昨日官方更新权威研究结果,实验室催乳媚药改造：科技与伦理的碰撞

今日官方渠道传递研究成果,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。数字化回收平台，智能优化资源利用

金华市金东区、通化市柳河县 ，永州市新田县、宝鸡市陇县、天水市清水县、德阳市绵竹市、马鞍山市博望区、资阳市雁江区、扬州市仪征市、牡丹江市东安区、合肥市长丰县、酒泉市敦煌市、宜春市万载县、太原市迎泽区、榆林市佳县、上饶市广丰区、厦门市集美区 、黑河市逊克县、广西桂林市雁山区、六安市裕安区、海西蒙古族德令哈市、大理弥渡县、惠州市龙门县、常州市新北区、上海市浦东新区、黄冈市武穴市、自贡市大安区、南通市海安市、乐山市沙湾区

专业维修服务电话,今日官方发布行业研究成果,实验室催乳媚药改造：科技与伦理的碰撞，很高兴为您解答这个问题，让我来帮您详细说明一下：24小时维修客服热线，随时为您服务

泰安市岱岳区、果洛玛多县 ，驻马店市平舆县、东方市东河镇、济宁市邹城市、衢州市江山市、亳州市涡阳县、广西桂林市资源县、陇南市武都区、哈尔滨市呼兰区、淮南市大通区、广西梧州市蒙山县、阜阳市界首市、广西河池市东兰县、南京市建邺区、济南市莱芜区、天水市张家川回族自治县 、凉山宁南县、宜春市樟树市、苏州市张家港市、广西崇左市凭祥市、南充市顺庆区、泸州市江阳区、辽源市龙山区、陵水黎族自治县提蒙乡、无锡市锡山区、内蒙古赤峰市林西县、广西北海市合浦县、马鞍山市雨山区、嘉兴市海盐县、福州市长乐区

全球服务区域: 黔东南丹寨县、嘉峪关市文殊镇 、宜昌市点军区、吉安市峡江县、牡丹江市西安区、武汉市新洲区、淄博市周村区、安庆市潜山市、万宁市礼纪镇、咸宁市赤壁市、沈阳市苏家屯区、延安市甘泉县、晋中市寿阳县、吕梁市孝义市、洛阳市老城区、延边龙井市、衢州市常山县 、太原市迎泽区、商洛市丹凤县、澄迈县金江镇、湛江市徐闻县、云浮市罗定市

本周数据平台今日多方媒体透露研究成果,本月行业报告传递重大进展,实验室催乳媚药改造：科技与伦理的碰撞，很高兴为您解答这个问题，让我来帮您详细说明一下：自动化服务调度，智能匹配维修资源

全国服务区域: 宁波市镇海区、广西柳州市柳江区 、枣庄市市中区、天水市秦安县、淮南市潘集区、西宁市湟中区、吕梁市文水县、琼海市龙江镇、定安县富文镇、临汾市侯马市、鞍山市海城市、重庆市江北区、怀化市沅陵县、武汉市江岸区、韶关市南雄市、重庆市开州区、双鸭山市岭东区 、张掖市民乐县、韶关市始兴县、内蒙古通辽市扎鲁特旗、朝阳市北票市、晋中市榆社县、烟台市海阳市、万宁市礼纪镇、海东市平安区、琼海市中原镇、白山市长白朝鲜族自治县、肇庆市广宁县、辽源市龙山区、湛江市霞山区、鹰潭市贵溪市、西安市莲湖区、内蒙古鄂尔多斯市乌审旗、周口市商水县、金华市永康市、大理永平县、宝鸡市千阳县、揭阳市惠来县、宜昌市当阳市、黑河市逊克县、中山市古镇镇

本周数据平台今日官方渠道披露重磅消息:本周行业报告传递新动态,实验室催乳媚药改造：科技与伦理的碰撞

在人类历史的长河中，药物的应用始终伴随着科技的进步。从最初的草药到现代的化学合成药物，药物的发展不仅改善了人们的健康状况，也在一定程度上改变了社会结构和伦理观念。近年来，一种名为“实验室催乳媚药改造”的研究引起了广泛关注。这种改造旨在通过科技手段，提升传统催乳药物的效能，同时降低其副作用，然而，这一研究在带来便利的同时，也引发了伦理和道德的争议。 实验室催乳媚药改造，顾名思义，就是将传统催乳药物进行改良，使其在保持原有功效的基础上，降低对人体的副作用。催乳药物在临床应用中，主要用于治疗产后无乳、乳汁不足等问题，对于提高母乳喂养率、保障婴幼儿健康具有重要意义。然而，传统催乳药物在应用过程中，往往存在一定的副作用，如引起乳腺增生、内分泌失调等，给患者带来痛苦。 为了解决这一问题，科研人员开始尝试对催乳药物进行改造。通过实验室技术，他们从天然植物中提取有效成分，进行化学合成和结构改造，使其在发挥催乳作用的同时，降低对人体的副作用。这一研究在医学界引起了广泛关注，有望为产后妇女带来福音。 然而，实验室催乳媚药改造在带来便利的同时，也引发了伦理和道德的争议。首先，催乳药物的使用范围仅限于产后妇女，而改造后的药物是否会对其他人群产生不良影响，尚无明确结论。其次，催乳药物改造过程中，可能会涉及动物实验，引发动物权益保护问题。此外，改造后的药物在市场推广过程中，如何确保其安全性和有效性，也是一个亟待解决的问题。 面对这些伦理和道德争议，我国相关部门应加强对实验室催乳媚药改造的监管，确保其研究过程符合伦理道德规范。具体措施如下： 1. 严格审查研究项目，确保其符合伦理道德标准，尊重动物权益。 2. 加强对改造后药物的安全性、有效性评估，确保其在临床应用中的安全性。 3. 建立健全药物审批制度，确保改造后的药物在市场推广过程中，符合国家法律法规。 4. 加强科普宣传，提高公众对催乳药物改造的认识，引导公众理性看待这一研究。 总之，实验室催乳媚药改造在为产后妇女带来福音的同时，也引发了伦理和道德的争议。面对这一挑战，我国相关部门应积极应对，确保其在符合伦理道德规范的前提下，为人类健康事业作出贡献。同时，科研人员也应秉持科学精神，严谨治学，为推动医学进步贡献力量。

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。