今日官方传达研究成果,《野花社区：探索日本文化的独特窗口》

本月行业报告公开重大成果,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。智能投诉管理系统，自动分类处理

吕梁市汾阳市、屯昌县西昌镇 ，渭南市韩城市、广西玉林市博白县、长春市南关区、宁波市镇海区、内蒙古锡林郭勒盟正镶白旗、大连市金州区、成都市大邑县、成都市新津区、内蒙古巴彦淖尔市乌拉特前旗、池州市青阳县、白沙黎族自治县牙叉镇、湛江市徐闻县、内蒙古阿拉善盟阿拉善右旗、江门市台山市、泉州市永春县 、渭南市临渭区、攀枝花市东区、遵义市播州区、忻州市代县、温州市乐清市、无锡市梁溪区、六盘水市六枝特区、焦作市解放区、镇江市京口区、西宁市城西区、恩施州巴东县、宁夏吴忠市青铜峡市

本周数据平台今日官方渠道披露重磅消息,刚刚官方渠道传达新政策变化,《野花社区：探索日本文化的独特窗口》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电配件订购专线，原厂正品保障

西安市蓝田县、内蒙古鄂尔多斯市鄂托克前旗 ，营口市大石桥市、贵阳市南明区、宁德市周宁县、延安市子长市、邵阳市双清区、宁夏银川市兴庆区、吉安市吉州区、延边图们市、洛阳市偃师区、吕梁市离石区、东莞市东城街道、惠州市惠阳区、成都市新都区、中山市南区街道、株洲市渌口区 、营口市西市区、嘉峪关市文殊镇、咸阳市泾阳县、阜阳市颍州区、庆阳市镇原县、日照市五莲县、乐山市五通桥区、衢州市龙游县、成都市简阳市、芜湖市南陵县、内蒙古乌海市海勃湾区、抚州市南城县、广西南宁市隆安县、鹤壁市浚县

全球服务区域: 抚州市乐安县、张掖市民乐县 、双鸭山市集贤县、果洛玛沁县、天津市蓟州区、海东市乐都区、陵水黎族自治县本号镇、天津市津南区、昌江黎族自治县王下乡、泰州市兴化市、青岛市胶州市、连云港市灌南县、咸阳市渭城区、新乡市辉县市、内蒙古阿拉善盟额济纳旗、吕梁市兴县、海北祁连县 、红河元阳县、广西钦州市灵山县、毕节市赫章县、泰安市泰山区、澄迈县大丰镇

本周数据平台今日多方媒体透露研究成果,本周行业协会披露最新报告,《野花社区：探索日本文化的独特窗口》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电深度清洁专线，彻底解决卫生问题

全国服务区域: 广州市从化区、内蒙古阿拉善盟阿拉善右旗 、嘉峪关市新城镇、昆明市宜良县、重庆市大足区、商丘市宁陵县、厦门市集美区、平顶山市石龙区、内蒙古乌兰察布市四子王旗、宁夏吴忠市青铜峡市、亳州市利辛县、广西南宁市良庆区、濮阳市台前县、杭州市临安区、广西梧州市藤县、广安市邻水县、宣城市绩溪县 、泸州市纳溪区、洛阳市老城区、咸阳市泾阳县、珠海市斗门区、日照市岚山区、延安市志丹县、平顶山市叶县、金华市婺城区、海口市秀英区、大理鹤庆县、海口市秀英区、潍坊市高密市、南昌市青山湖区、内蒙古呼和浩特市新城区、郑州市新密市、广西北海市铁山港区、长治市武乡县、黄石市黄石港区、佳木斯市同江市、重庆市石柱土家族自治县、丽水市青田县、洛阳市栾川县、七台河市茄子河区、定西市通渭县

本月官方渠道传达政策动向:今日行业报告传递政策更新,《野花社区：探索日本文化的独特窗口》

在信息爆炸的时代，网络社区成为了人们获取知识、分享经验、交流文化的平台。其中，野花社区以其独特的视角和丰富的内容，吸引了众多对日本文化感兴趣的网友。在这里，我们可以看到日本的风土人情、传统艺术、现代时尚等各个方面，仿佛打开了一扇通往日本的大门。 野花社区是一个以日本文化为主题的中文社区，成立于2005年。它汇聚了众多热爱日本文化的网友，共同分享和探讨关于日本的点点滴滴。社区内设有多个板块，包括日本历史、动漫、影视、美食、旅游等，内容丰富多样，让人目不暇接。 首先，在野花社区，我们可以了解到日本的历史。社区内有关日本历史的文章，从古代的神话传说到近现代的历史事件，都进行了详细的介绍。通过这些文章，我们不仅能够了解日本的历史脉络，还能感受到日本文化的独特魅力。 其次，动漫和影视是日本文化的重要组成部分。在野花社区，我们可以看到大量的动漫、影视评论和讨论。网友们分享着自己对作品的看法，交流着对日本动漫和影视的热爱。此外，社区还会举办一些动漫展、影视沙龙等活动，让网友们在现实生活中也能感受到日本文化的魅力。 野花社区还关注日本的美食文化。在这里，我们可以了解到各种日本美食的制作方法、食材选择以及背后的文化内涵。社区内的美食板块，汇集了来自全国各地的日本料理达人，他们分享着自己的拿手好菜，让网友们在家就能品尝到地道的日本美食。 此外，野花社区还致力于推广日本的旅游文化。社区内有大量的日本旅游攻略、景点介绍和旅行心得，让网友们在足不出户的情况下，就能领略到日本的美丽风光。同时，社区还会组织一些线上线下的日本旅游交流活动，让网友们在旅途中结识新朋友，共同体验日本的风土人情。 在野花社区，我们还可以了解到日本的传统文化。如茶道、花道、书道等，这些传统艺术在日本文化中占有举足轻重的地位。社区内有关这些传统艺术的介绍，让网友们对日本文化有了更深入的了解。 值得一提的是，野花社区不仅是一个文化交流的平台，还是一个温暖的大家庭。在这里，网友们可以畅所欲言，分享自己的喜怒哀乐。社区管理员和热心网友会及时回复大家的疑问，为大家排忧解难。这种互帮互助的精神，使得野花社区成为了许多网友心中不可或缺的一部分。 总之，野花社区是一个看日本文化的独特窗口。在这里，我们可以了解到日本的历史、动漫、美食、旅游、传统艺术等各个方面，感受到日本文化的魅力。如果你对日本文化感兴趣，不妨加入野花社区，一起探索这个神秘而美丽的国度吧！

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。