昨日官方披露行业研究成果,亚洲无限码：解码东方魅力，探索无限可能

今日监管部门披露新政策,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。家电客服热线，系统自动分配订单

重庆市石柱土家族自治县、重庆市涪陵区 ，广州市番禺区、酒泉市玉门市、合肥市长丰县、广西崇左市扶绥县、东营市河口区、海南同德县、酒泉市阿克塞哈萨克族自治县、镇江市扬中市、新余市渝水区、西安市新城区、内蒙古巴彦淖尔市乌拉特中旗、内蒙古巴彦淖尔市杭锦后旗、咸阳市兴平市、延边珲春市、宁波市象山县 、遵义市余庆县、长春市绿园区、朝阳市龙城区、宁德市柘荣县、株洲市攸县、广元市利州区、临高县南宝镇、武汉市江岸区、赣州市宁都县、内蒙古鄂尔多斯市鄂托克前旗、苏州市虎丘区、平凉市泾川县

快速响应维修热线,昨日研究机构发布行业成果,亚洲无限码：解码东方魅力，探索无限可能，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心多渠道接入，响应迅速

凉山美姑县、惠州市惠阳区 ，安阳市文峰区、长春市农安县、辽阳市弓长岭区、贵阳市观山湖区、阿坝藏族羌族自治州红原县、宁德市屏南县、焦作市马村区、内蒙古呼和浩特市土默特左旗、双鸭山市友谊县、连云港市灌南县、杭州市临安区、西安市周至县、新乡市卫滨区、漳州市漳浦县、广西梧州市岑溪市 、揭阳市揭东区、杭州市拱墅区、烟台市福山区、哈尔滨市道外区、广西崇左市凭祥市、宜春市铜鼓县、深圳市南山区、广西南宁市青秀区、广西河池市大化瑶族自治县、北京市大兴区、遵义市桐梓县、内蒙古乌兰察布市凉城县、铜仁市碧江区、资阳市乐至县

全球服务区域: 株洲市茶陵县、西宁市大通回族土族自治县 、延安市子长市、安阳市安阳县、荆门市沙洋县、内蒙古锡林郭勒盟正镶白旗、内蒙古乌兰察布市化德县、淮安市淮阴区、内蒙古阿拉善盟阿拉善左旗、陵水黎族自治县新村镇、成都市双流区、天水市武山县、金华市浦江县、黔东南从江县、鹤壁市山城区、广西来宾市合山市、济宁市兖州区 、广州市南沙区、东莞市塘厦镇、忻州市神池县、湖州市南浔区、咸阳市彬州市

近日监测中心公开最新参数,本月行业报告发布新政策,亚洲无限码：解码东方魅力，探索无限可能，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修客服电话，系统自动派单

全国服务区域: 嘉兴市秀洲区、永州市冷水滩区 、曲靖市富源县、重庆市梁平区、海北门源回族自治县、新乡市卫滨区、无锡市滨湖区、宁波市北仑区、宜春市奉新县、泰州市靖江市、万宁市山根镇、昆明市晋宁区、黔南长顺县、儋州市雅星镇、宜春市宜丰县、连云港市灌南县、内蒙古呼伦贝尔市扎赉诺尔区 、上海市虹口区、渭南市华阴市、日照市莒县、直辖县潜江市、岳阳市临湘市、扬州市仪征市、三门峡市灵宝市、温州市洞头区、岳阳市云溪区、吕梁市文水县、广西梧州市龙圩区、赣州市全南县、洛阳市孟津区、湖州市吴兴区、汉中市佛坪县、广西河池市大化瑶族自治县、荆州市公安县、重庆市忠县、益阳市资阳区、内蒙古通辽市霍林郭勒市、汕尾市陆丰市、信阳市光山县、定安县龙湖镇、广西崇左市天等县

官方技术支援专线:本周行业报告传递新动态,亚洲无限码：解码东方魅力，探索无限可能

在信息爆炸的时代，代码成为连接虚拟与现实的重要桥梁。亚洲无限码，作为一项前沿技术，正以其独特的魅力和无限的可能，引领着科技与文化的交融。本文将带您解码亚洲无限码，一探究竟。 一、亚洲无限码的诞生背景 亚洲无限码，顾名思义，是一种具有无限可能的编码技术。它起源于我国，经过多年的发展，已经成为亚洲地区最具代表性的编码技术之一。随着互联网的普及和大数据时代的到来，亚洲无限码在各个领域得到广泛应用，成为推动亚洲科技发展的重要力量。 二、亚洲无限码的特点 1. 高效性：亚洲无限码采用先进的编码算法，将信息以极小的数据量进行压缩，大大提高了信息传输的效率。 2. 可扩展性：亚洲无限码具有极强的可扩展性，可以适应不同场景下的应用需求，如物联网、智能交通、金融支付等领域。 3. 安全性：亚洲无限码采用多重加密技术，确保信息传输过程中的安全性，有效防止信息泄露。 4. 兼容性：亚洲无限码兼容性强，可以与多种操作系统、硬件设备进行无缝对接，实现跨平台、跨设备的信息共享。 三、亚洲无限码的应用领域 1. 物联网：亚洲无限码在物联网领域具有广泛的应用前景，可以实现设备之间的快速连接和数据交换，推动智能家居、智能交通等产业发展。 2. 智能支付：亚洲无限码在智能支付领域的应用，为消费者提供更加便捷、安全的支付体验。如移动支付、二维码支付等。 3. 文化传播：亚洲无限码在文化传播领域的应用，有助于推动亚洲文化走向世界，提升我国文化软实力。 4. 教育领域：亚洲无限码在教育领域的应用，可以为学生提供更加丰富、便捷的学习资源，促进教育信息化发展。 四、亚洲无限码的未来展望 随着科技的不断发展，亚洲无限码在各个领域的应用将更加广泛。未来，亚洲无限码有望实现以下突破： 1. 更高的传输速度：通过优化编码算法，实现更高速度的信息传输。 2. 更强的安全性：采用更先进的加密技术，确保信息传输过程中的安全性。 3. 更广泛的适用范围：将亚洲无限码应用于更多领域，推动亚洲科技发展。 总之，亚洲无限码作为一项具有无限可能的技术，正以其独特的魅力和广泛的应用前景，引领着亚洲科技的发展。相信在不久的将来，亚洲无限码将为我们的生活带来更多惊喜。

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。