今日官方渠道发布研究成果,日韩精品卡：一卡在手，尽享日韩娱乐盛宴

今日行业报告披露重大变化,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。智能投诉管理系统，自动分类处理

韶关市浈江区、韶关市乐昌市 ，牡丹江市爱民区、东莞市石碣镇、中山市东升镇、广西柳州市鱼峰区、渭南市华阴市、东莞市凤岗镇、北京市密云区、重庆市黔江区、琼海市大路镇、潮州市潮安区、东莞市沙田镇、宝鸡市太白县、沈阳市浑南区、南平市松溪县、郑州市新郑市 、南京市江宁区、大理洱源县、鸡西市梨树区、内蒙古赤峰市敖汉旗、乐山市沙湾区、毕节市织金县、盘锦市兴隆台区、北京市门头沟区、大兴安岭地区漠河市、齐齐哈尔市龙江县、江门市新会区、赣州市上犹县

本周数据平台最新研究机构传出新变化,今日行业报告更新新成果,日韩精品卡：一卡在手，尽享日韩娱乐盛宴，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客服电话，系统自动派单处理

玉树治多县、白银市平川区 ，临沂市费县、晋中市左权县、长沙市宁乡市、玉树杂多县、赣州市定南县、九江市永修县、迪庆维西傈僳族自治县、松原市乾安县、凉山美姑县、重庆市垫江县、南充市嘉陵区、佳木斯市同江市、德宏傣族景颇族自治州盈江县、抚州市黎川县、遂宁市蓬溪县 、蚌埠市蚌山区、达州市万源市、大连市金州区、吕梁市交口县、保亭黎族苗族自治县什玲、海东市民和回族土族自治县、广西桂林市平乐县、茂名市化州市、长沙市长沙县、黔南荔波县、昆明市官渡区、衡阳市蒸湘区、枣庄市市中区、伊春市金林区

全球服务区域: 朝阳市北票市、临汾市洪洞县 、吕梁市交城县、白银市平川区、安庆市潜山市、凉山会理市、汉中市洋县、景德镇市昌江区、上海市嘉定区、武汉市黄陂区、长治市潞城区、双鸭山市集贤县、嘉兴市南湖区、广西梧州市龙圩区、临高县皇桐镇、宜昌市兴山县、朝阳市龙城区 、乐东黎族自治县莺歌海镇、苏州市虎丘区、西宁市大通回族土族自治县、白沙黎族自治县南开乡、齐齐哈尔市克东县

本周数据平台近期行业报告发布政策动向,昨日官方发布新变化,日韩精品卡：一卡在手，尽享日韩娱乐盛宴，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用问题咨询，实时解答各类疑问

全国服务区域: 金华市磐安县、遵义市凤冈县 、杭州市桐庐县、东莞市石碣镇、黄山市黄山区、商洛市山阳县、平顶山市汝州市、亳州市谯城区、长治市潞州区、甘南临潭县、丽水市云和县、内蒙古兴安盟阿尔山市、宁夏吴忠市同心县、烟台市招远市、南通市如皋市、渭南市临渭区、汉中市洋县 、内蒙古乌海市乌达区、潍坊市寒亭区、济宁市汶上县、吕梁市交口县、东莞市高埗镇、遵义市仁怀市、朝阳市龙城区、内蒙古阿拉善盟阿拉善左旗、抚顺市顺城区、安庆市宿松县、咸阳市彬州市、咸宁市崇阳县、宜昌市当阳市、东方市感城镇、眉山市丹棱县、南阳市卧龙区、自贡市富顺县、商洛市丹凤县、嘉兴市南湖区、盐城市盐都区、洛阳市嵩县、三门峡市义马市、周口市项城市、北京市通州区

本周数据平台本月相关部门通报重要进展:本月行业协会发布新研究报告,日韩精品卡：一卡在手，尽享日韩娱乐盛宴

随着全球化进程的加速，日韩文化逐渐渗透到我们的生活之中。从流行音乐到时尚潮流，从动漫电影到综艺节目，日韩文化已经成为了我们生活中不可或缺的一部分。为了满足广大粉丝对日韩文化的热爱，各大平台纷纷推出了日韩精品卡，其中“一卡二卡三卡四卡”便是其中的佼佼者。今天，就让我们一起来了解一下这些日韩精品卡，看看它们能为我们的生活带来哪些精彩。 一卡：日韩娱乐通 日韩娱乐通是一张集成了日韩音乐、影视、动漫、综艺等多种娱乐内容的综合性卡。持有这张卡的用户，可以随时随地享受日韩文化的魅力。无论是热门日剧、韩剧，还是经典动漫、综艺节目，一卡在手，尽享日韩娱乐盛宴。 二卡：日韩音乐狂欢 二卡主要针对日韩音乐爱好者。这张卡包含了海量日韩音乐资源，包括热门歌曲、经典曲目、独家首发等。用户可以通过二卡，轻松收藏自己喜欢的日韩音乐，随时欣赏，畅享音乐狂欢。 三卡：日韩动漫盛宴 三卡专为动漫爱好者量身打造。这张卡汇聚了众多日韩经典动漫，如《火影忍者》、《海贼王》、《名侦探柯南》等。用户可以通过三卡，重温经典，发现新作品，畅游动漫世界。 四卡：日韩综艺大放送 四卡则聚焦于日韩综艺节目。这张卡包含了众多热门综艺节目，如《Running Man》、《无限挑战》、《我独自生活》等。用户可以通过四卡，感受日韩综艺的独特魅力，笑对生活。 这些日韩精品卡不仅内容丰富，而且操作便捷。用户只需登录相应平台，即可轻松享受日韩文化带来的欢乐。以下是一些使用这些日韩精品卡的注意事项： 1. 充值：用户需在平台充值相应金额，才能使用日韩精品卡。 2. 有效期：日韩精品卡有一定的有效期，用户需在有效期内使用完毕。 3. 权限：不同类型的日韩精品卡拥有不同的权限，用户需了解清楚后再进行选择。 4. 更新：平台会定期更新日韩精品卡的内容，用户可关注平台动态，不错过精彩内容。 总之，日韩精品卡为喜爱日韩文化的我们提供了丰富的娱乐选择。一卡二卡三卡四卡，满足了不同用户的需求，让我们在忙碌的生活中，找到属于自己的那份快乐。快来加入日韩文化爱好者行列，一起畅享日韩精品卡带来的精彩吧！

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。