本月行业报告公开重要信息,如何高效练习CFAK技能：实用指南

昨日行业报告更新政策变化,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。家电安装服务热线，专业团队上门

岳阳市岳阳楼区、哈尔滨市呼兰区 ，绵阳市三台县、邵阳市大祥区、荆门市沙洋县、临高县多文镇、岳阳市岳阳楼区、绵阳市三台县、果洛玛多县、内蒙古呼伦贝尔市海拉尔区、绵阳市江油市、晋城市高平市、天水市麦积区、儋州市雅星镇、东营市东营区、西安市碑林区、大兴安岭地区加格达奇区 、绵阳市梓潼县、广西柳州市柳北区、广西贺州市富川瑶族自治县、宿州市泗县、晋城市阳城县、东营市东营区、晋城市阳城县、苏州市太仓市、广州市白云区、东莞市寮步镇、西双版纳景洪市、茂名市化州市

本周数据平台近期相关部门公布权威通报,近日行业报告发布研究成果,如何高效练习CFAK技能：实用指南，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修调度中心，快速响应各类需求

福州市连江县、内蒙古呼和浩特市玉泉区 ，齐齐哈尔市讷河市、常州市新北区、广元市朝天区、常德市津市市、上海市宝山区、武汉市江夏区、澄迈县中兴镇、内蒙古兴安盟科尔沁右翼中旗、南平市延平区、海东市互助土族自治县、渭南市澄城县、红河建水县、六安市霍山县、三明市宁化县、安阳市滑县 、临夏永靖县、定安县龙河镇、内蒙古巴彦淖尔市杭锦后旗、周口市项城市、甘南舟曲县、绥化市北林区、三明市大田县、三沙市南沙区、景德镇市浮梁县、海南同德县、楚雄大姚县、怀化市麻阳苗族自治县、齐齐哈尔市昂昂溪区、广西桂林市永福县

全球服务区域: 广西玉林市兴业县、肇庆市鼎湖区 、西安市鄠邑区、佳木斯市前进区、衢州市柯城区、娄底市双峰县、吉林市舒兰市、鞍山市铁东区、绥化市肇东市、阳泉市城区、安庆市望江县、沈阳市新民市、屯昌县坡心镇、潍坊市奎文区、盐城市盐都区、黄冈市蕲春县、东莞市东城街道 、湖州市长兴县、松原市乾安县、梅州市平远县、吉安市永新县、张掖市临泽县

本周数据平台近日官方渠道公开最新动态,本月行业报告传递重要动态,如何高效练习CFAK技能：实用指南，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障不用愁，客服热线帮您忙

全国服务区域: 内蒙古锡林郭勒盟锡林浩特市、扬州市广陵区 、吉安市峡江县、广安市岳池县、济南市长清区、遵义市赤水市、枣庄市峄城区、金华市武义县、青岛市市北区、玉树称多县、龙岩市武平县、池州市石台县、宣城市宁国市、云浮市罗定市、孝感市孝南区、长春市双阳区、连云港市灌南县 、文昌市锦山镇、通化市辉南县、商丘市梁园区、黄山市屯溪区、揭阳市榕城区、澄迈县永发镇、黄石市下陆区、运城市永济市、三亚市吉阳区、广安市广安区、杭州市上城区、文山富宁县、绍兴市嵊州市、东方市新龙镇、抚州市东乡区、武汉市黄陂区、宁夏固原市彭阳县、雅安市宝兴县、昆明市富民县、黄冈市武穴市、白山市靖宇县、玉溪市红塔区、内蒙古呼和浩特市回民区、庆阳市正宁县

近日监测部门传出异常警报:本月行业报告更新行业变化,如何高效练习CFAK技能：实用指南

CFAK，即计算机辅助快速会计，是一种利用计算机技术进行会计工作的方法。随着科技的不断发展，CFAK技能在会计行业中越来越受到重视。掌握CFAK技能，不仅可以提高工作效率，还能使会计工作更加精准。那么，如何高效练习CFAK技能呢？以下是一些建议： ### 1. 理解CFAK的基本概念 首先，要了解CFAK的基本概念。CFAK是指利用计算机软件进行会计核算、报表编制、财务分析等工作。熟练掌握CFAK技能，需要熟悉会计原理、财务报表编制方法以及相关计算机软件的操作。 ### 2. 学习会计基础知识 掌握CFAK技能，离不开扎实的会计基础知识。因此，在学习CFAK之前，需要先掌握会计的基本概念、会计科目、会计凭证、会计报表等内容。可以通过阅读会计教材、参加会计培训课程等方式来学习。 ### 3. 熟悉常用CFAK软件 目前，市场上常用的CFAK软件有金蝶、用友、SAP等。在学习CFAK技能时，要熟悉这些软件的基本操作，包括账务处理、报表编制、财务分析等功能。可以通过以下途径学习： - 参加软件培训课程，由专业讲师进行讲解； - 阅读软件操作手册，了解软件的基本功能和操作步骤； - 在实际工作中，多操作软件，积累实践经验。 ### 4. 实践操作，积累经验 理论知识是基础，但实践操作才是检验学习成果的关键。以下是一些建议： - 参与实际会计工作，如实习、兼职等，将所学知识运用到实际工作中； - 利用业余时间，模拟实际业务，进行CFAK软件操作练习； - 参加会计比赛或技能竞赛，提高自己的实际操作能力。 ### 5. 持续学习，关注行业动态 会计行业不断发展，CFAK技能也在不断更新。为了保持自己的竞争力，需要持续学习，关注行业动态。以下是一些建议： - 阅读会计类书籍、期刊，了解会计行业的发展趋势； - 参加行业研讨会、讲座，与同行交流学习； - 关注相关政策法规，确保自己的操作符合规定。 ### 6. 培养良好的职业素养 CFAK技能只是会计工作的一部分，良好的职业素养同样重要。以下是一些建议： - 培养严谨的工作态度，确保会计数据的准确性； - 注重团队合作，与同事共同完成工作任务； - 不断提升自己的综合素质，为职业生涯发展打下坚实基础。 总之，高效练习CFAK技能需要理论联系实际，不断积累经验。通过学习会计基础知识、熟悉常用CFAK软件、实践操作、持续学习、关注行业动态以及培养良好的职业素养，相信你一定能够成为一名优秀的会计人才。

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。