本月行业协会公开行业研究成果,办公室可否干湿你：探索现代办公环境的湿度调节之道

今日行业协会发布最新研究报告,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。数字化监督平台，智能优化服务质量

黔东南施秉县、大兴安岭地区呼玛县 ，菏泽市巨野县、连云港市连云区、惠州市惠东县、定安县富文镇、聊城市阳谷县、广西贵港市港南区、茂名市化州市、三明市沙县区、惠州市惠东县、台州市临海市、武汉市江夏区、广西桂林市永福县、东莞市中堂镇、咸阳市永寿县、龙岩市连城县 、黔东南岑巩县、丽水市景宁畲族自治县、宁波市鄞州区、恩施州来凤县、吕梁市交口县、永州市江永县、潍坊市潍城区、阿坝藏族羌族自治州阿坝县、怀化市靖州苗族侗族自治县、黄冈市黄梅县、佳木斯市桦南县、重庆市丰都县

本周数据平台今日数据平台透露最新消息,今日研究机构公开新政策,办公室可否干湿你：探索现代办公环境的湿度调节之道，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

咸阳市彬州市、朔州市朔城区 ，重庆市垫江县、长治市襄垣县、武汉市新洲区、黔南瓮安县、重庆市巴南区、雅安市宝兴县、汕尾市陆河县、广西来宾市兴宾区、陵水黎族自治县隆广镇、红河建水县、海北刚察县、潍坊市寒亭区、洛阳市洛龙区、儋州市光村镇、金华市金东区 、鞍山市铁东区、中山市中山港街道、文昌市昌洒镇、成都市温江区、文山砚山县、东莞市虎门镇、温州市龙港市、遵义市凤冈县、内蒙古包头市昆都仑区、开封市通许县、鸡西市密山市、南京市建邺区、台州市临海市、广西百色市田阳区

全球服务区域: 西安市碑林区、池州市青阳县 、太原市万柏林区、琼海市博鳌镇、抚州市南城县、湘潭市湘乡市、赣州市于都县、大同市灵丘县、儋州市和庆镇、无锡市江阴市、河源市和平县、济源市市辖区、吉安市安福县、驻马店市正阳县、肇庆市端州区、周口市西华县、佳木斯市郊区 、晋城市城区、杭州市富阳区、梅州市蕉岭县、黄南河南蒙古族自治县、酒泉市玉门市

在线维修进度查询,昨日官方发布最新研究成果,办公室可否干湿你：探索现代办公环境的湿度调节之道，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用咨询专线，专业指导日常维护

全国服务区域: 平顶山市鲁山县、哈尔滨市松北区 、内蒙古乌兰察布市丰镇市、潍坊市青州市、楚雄牟定县、泰安市宁阳县、广西钦州市钦北区、赣州市兴国县、文山丘北县、广西来宾市合山市、六安市霍邱县、巴中市南江县、忻州市代县、连云港市灌南县、蚌埠市蚌山区、洛阳市偃师区、河源市源城区 、临沧市耿马傣族佤族自治县、潮州市湘桥区、南充市仪陇县、东营市河口区、眉山市丹棱县、伊春市金林区、晋中市榆次区、普洱市西盟佤族自治县、镇江市扬中市、丽江市宁蒗彝族自治县、三明市尤溪县、新乡市延津县、衡阳市衡山县、黄山市黟县、长春市南关区、三明市大田县、红河开远市、泰州市海陵区、忻州市五台县、广西来宾市兴宾区、海北海晏县、白城市镇赉县、周口市扶沟县、伊春市金林区

统一维修资源中心:本周监管部门公开新进展,办公室可否干湿你：探索现代办公环境的湿度调节之道

在快节奏的现代生活中，办公室成为了人们工作、交流、思考的重要场所。然而，办公室的湿度问题却常常被人们忽视。那么，办公室可不可以干湿你？这个问题看似荒谬，实则关乎我们的健康和工作效率。本文将探讨办公室湿度调节的重要性，以及如何实现干湿适宜的办公环境。 ### 湿度对办公环境的影响 首先，我们需要了解湿度对办公环境的影响。适宜的湿度可以带来以下好处： 1. **保护人体健康**：人体对湿度的适应能力较强，但过高的湿度容易导致人体抵抗力下降，引发感冒、咳嗽等疾病。而干燥的空气则容易导致皮肤干燥、呼吸道不适等问题。 2. **提高工作效率**：适宜的湿度有助于保持室内空气清新，使人精神焕发，提高工作效率。相反，干燥或潮湿的空气会让人感到不适，从而影响工作效率。 3. **保护办公设备**：湿度对办公设备也有一定的影响。过高的湿度可能导致设备受潮、生锈，而过低的湿度则可能使设备干燥、开裂。 ### 如何调节办公室湿度 那么，如何调节办公室湿度，实现干湿适宜的办公环境呢？ 1. **使用加湿器**：在干燥的冬季，可以在办公室内放置加湿器，增加室内湿度。加湿器可以有效地改善室内空气质量，使人感到舒适。 2. **合理通风**：保持办公室的通风是调节湿度的有效方法。在天气晴朗、湿度较低的时候，可以适当开窗通风，降低室内湿度。 3. **使用除湿器**：在潮湿的夏季，可以使用除湿器降低室内湿度。除湿器可以有效地去除室内多余的水分，保持室内空气干燥。 4. **合理摆放植物**：植物具有调节湿度的作用。在办公室内摆放一些绿色植物，如吊兰、绿萝等，可以起到一定的调节湿度效果。 5. **注意个人卫生**：保持办公室的清洁卫生，及时清理地面、桌面上的积水，避免潮湿环境滋生细菌。 ### 总结 办公室湿度调节是一个不容忽视的问题。通过合理的方法，我们可以实现干湿适宜的办公环境，保护人体健康，提高工作效率。因此，让我们共同努力，打造一个舒适、健康的办公空间。办公室可不可以干湿你？答案是肯定的，只要我们关注湿度调节，就能让办公室成为我们工作和生活的乐园。

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。