首先，过度追求热点事件，容易导致人们对真实事件的忽视。其次，在“吃瓜”的过程中，人们往往会陷入对明星、网红等公众人物的过度关注，从而忽视了现实生活中的人际关系、工作学习等方面。最后，部分公众人物利用“黑料吃瓜热点事件反差婊”来炒作自己，损害了社会风气。 面对这一现象，我们应该如何应对呢？首先，我们要保持理性，不要盲目跟风，对待热点事件要冷静思考。其次，我们要关注现实生活中的人际关系、工作学习等方面，提高自己的综合素质。最后，我们要学会辨别真伪，不被虚假新闻所迷惑。 总之，“黑料吃瓜热点事件反差婊”现象反映了网络时代下人们对于八卦新闻的过度关注。面对这一现象，我们要保持理性，关注自身成长，共同营造一个健康、向上的网络环境。

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。