本周监管部门更新行业通报,“输了可以随意触摸内部位”：一场关于友谊与信任的趣味游戏

本月行业报告披露新成果,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。家电调试服务热线，确保最佳使用状态

凉山会理市、商丘市柘城县 ，德州市禹城市、海口市琼山区、临汾市侯马市、定西市漳县、鹤岗市工农区、南平市顺昌县、果洛玛沁县、成都市温江区、丽水市景宁畲族自治县、蚌埠市固镇县、内蒙古兴安盟科尔沁右翼中旗、北京市朝阳区、德州市禹城市、本溪市南芬区、吉安市永新县 、广安市岳池县、衡阳市南岳区、湘西州龙山县、内蒙古锡林郭勒盟镶黄旗、蚌埠市龙子湖区、中山市东区街道、深圳市南山区、德州市齐河县、宁夏银川市灵武市、忻州市神池县、河源市和平县、珠海市香洲区

可视化故障排除专线，实时监测数据,本周研究机构发布权威信息,“输了可以随意触摸内部位”：一场关于友谊与信任的趣味游戏，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一安装标准，规范操作流程

云浮市新兴县、重庆市忠县 ，湖州市长兴县、澄迈县金江镇、十堰市竹溪县、嘉兴市海宁市、商丘市睢县、焦作市马村区、成都市都江堰市、内蒙古呼和浩特市土默特左旗、南昌市西湖区、周口市太康县、惠州市惠城区、梅州市蕉岭县、大兴安岭地区加格达奇区、漯河市舞阳县、定安县龙湖镇 、澄迈县桥头镇、成都市邛崃市、深圳市罗湖区、盐城市大丰区、东莞市清溪镇、北京市延庆区、内蒙古赤峰市阿鲁科尔沁旗、齐齐哈尔市泰来县、德宏傣族景颇族自治州盈江县、亳州市涡阳县、延安市宜川县、西安市高陵区、西双版纳勐腊县、聊城市临清市

全球服务区域: 河源市紫金县、青岛市李沧区 、滨州市惠民县、马鞍山市当涂县、清远市清新区、临沧市沧源佤族自治县、通化市二道江区、德州市临邑县、海西蒙古族茫崖市、内蒙古阿拉善盟阿拉善右旗、徐州市云龙区、朝阳市龙城区、晋城市城区、菏泽市曹县、太原市小店区、佳木斯市向阳区、广州市黄埔区 、延边珲春市、上海市浦东新区、双鸭山市岭东区、甘孜康定市、内蒙古锡林郭勒盟多伦县

昨日官方渠道公开新变化,本周监管部门发布重要政策,“输了可以随意触摸内部位”：一场关于友谊与信任的趣味游戏，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心24小时在线，随时响应需求

全国服务区域: 荆门市京山市、运城市平陆县 、榆林市神木市、荆州市江陵县、潍坊市寿光市、成都市简阳市、泰安市肥城市、怀化市通道侗族自治县、湛江市坡头区、黑河市北安市、宝鸡市太白县、海北门源回族自治县、黔东南三穗县、定安县龙湖镇、直辖县仙桃市、重庆市南岸区、郑州市新郑市 、济宁市汶上县、太原市迎泽区、常德市安乡县、牡丹江市海林市、广元市昭化区、宜宾市长宁县、随州市随县、锦州市太和区、杭州市富阳区、连云港市灌云县、漯河市舞阳县、沈阳市浑南区、兰州市安宁区、延安市安塞区、厦门市思明区、常德市津市市、甘南玛曲县、毕节市大方县、江门市鹤山市、天水市麦积区、楚雄武定县、西宁市城中区、成都市都江堰市、盘锦市双台子区

近日研究机构传出突破成果:昨日监管部门公布最新动态,“输了可以随意触摸内部位”：一场关于友谊与信任的趣味游戏

在繁忙的生活中，我们常常需要寻找一些轻松愉快的活动来放松身心。而“输了可以随意触摸内部位”就是这样一种充满趣味与挑战的游戏。这款游戏不仅能够增进朋友间的感情，还能在欢声笑语中培养信任与友谊。 这款游戏的规则非常简单，参与者分为两队，每队人数不限。游戏开始前，所有队员围成一圈，主持人站在圈内。主持人会说出一个数字，比如“5”，然后队员们需要在规定时间内完成一个任务。任务内容是：在圈内，每位队员轮流触摸其他队员的“内部位”，触摸次数与主持人说的数字相同。如果在规定时间内完成，则该队获胜；否则，输掉一局的队员可以随意触摸获胜队的任意一位队员的“内部位”。 这款游戏看似简单，实则充满趣味。在游戏中，队员们需要充分发挥团队协作精神，共同完成任务。同时，输掉一局的队员可以随意触摸获胜队的队员，这一环节更是将游戏推向高潮。 首先，游戏中的触摸环节让队员们感受到了亲密无间。在游戏中，队员们需要触摸彼此的“内部位”，这无疑是一种亲密接触。然而，这种亲密并非出于恶意，而是基于信任与友谊。在游戏中，队员们学会了放下戒备，真诚地面对彼此，从而增进了彼此的感情。 其次，游戏中的挑战性让队员们更加珍惜友谊。在游戏中，队员们需要克服困难，共同完成任务。这种挑战性不仅考验了队员们的团队协作能力，还让他们在困难面前更加团结。当队员们成功完成任务时，他们不仅收获了胜利的喜悦，更收获了友谊的珍贵。 此外，游戏中的输赢观念也得到了改变。在传统观念中，输赢往往代表着尊严与面子。然而，在这款游戏中，输赢变得不再那么重要。输掉一局的队员可以随意触摸获胜队的队员，这种设定让队员们更加注重游戏过程，而不是结果。这样一来，队员们更加珍惜彼此的友谊，而不是为了输赢而争斗。 当然，这款游戏也存在一些争议。有人认为，随意触摸他人可能会侵犯他人的隐私。对此，我们可以在游戏中设定一些规则，比如触摸时只能轻触，不能用力；触摸部位也要有限制，不能过于私密。这样一来，既能保证游戏的趣味性，又能尊重他人的隐私。 总之，“输了可以随意触摸内部位”这款游戏是一种充满趣味与挑战的活动。在游戏中，队员们可以感受到友谊的温暖，培养信任与团队协作精神。当然，在游戏中，我们也要注意尊重他人，遵守游戏规则。只有这样，这款游戏才能真正发挥其价值，成为增进友谊的桥梁。

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。