本月国家机构传达最新政策,公车上的程雪柔：一个平凡日常中的温馨瞬间

本月行业协会公布最新成果,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。专业维修团队，客服热线一键联系

曲靖市麒麟区、朔州市右玉县 ，铜仁市沿河土家族自治县、乐东黎族自治县利国镇、鹤岗市南山区、内蒙古巴彦淖尔市五原县、内蒙古鄂尔多斯市鄂托克前旗、绵阳市梓潼县、黑河市北安市、红河弥勒市、菏泽市牡丹区、松原市乾安县、抚顺市清原满族自治县、丽水市松阳县、青岛市市南区、保山市施甸县、成都市青白江区 、肇庆市四会市、南充市顺庆区、淮安市金湖县、鸡西市密山市、镇江市丹阳市、舟山市定海区、德州市禹城市、咸阳市渭城区、雅安市雨城区、太原市古交市、长沙市长沙县、广西梧州市蒙山县

24小时维修咨询热线，智能语音导航,昨日研究机构传递最新成果,公车上的程雪柔：一个平凡日常中的温馨瞬间，很高兴为您解答这个问题，让我来帮您详细说明一下：家电在线客服系统，实时沟通维修需求

威海市乳山市、濮阳市清丰县 ，甘孜康定市、东莞市石碣镇、通化市辉南县、西安市临潼区、平顶山市鲁山县、南京市建邺区、铜仁市碧江区、澄迈县永发镇、攀枝花市东区、郑州市新郑市、广西南宁市横州市、舟山市岱山县、南阳市内乡县、北京市石景山区、重庆市垫江县 、广西百色市田林县、九江市共青城市、乐东黎族自治县利国镇、佛山市禅城区、荆门市沙洋县、长治市潞城区、海东市互助土族自治县、汉中市南郑区、杭州市江干区、温州市龙港市、乐东黎族自治县黄流镇、东莞市麻涌镇、运城市盐湖区、湛江市遂溪县

全球服务区域: 儋州市兰洋镇、阜新市清河门区 、营口市站前区、成都市崇州市、黄山市屯溪区、安康市宁陕县、抚州市金溪县、伊春市南岔县、屯昌县坡心镇、成都市郫都区、铁岭市调兵山市、荆州市石首市、滨州市滨城区、荆州市江陵县、周口市项城市、丽江市宁蒗彝族自治县、东莞市石碣镇 、大兴安岭地区新林区、宁波市象山县、遵义市余庆县、济南市章丘区、黔南贵定县

本周数据平台不久前行业协会透露新变化,昨日行业协会发布新政策报告,公车上的程雪柔：一个平凡日常中的温馨瞬间，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联网维保服务，统一护理标准

全国服务区域: 定安县雷鸣镇、徐州市新沂市 、渭南市澄城县、淮北市濉溪县、延安市志丹县、内蒙古锡林郭勒盟阿巴嘎旗、牡丹江市海林市、嘉峪关市文殊镇、海南贵德县、潍坊市临朐县、抚州市崇仁县、白沙黎族自治县元门乡、吉安市庐陵新区、甘孜康定市、广西百色市平果市、吕梁市离石区、陵水黎族自治县本号镇 、宜宾市兴文县、焦作市中站区、宜宾市高县、绍兴市新昌县、郑州市金水区、宜昌市兴山县、怀化市麻阳苗族自治县、池州市青阳县、无锡市新吴区、自贡市大安区、鹤岗市南山区、十堰市郧阳区、周口市沈丘县、漯河市源汇区、东营市广饶县、张家界市慈利县、惠州市惠城区、泸州市纳溪区、海口市美兰区、新乡市原阳县、郴州市永兴县、徐州市铜山区、武汉市东西湖区、定安县岭口镇

刚刚信息中心公布关键数据:本月行业报告披露新变化,公车上的程雪柔：一个平凡日常中的温馨瞬间

在繁忙的都市生活中，我们每个人都是匆匆的过客，每天都在为生活奔波。然而，就在这无数个平凡的日子里，总会有一些温馨的瞬间，让人心生感动。近日，在公车上发生的一个小故事，就让我深刻体会到了这一点。 那天，阳光明媚，我像往常一样乘坐公交车去上班。车厢内人潮涌动，拥挤不堪。就在我努力寻找一个座位时，一个身影吸引了我的注意。她叫程雪柔，一个平凡的女孩，却因为她的善良和关爱，让这个普通的公车之旅变得不再平凡。 程雪柔坐在车厢的最后一排，旁边是一个年迈的老人。老人行动不便，坐在座位上显得有些吃力。程雪柔看到这一幕，立刻起身，将自己的座位让给了老人。老人感激地看着她，微笑着点了点头。程雪柔则坐在了老人旁边的过道上，静静地陪伴着老人。 公交车行驶在城市的街道上，窗外的风景如画。程雪柔看着窗外，似乎在思考着什么。这时，她注意到老人手中的报纸已经翻到了最后一页，便从自己的包里拿出一副老花镜递给了老人。老人戴上眼镜，看着报纸上的内容，脸上露出了满足的笑容。 公交车停靠在站点，上来了一位抱着小孩的年轻妈妈。小孩哭闹不止，妈妈显得有些手忙脚乱。程雪柔立刻站起身，走到年轻妈妈面前，微笑着说：“我来帮你照顾一下孩子吧。”妈妈感激地看着她，将孩子交到了程雪柔手中。程雪柔轻轻地拍打着孩子的背部，轻声哄着，孩子渐渐安静了下来。 这一幕幕温馨的画面，让车厢内的乘客们纷纷投来赞许的目光。有人忍不住拿出手机，记录下了这一刻。而我，也被程雪柔的善良和关爱深深感动。 在接下来的时间里，程雪柔一直陪伴着老人和年轻妈妈，帮助他们解决了一个又一个困难。公交车到达终点站，乘客们纷纷下车。程雪柔最后一个离开，她微笑着向乘客们挥手告别，然后转身走向了另一辆公交车。 这个平凡的公车之旅，让我深刻体会到了善良和关爱的力量。程雪柔，这个在公车上默默付出的女孩，用自己的行动诠释了什么是真正的善良。她让我们明白，在这个快节奏的社会，只要我们心怀善意，关爱他人，就能让生活变得更加美好。 或许，程雪柔的善举在别人看来微不足道，但正是这些微不足道的善举，汇聚成了我们生活中最美好的风景。让我们向程雪柔学习，从身边的小事做起，用善良和关爱温暖这个世界。

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。