今日监管部门发布重大研究成果,钓鱼用具中的清凉守护者——钓鱼遮阳伞

昨日行业报告发布行业动态,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。智能派单服务中心，精准匹配维修师傅

忻州市宁武县、宁波市镇海区 ，平凉市崆峒区、武汉市黄陂区、菏泽市成武县、大同市阳高县、乐山市沙湾区、兰州市红古区、中山市神湾镇、太原市清徐县、甘孜色达县、黄冈市黄梅县、广西防城港市上思县、重庆市垫江县、商洛市丹凤县、中山市民众镇、郴州市临武县 、北京市房山区、濮阳市清丰县、重庆市铜梁区、咸阳市三原县、金昌市金川区、荆门市沙洋县、眉山市洪雅县、乐东黎族自治县尖峰镇、铁岭市西丰县、新乡市原阳县、本溪市平山区、嘉兴市海宁市

在线维修进度查询,本月研究机构传达行业新动向,钓鱼用具中的清凉守护者——钓鱼遮阳伞，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一客服电话，正规售后服务

铜川市王益区、内蒙古包头市固阳县 ，吕梁市临县、濮阳市台前县、信阳市浉河区、景德镇市浮梁县、屯昌县新兴镇、德州市陵城区、烟台市福山区、六盘水市钟山区、洛阳市瀍河回族区、赣州市上犹县、天津市西青区、天水市麦积区、玉溪市红塔区、天水市张家川回族自治县、台州市路桥区 、内蒙古锡林郭勒盟正镶白旗、沈阳市辽中区、宁波市鄞州区、吉安市吉安县、扬州市仪征市、抚顺市抚顺县、贵阳市息烽县、长春市南关区、吕梁市交城县、合肥市庐江县、杭州市上城区、阿坝藏族羌族自治州茂县、黔东南锦屏县、内蒙古兴安盟科尔沁右翼中旗

全球服务区域: 甘南卓尼县、湘潭市岳塘区 、东莞市麻涌镇、扬州市江都区、甘南夏河县、宿迁市沭阳县、周口市项城市、开封市兰考县、南昌市西湖区、舟山市普陀区、河源市源城区、湖州市南浔区、湛江市坡头区、广西玉林市兴业县、淄博市张店区、玉溪市易门县、聊城市阳谷县 、福州市平潭县、内蒙古巴彦淖尔市临河区、吉林市龙潭区、儋州市和庆镇、长沙市长沙县

统一服务管理平台，智能监控质量,本月研究机构发布新研究成果,钓鱼用具中的清凉守护者——钓鱼遮阳伞，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一回收标准，环保处理规范

全国服务区域: 贵阳市开阳县、天津市河西区 、武汉市江夏区、内蒙古鄂尔多斯市鄂托克旗、广西玉林市兴业县、哈尔滨市道里区、赣州市安远县、毕节市纳雍县、镇江市扬中市、泸州市合江县、眉山市洪雅县、咸阳市旬邑县、琼海市长坡镇、屯昌县屯城镇、忻州市代县、德州市平原县、济南市平阴县 、伊春市伊美区、佳木斯市富锦市、丽水市青田县、齐齐哈尔市富裕县、株洲市芦淞区、南昌市青山湖区、长治市壶关县、延安市宜川县、广西柳州市三江侗族自治县、枣庄市峄城区、宁夏固原市彭阳县、佛山市三水区、临沂市蒙阴县、十堰市茅箭区、合肥市长丰县、烟台市莱阳市、襄阳市老河口市、西安市新城区、甘南玛曲县、达州市达川区、乐东黎族自治县黄流镇、苏州市张家港市、广西玉林市福绵区、泸州市纳溪区

本周数据平台本月相关部门通报重要进展:本月行业报告披露新动态,钓鱼用具中的清凉守护者——钓鱼遮阳伞

随着钓鱼运动的普及，越来越多的钓鱼爱好者开始关注钓鱼过程中的舒适度和便捷性。在众多钓鱼用具中，钓鱼遮阳伞逐渐成为了钓鱼爱好者们的必备神器。它不仅能够为钓鱼者提供遮阳避雨的功能，还能在一定程度上保护钓鱼用具，让钓鱼体验更加完美。 钓鱼遮阳伞，顾名思义，是一种专为钓鱼爱好者设计的遮阳用品。它采用高强度、耐腐蚀的材质制成，具有良好的防晒、防雨、防风性能。在炎炎夏日，钓鱼遮阳伞可以有效地遮挡阳光，降低水温，为钓鱼者提供一个舒适的环境。在雨天，它又能起到遮雨的作用，让钓鱼者不受雨水侵扰。 钓鱼遮阳伞的设计非常人性化，其尺寸大小适中，可以轻松地安装在钓鱼船、岸边或湖边。伞架采用可折叠设计，便于携带和存放。此外，钓鱼遮阳伞还具备以下特点： 1. 防晒：钓鱼遮阳伞的防晒指数高达UPF50+，能有效阻挡紫外线对皮肤的伤害，保护钓鱼者的健康。 2. 防雨：伞面采用防水材料，即使在大雨中也能保持干燥，确保钓鱼者不受雨水侵扰。 3. 防风：伞架设计稳固，可承受一定风力，确保钓鱼遮阳伞在户外环境中不易被吹倒。 4. 便携：钓鱼遮阳伞体积小巧，重量轻便，便于钓鱼者携带。 5. 多功能：部分钓鱼遮阳伞还具备照明、音响等功能，为钓鱼者提供更多便利。 在选购钓鱼遮阳伞时，钓鱼爱好者可以从以下几个方面进行考虑： 1. 材质：选择高品质、耐用的材料制成的遮阳伞，确保其使用寿命。 2. 尺寸：根据钓鱼地点和钓鱼者的需求，选择合适尺寸的遮阳伞。 3. 功能：根据个人喜好和需求，选择具备多种功能的钓鱼遮阳伞。 4. 价格：在保证质量的前提下，选择性价比高的钓鱼遮阳伞。 钓鱼遮阳伞已经成为钓鱼爱好者们不可或缺的钓鱼用具之一。它不仅能够为钓鱼者提供舒适的钓鱼环境，还能在一定程度上保护钓鱼用具。在今后的钓鱼生活中，钓鱼遮阳伞将继续发挥其重要作用，为钓鱼爱好者们带来更多乐趣。 总之，钓鱼遮阳伞是一种集防晒、防雨、防风、便携、多功能于一体的钓鱼用具。在炎炎夏日，钓鱼遮阳伞将为钓鱼者带来清凉的守护，让钓鱼生活更加惬意。让我们共同期待这款钓鱼神器在钓鱼爱好者中的广泛应用，为钓鱼事业的发展贡献力量。

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网"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。