本月行业报告公开最新动态,警惕“9.1免费版软件”背后的色情陷阱

本月行业报告披露新变化,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。数字化维保平台，智能优化保养方案

中山市南朗镇、安阳市文峰区 ，西安市雁塔区、白沙黎族自治县金波乡、玉溪市红塔区、三门峡市卢氏县、郴州市北湖区、广西柳州市鹿寨县、泸州市古蔺县、茂名市高州市、朝阳市双塔区、武汉市江夏区、沈阳市大东区、常州市新北区、湛江市廉江市、广西玉林市博白县、广州市天河区 、昭通市绥江县、随州市随县、安阳市林州市、广西河池市东兰县、西宁市城中区、铜仁市江口县、宁夏固原市彭阳县、烟台市海阳市、广安市华蓥市、亳州市涡阳县、哈尔滨市南岗区、焦作市温县

近日观测中心传出重要预警,本月国家机构传递新政策,警惕“9.1免费版软件”背后的色情陷阱，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一售后服务热线，售后有保障

哈尔滨市松北区、伊春市嘉荫县 ，晋城市陵川县、济宁市曲阜市、汕尾市城区、黑河市爱辉区、合肥市蜀山区、宿州市砀山县、齐齐哈尔市昂昂溪区、内蒙古鄂尔多斯市达拉特旗、黄冈市黄梅县、黔东南丹寨县、商丘市宁陵县、鞍山市岫岩满族自治县、安庆市宜秀区、渭南市合阳县、泉州市鲤城区 、荆门市沙洋县、广西桂林市资源县、广西贺州市平桂区、广西来宾市合山市、内蒙古乌兰察布市集宁区、泉州市鲤城区、宁波市象山县、广西百色市平果市、陵水黎族自治县新村镇、丹东市元宝区、万宁市南桥镇、大同市阳高县、铁岭市铁岭县、濮阳市清丰县

全球服务区域: 达州市宣汉县、太原市小店区 、德宏傣族景颇族自治州陇川县、鞍山市铁西区、延安市富县、儋州市海头镇、咸阳市渭城区、咸阳市秦都区、白山市浑江区、厦门市集美区、天水市清水县、屯昌县坡心镇、周口市商水县、宁夏银川市永宁县、岳阳市岳阳楼区、朔州市应县、红河弥勒市 、吉安市吉州区、上饶市广信区、安康市石泉县、驻马店市遂平县、开封市杞县

本周数据平台不久前行业协会透露新变化,今日监管部门传递新研究成果,警惕“9.1免费版软件”背后的色情陷阱，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修电话，支持在线咨询报修

全国服务区域: 定安县新竹镇、济宁市微山县 、营口市盖州市、内蒙古赤峰市克什克腾旗、文昌市锦山镇、宁波市奉化区、资阳市乐至县、阿坝藏族羌族自治州理县、黔南瓮安县、内蒙古呼和浩特市清水河县、晋中市太谷区、宁夏银川市贺兰县、琼海市长坡镇、内蒙古兴安盟乌兰浩特市、北京市通州区、兰州市七里河区、聊城市高唐县 、武汉市洪山区、新乡市获嘉县、宝鸡市麟游县、伊春市伊美区、湖州市南浔区、阜新市太平区、驻马店市新蔡县、宁夏银川市金凤区、鸡西市虎林市、蚌埠市禹会区、常德市武陵区、广西来宾市金秀瑶族自治县、毕节市大方县、晋中市介休市、兰州市皋兰县、甘南合作市、徐州市云龙区、萍乡市芦溪县、黄冈市红安县、东莞市凤岗镇、南充市南部县、九江市彭泽县、临高县博厚镇、太原市万柏林区

近日观测中心传出重要预警:今日监管部门发布重要研究成果,警惕“9.1免费版软件”背后的色情陷阱

随着互联网的普及，免费软件成为越来越多用户的选择。然而，在享受免费便利的同时，我们也必须警惕其中可能隐藏的风险。近期，一款名为“9.1免费版软件”的软件引起了广泛关注，不少用户在使用过程中发现其中存在色情内容。本文将对此进行深入剖析，提醒广大用户提高警惕，避免陷入色情陷阱。 首先，我们需要了解“9.1免费版软件”的基本情况。据了解，这款软件声称是一款多功能工具，集成了多种实用功能，如文件管理、图片处理、视频播放等。由于免费且功能丰富，该软件迅速吸引了大量用户下载使用。然而，在享受免费便利的同时，用户却逐渐发现其中存在色情内容。 据了解，色情内容主要存在于软件的某些功能模块中。例如，在图片处理模块中，用户可能会发现一些涉及色情内容的图片；在视频播放模块中，部分视频也涉嫌色情。这些内容严重违背了社会主义核心价值观，对用户的身心健康造成极大危害。 针对这一问题，我们应从以下几个方面进行防范： 1. 提高警惕，不轻易下载未知来源的免费软件。在下载软件时，要仔细查看软件的开发商、版本、更新日期等信息，确保软件的安全性。 2. 使用正规渠道下载软件。尽量在官方网站、应用商店等正规渠道下载软件，避免下载到带有恶意代码的软件。 3. 关注软件的隐私政策。在下载使用软件前，要仔细阅读软件的隐私政策，了解软件如何收集和使用用户信息，避免个人隐私泄露。 4. 定期更新软件。保持软件更新，修复已知的安全漏洞，降低被恶意软件侵害的风险。 5. 加强自我保护意识。提高对色情内容的辨识能力，不浏览、传播色情内容，共同营造一个健康、文明的网络环境。 对于“9.1免费版软件”这一问题，有关部门已介入调查。我们期待相关部门能够及时查处，维护网络环境的健康。同时，我们也呼吁广大用户提高警惕，共同抵制色情内容，为构建清朗的网络空间贡献力量。 总之，面对“9.1免费版软件”这样的色情陷阱，我们既要享受免费软件带来的便利，又要时刻保持警惕，提高自我保护意识。让我们携手共进，共同营造一个健康、文明、安全的网络环境。

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。