昨日行业报告传递新成果,网络视频内容的规范与道德边界

今日官方传递最新研究成果,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。家电维修服务电话，持证技师上门服务

泉州市南安市、内蒙古乌兰察布市四子王旗 ，黄冈市黄梅县、沈阳市于洪区、普洱市景东彝族自治县、湛江市霞山区、嘉兴市南湖区、驻马店市泌阳县、南充市南部县、商丘市梁园区、濮阳市濮阳县、齐齐哈尔市铁锋区、甘南碌曲县、娄底市双峰县、扬州市仪征市、洛阳市汝阳县、福州市连江县 、淮安市洪泽区、上饶市万年县、澄迈县仁兴镇、安阳市滑县、大理洱源县、商洛市镇安县、直辖县仙桃市、内蒙古鄂尔多斯市鄂托克旗、德州市陵城区、郴州市永兴县、洛阳市汝阳县、广西玉林市北流市

本周数据平台本月官方渠道披露重要进展,今日行业报告传递政策变化,网络视频内容的规范与道德边界，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修保障热线，售后90天质保

广西桂林市秀峰区、内蒙古鄂尔多斯市鄂托克前旗 ，兰州市七里河区、重庆市万州区、资阳市乐至县、牡丹江市爱民区、万宁市南桥镇、金华市婺城区、汉中市洋县、通化市通化县、三门峡市义马市、开封市鼓楼区、深圳市光明区、攀枝花市米易县、许昌市鄢陵县、北京市朝阳区、广西北海市海城区 、黄南尖扎县、齐齐哈尔市铁锋区、齐齐哈尔市讷河市、泰安市岱岳区、中山市石岐街道、德宏傣族景颇族自治州陇川县、内蒙古赤峰市巴林左旗、大同市广灵县、宜昌市枝江市、黄冈市蕲春县、南阳市新野县、恩施州巴东县、内蒙古兴安盟科尔沁右翼中旗、忻州市定襄县

全球服务区域: 潮州市潮安区、黑河市北安市 、吉安市新干县、佳木斯市桦南县、万宁市南桥镇、东莞市麻涌镇、成都市青白江区、遂宁市安居区、黔东南台江县、黄冈市黄州区、济南市钢城区、中山市东区街道、福州市闽侯县、吕梁市汾阳市、湛江市徐闻县、内蒙古巴彦淖尔市杭锦后旗、屯昌县南坤镇 、广西梧州市藤县、渭南市富平县、内江市隆昌市、株洲市炎陵县、大庆市萨尔图区

近日监测部门公开最新参数,本月行业报告传递重要动态,网络视频内容的规范与道德边界，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: 文山广南县、运城市盐湖区 、宿州市泗县、儋州市海头镇、荆州市洪湖市、荆州市沙市区、德州市宁津县、陵水黎族自治县椰林镇、甘孜道孚县、安康市宁陕县、泰州市泰兴市、南充市高坪区、大连市庄河市、汉中市佛坪县、大同市云州区、红河红河县、定安县岭口镇 、江门市蓬江区、平顶山市鲁山县、内蒙古乌兰察布市集宁区、天津市宁河区、延安市安塞区、江门市新会区、潮州市潮安区、苏州市常熟市、天津市滨海新区、重庆市南岸区、迪庆香格里拉市、开封市兰考县、大连市西岗区、湘西州龙山县、佛山市南海区、广西贵港市桂平市、楚雄楚雄市、黔南惠水县、新乡市获嘉县、盐城市大丰区、萍乡市芦溪县、东营市利津县、晋中市祁县、内蒙古呼和浩特市托克托县

近日观测中心传出重要预警:昨日官方更新权威研究结果,网络视频内容的规范与道德边界

在互联网高速发展的今天，网络视频已成为人们获取信息、娱乐休闲的重要途径。然而，随着网络内容的多样化，一些低俗、色情等不良视频内容也趁机流入市场，严重影响了网络环境的健康发展。近期，有关“男男扒开小受双腿进入gv视频”的报道引发了社会广泛关注，这再次提醒我们，网络视频内容的规范与道德边界亟待加强。 首先，我们要明确，任何形式的色情、暴力等不良内容都是社会道德的底线。这类视频不仅侵犯了他人的隐私权，还可能对青少年产生不良影响，甚至诱发犯罪行为。因此，对于这类视频，我们必须坚决予以抵制。 针对此次事件，有关部门应立即采取行动，对相关视频进行查处，严厉打击制作、传播色情视频的违法行为。同时，加强对网络平台的监管，要求其严格遵守国家法律法规，切实履行社会责任，确保为广大网民提供健康、文明的网络环境。 其次，我们要认识到，网络视频内容的规范与道德边界需要全社会共同维护。作为网民，我们要自觉抵制不良视频，不传播、不观看、不评论，共同营造一个清朗的网络空间。同时，家长和学校也要加强对青少年的教育，引导他们正确认识网络，提高自我保护意识。 为了更好地规范网络视频内容，以下建议可供参考： 1. 完善法律法规。针对网络视频内容，制定更加严格的法律法规，明确界定不良视频的范畴，加大对违法行为的惩处力度。 2. 加强网络平台监管。要求网络平台建立健全内容审核机制，对上传的视频进行严格审查，确保内容健康、文明。 3. 提高网民素质。通过开展网络文明宣传活动，提高网民的道德素养，引导他们自觉抵制不良视频。 4. 强化家庭教育。家长要关注孩子的网络行为，引导他们正确使用网络，培养良好的网络道德观念。 5. 加强学校教育。学校要将网络道德教育纳入课程体系，培养学生的网络素养，提高他们的自我保护能力。 总之，网络视频内容的规范与道德边界是全社会共同关注的问题。只有通过多方努力，才能共同营造一个健康、文明的网络环境，让网络成为人们生活、学习、娱乐的好去处。对于“男男扒开小受双腿进入gv视频”这类不良视频，我们要坚决抵制，共同维护网络环境的健康发展。

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。