今日行业报告传达重要政策,张柏芝黑色木耳未删图引发热议，时尚与私密的界限在哪里？

今日官方发布重大研究成果,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。全国统一安装标准，规范操作流程

红河开远市、池州市东至县 ，雅安市雨城区、黔东南台江县、合肥市长丰县、广西桂林市秀峰区、池州市青阳县、忻州市定襄县、广西桂林市永福县、郑州市中原区、伊春市汤旺县、吉安市遂川县、大同市阳高县、青岛市市北区、汉中市西乡县、酒泉市玉门市、无锡市新吴区 、焦作市温县、九江市德安县、临夏永靖县、儋州市雅星镇、湖州市长兴县、莆田市荔城区、咸阳市三原县、襄阳市樊城区、周口市商水县、吉林市船营区、黄山市黟县、海东市平安区

近日技术小组通报核心进展,本周官方渠道发布行业新动态,张柏芝黑色木耳未删图引发热议，时尚与私密的界限在哪里？，很高兴为您解答这个问题，让我来帮您详细说明一下：全国标准化服务，统一技术操作规范

白山市长白朝鲜族自治县、定安县龙河镇 ，哈尔滨市阿城区、铜仁市德江县、珠海市斗门区、西宁市湟源县、滁州市明光市、万宁市三更罗镇、平凉市泾川县、新余市渝水区、商丘市梁园区、泸州市江阳区、兰州市榆中县、临沂市罗庄区、重庆市长寿区、聊城市东阿县、昭通市大关县 、忻州市河曲县、九江市都昌县、池州市贵池区、陵水黎族自治县提蒙乡、长治市潞城区、益阳市安化县、乐山市金口河区、许昌市禹州市、龙岩市武平县、许昌市长葛市、中山市三乡镇、阿坝藏族羌族自治州红原县、济宁市嘉祥县、济南市商河县

全球服务区域: 昆明市寻甸回族彝族自治县、凉山冕宁县 、宁德市霞浦县、长治市潞州区、内蒙古赤峰市巴林右旗、泰安市东平县、昭通市永善县、松原市宁江区、中山市阜沙镇、汕尾市海丰县、内蒙古呼伦贝尔市牙克石市、昆明市东川区、内蒙古包头市石拐区、泉州市鲤城区、泉州市永春县、内蒙古巴彦淖尔市临河区、巴中市南江县 、湘潭市韶山市、亳州市蒙城县、聊城市莘县、绵阳市三台县、吕梁市文水县

刚刚决策部门公开重大调整,本月行业协会传达最新研究成果,张柏芝黑色木耳未删图引发热议，时尚与私密的界限在哪里？，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心全国联网，服务更便捷

全国服务区域: 内蒙古锡林郭勒盟阿巴嘎旗、黔南长顺县 、福州市台江区、咸宁市赤壁市、郑州市新密市、本溪市明山区、茂名市电白区、晋城市陵川县、温州市永嘉县、延安市子长市、牡丹江市阳明区、郑州市登封市、吉安市永新县、漳州市漳浦县、自贡市大安区、怀化市新晃侗族自治县、丹东市元宝区 、衢州市龙游县、湘潭市雨湖区、西安市莲湖区、天津市西青区、甘孜色达县、福州市永泰县、天水市张家川回族自治县、江门市开平市、宜春市万载县、大庆市龙凤区、南阳市桐柏县、阜阳市颍泉区、广西百色市西林县、漳州市平和县、辽源市东辽县、湘西州古丈县、屯昌县坡心镇、南京市溧水区、洛阳市宜阳县、普洱市景谷傣族彝族自治县、吉安市峡江县、自贡市大安区、十堰市茅箭区、绥化市望奎县

本周数据平台本月监管部门通报最新动态:昨日相关部门传达重要研究成果,张柏芝黑色木耳未删图引发热议，时尚与私密的界限在哪里？

近日，一张张柏芝穿着黑色木耳裙的照片在网络上引起了广泛关注。这张照片并未经过任何删减处理，真实地展现了张柏芝的时尚品味和独特魅力。然而，这也引发了关于时尚与隐私界限的讨论。 照片中，张柏芝身穿一件黑色木耳裙，裙摆轻盈飘逸，展现出她优美的身姿。黑色木耳裙的设计独特，木耳状的裙摆巧妙地勾勒出张柏芝的曲线，使她看起来更加优雅迷人。然而，这张照片并未经过任何美化处理，真实地展现了张柏芝的每一个细节。 对于这张未删图，网友们议论纷纷。有人称赞张柏芝的时尚品味，认为她敢于尝试新款式，展现出自己的个性。同时，也有人表示担忧，认为明星的私生活应该得到尊重，这种未经删减的照片可能会侵犯到明星的隐私。 事实上，明星作为公众人物，他们的私生活确实会受到更多的关注。然而，这并不意味着明星的私生活可以随意被曝光。在现代社会，人们对隐私权的保护意识越来越强，明星的隐私权同样应该得到尊重。 对于这张黑色木耳未删图，我们可以从以下几个方面来探讨时尚与隐私的界限。 首先，明星的穿着打扮属于个人形象的一部分，是他们在公众场合展示自己的方式。明星有权选择自己的服装，并展示自己的时尚品味。然而，这并不意味着明星的私生活可以随意被曝光。在未经明星本人同意的情况下，媒体和网友不得随意发布明星的私密照片。 其次，对于明星的隐私权，我们需要有一个明确的认识。隐私权是每个人的基本权利，明星也不例外。在处理明星隐私问题时，我们需要在尊重明星隐私权和公众知情权之间找到一个平衡点。 最后，作为网友和媒体，我们应该提高自己的道德素养，自觉遵守相关法律法规。在报道明星新闻时，要尊重明星的隐私，不得发布未经授权的私密照片。同时，公众也应该理性看待明星的私生活，不要过度关注和炒作。 总之，张柏芝黑色木耳未删图引发的热议，让我们再次思考时尚与隐私的界限。在尊重明星隐私权的同时，我们也要关注他们的时尚品味和作品。只有这样，我们才能在保护隐私的前提下，欣赏到更多优秀的明星作品。而对于明星本人来说，如何在公众关注和个人隐私之间找到平衡，也是一个值得思考的问题。

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。