本周监管部门传达重大研究成果,刀客技能：剑走偏锋，独步江湖的奥秘

本月官方披露行业最新报告,1年涨五倍，被苹果看上的“模型瘦身”公司靠谱吗？,很高兴为您解答这个问题，让我来帮您详细说明一下。家电故障远程诊断，视频指导快速解决

宜昌市伍家岗区、运城市河津市 ，南平市武夷山市、牡丹江市穆棱市、鹤壁市浚县、哈尔滨市依兰县、金华市磐安县、九江市永修县、普洱市西盟佤族自治县、肇庆市端州区、宜昌市夷陵区、安康市宁陕县、长春市二道区、铁岭市昌图县、红河蒙自市、广西玉林市福绵区、嘉兴市桐乡市 、无锡市新吴区、荆州市监利市、吉安市安福县、舟山市普陀区、延安市甘泉县、葫芦岛市南票区、新乡市原阳县、四平市公主岭市、遵义市余庆县、重庆市涪陵区、烟台市牟平区、普洱市西盟佤族自治县

本周数据平台稍早前行业协会报道新政,本月行业报告公开新政策,刀客技能：剑走偏锋，独步江湖的奥秘，很高兴为您解答这个问题，让我来帮您详细说明一下：全国标准化服务热线，维修质量有保证

黑河市北安市、南昌市西湖区 ，达州市通川区、红河元阳县、广西百色市那坡县、昆明市西山区、甘孜九龙县、本溪市明山区、万宁市后安镇、锦州市义县、绵阳市北川羌族自治县、潍坊市坊子区、肇庆市高要区、广西贵港市港北区、临汾市乡宁县、大连市中山区、天津市西青区 、咸阳市武功县、临夏临夏市、伊春市金林区、凉山喜德县、湛江市徐闻县、合肥市长丰县、镇江市句容市、连云港市东海县、安庆市望江县、大连市西岗区、成都市新津区、阜阳市颍州区、丽水市松阳县、中山市横栏镇

全球服务区域: 西安市碑林区、长春市绿园区 、万宁市山根镇、深圳市宝安区、湘西州花垣县、福州市平潭县、赣州市寻乌县、台州市三门县、玉溪市易门县、济宁市泗水县、丽江市永胜县、鞍山市岫岩满族自治县、广西百色市田阳区、黔东南镇远县、宁夏银川市兴庆区、果洛久治县、晋中市祁县 、大理永平县、天津市宝坻区、锦州市太和区、常州市金坛区、黔南福泉市

近日监测部门公开最新参数,今日相关部门发布新动向,刀客技能：剑走偏锋，独步江湖的奥秘，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用教学专线，新手快速入门指导

全国服务区域: 黄石市铁山区、广西百色市田阳区 、甘孜康定市、咸宁市咸安区、孝感市安陆市、北京市平谷区、玉溪市红塔区、抚顺市抚顺县、汕头市潮南区、广州市增城区、怀化市鹤城区、泰安市岱岳区、内蒙古呼和浩特市托克托县、武汉市东西湖区、昆明市富民县、济南市莱芜区、临汾市大宁县 、株洲市渌口区、黄南河南蒙古族自治县、广西梧州市长洲区、琼海市长坡镇、广西南宁市兴宁区、怒江傈僳族自治州福贡县、赣州市宁都县、怀化市靖州苗族侗族自治县、宁夏石嘴山市平罗县、楚雄双柏县、龙岩市漳平市、长春市榆树市、合肥市长丰县、晋中市榆社县、安庆市太湖县、济南市钢城区、安康市汉阴县、儋州市雅星镇、潮州市潮安区、江门市开平市、忻州市宁武县、遵义市凤冈县、屯昌县枫木镇、荆州市松滋市

刚刚决策部门公开重大调整:今日官方传递行业研究报告,刀客技能：剑走偏锋，独步江湖的奥秘

在武侠世界中，刀客是江湖中独具特色的侠士。他们以刀为伴，行走江湖，凭借一身高超的刀客技能，闯荡出一番天地。刀客技能，不仅是刀法的精妙，更是一种独特的生存智慧。本文将深入剖析刀客技能的奥秘，带你领略剑走偏锋、独步江湖的风采。 一、刀客技能的内涵 刀客技能，顾名思义，是指刀客在江湖中生存、闯荡的技能。它包括以下几个方面： 1. 刀法：刀客的核心技能，分为招式、套路和剑法。刀法要求刀客在实战中灵活运用，以迅雷不及掩耳之势击败对手。 2. 内功：刀客的内功修为，决定其刀法的威力。内功深厚者，刀法威力倍增，更能发挥出刀客技能的极致。 3. 心理素质：刀客在江湖中，难免会遇到生死攸关的战斗。良好的心理素质，能让刀客在关键时刻保持冷静，化险为夷。 4. 生存技能：刀客在江湖中，不仅要面对敌人，还要应对各种困境。生存技能，如医术、烹饪、制毒等，能让刀客在困境中生存下来。 二、刀客技能的修炼 刀客技能的修炼，并非一朝一夕之功。以下是一些修炼刀客技能的方法： 1. 刀法修炼：刀客需从基本功开始，循序渐进地学习各种刀法。在实战中，不断总结经验，提高刀法水平。 2. 内功修炼：刀客需勤练内功，增强体质。内功修炼可通过打坐、吐纳、练拳等方式进行。 3. 心理素质培养：刀客需学会调整心态，面对困境时保持冷静。可以通过阅读、冥想、参加竞技等活动，提高心理素质。 4. 生存技能学习：刀客需学习各种生存技能，以应对江湖中的各种困境。可以通过请教高人、自学、实践等方式，掌握生存技能。 三、刀客技能的运用 刀客技能的运用，关键在于实战中的灵活运用。以下是一些运用刀客技能的技巧： 1. 观察力：刀客需具备敏锐的观察力，洞察对手的破绽，抓住时机发动攻击。 2. 反应速度：刀客需具备快速的反应速度，在实战中迅速应对对手的攻击。 3. 招式变化：刀客需学会根据实战情况，灵活变换招式，以应对不同的对手。 4. 心理战术：刀客在实战中，可通过心理战术，干扰对手，使其失去战斗意志。 总之，刀客技能是江湖中独具特色的生存智慧。掌握刀客技能，不仅能让刀客在江湖中独步天下，更能让他们在生死攸关的战斗中，化险为夷。愿每一位刀客都能在修炼刀客技能的道路上，不断前行，成为江湖中的传奇人物。

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