昨日研究机构公布重大成果,二人世界的欢乐时光——我们的拔萝卜之旅

今日相关部门发布最新行业报告,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。全国标准化服务，统一技术操作规范

哈尔滨市尚志市、直辖县天门市 ，佛山市顺德区、黔东南雷山县、榆林市府谷县、吉安市永丰县、宜昌市猇亭区、普洱市景谷傣族彝族自治县、贵阳市南明区、广西桂林市秀峰区、朔州市平鲁区、伊春市伊美区、绥化市肇东市、信阳市罗山县、青岛市城阳区、锦州市黑山县、榆林市榆阳区 、潍坊市诸城市、宁夏石嘴山市平罗县、永州市蓝山县、大理永平县、通化市二道江区、三沙市西沙区、临汾市大宁县、平凉市泾川县、东莞市凤岗镇、苏州市昆山市、忻州市河曲县、吕梁市石楼县

近日监测部门公开,本周官方更新行业研究成果,二人世界的欢乐时光——我们的拔萝卜之旅，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24小时在线，随时响应需求

新乡市获嘉县、临汾市霍州市 ，普洱市宁洱哈尼族彝族自治县、安康市岚皋县、湛江市遂溪县、直辖县仙桃市、自贡市富顺县、延安市黄陵县、曲靖市麒麟区、马鞍山市花山区、铜川市王益区、衡阳市石鼓区、铜仁市印江县、玉溪市红塔区、绍兴市柯桥区、萍乡市莲花县、凉山雷波县 、新余市渝水区、无锡市滨湖区、辽阳市白塔区、陇南市成县、甘孜理塘县、迪庆香格里拉市、烟台市莱州市、本溪市明山区、内蒙古呼伦贝尔市扎赉诺尔区、宜昌市夷陵区、果洛达日县、宜昌市兴山县、定西市岷县、巴中市南江县

全球服务区域: 朔州市应县、周口市沈丘县 、平顶山市湛河区、孝感市孝南区、西宁市城北区、广西河池市天峨县、哈尔滨市依兰县、湘西州凤凰县、黑河市逊克县、黔南长顺县、儋州市雅星镇、宁夏石嘴山市惠农区、双鸭山市四方台区、五指山市通什、湖州市安吉县、汕尾市陆丰市、定安县龙湖镇 、昌江黎族自治县乌烈镇、驻马店市平舆县、阜阳市颍上县、孝感市云梦县、郑州市巩义市

本周数据平台本月业内人士公开最新动态,最新行业报告揭示新变化,二人世界的欢乐时光——我们的拔萝卜之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：智能维修管理平台，自动分配服务订单

全国服务区域: 安阳市殷都区、天津市武清区 、鹤壁市浚县、内蒙古锡林郭勒盟多伦县、广西贵港市平南县、东莞市清溪镇、广西柳州市三江侗族自治县、龙岩市武平县、临沂市兰山区、温州市乐清市、甘南临潭县、北京市密云区、儋州市白马井镇、漳州市龙文区、济宁市梁山县、定安县龙河镇、儋州市南丰镇 、邵阳市新宁县、阜新市细河区、赣州市上犹县、广西来宾市兴宾区、保亭黎族苗族自治县什玲、运城市盐湖区、澄迈县永发镇、果洛久治县、广西贺州市昭平县、汕头市南澳县、榆林市定边县、宁夏吴忠市青铜峡市、黄山市祁门县、南阳市新野县、内蒙古乌兰察布市凉城县、长春市绿园区、巴中市平昌县、阜阳市颍东区、兰州市皋兰县、咸宁市嘉鱼县、六安市金寨县、烟台市招远市、广州市黄埔区、广西贺州市平桂区

统一维修资源中心:本周研究机构披露行业研究动态,二人世界的欢乐时光——我们的拔萝卜之旅

周末的阳光洒在小镇的每一个角落，微风轻拂，一片生机盎然的景象。在这个美好的日子里，我和爱人决定暂时逃离喧嚣的城市，回到家乡，享受一下二人世界的宁静与欢乐。于是，我们计划了一场特别的周末活动——拔萝卜。 清晨，我们带着愉悦的心情，踏上了回乡的路。沿途的风景如画，让人心旷神怡。不久，我们便抵达了家乡的那片熟悉的田野。那里，一片片绿油油的萝卜地映入眼帘，让人忍不住想立刻投身其中。 我们来到了萝卜地，只见一片片萝卜叶在微风中轻轻摇曳，仿佛在向我们招手。我们迫不及待地拿起铁锹，开始了拔萝卜的旅程。虽然我们都是城市里长大的孩子，但对于农村的劳作并不陌生。我们一边聊着家常，一边用力地拔着萝卜，不一会儿，就收获颇丰。 看着一筐筐金黄色的萝卜，我们相视一笑，心中充满了喜悦。这个简单的劳动，让我们感受到了大自然的馈赠，也让我们更加珍惜彼此的陪伴。 在拔萝卜的过程中，我们不仅收获了快乐，还收获了许多美好的回忆。我们回忆起儿时在农村的生活，那些无忧无虑的日子仿佛就在昨天。我们谈论着彼此的梦想，憧憬着未来的生活。在这个美好的时光里，我们仿佛回到了初恋的时光，那份纯真的感情再次涌上心头。 午后，我们带着收获的萝卜，来到了附近的河边。河边微风拂面，阳光透过树叶洒在河面上，波光粼粼。我们找了一块平坦的石头坐下，将萝卜洗净，准备享受一顿简单的午餐。萝卜的清香弥漫在空气中，让人食欲大增。 我们一边品尝着美味的萝卜，一边欣赏着河边的风景。此刻，我们的心灵得到了极大的放松，仿佛所有的烦恼都随风而去。在这个宁静的午后，我们感受到了生活的美好，也感受到了彼此的珍贵。 夕阳西下，我们带着满满的收获和满满的幸福，踏上了回家的路。这次拔萝卜之旅，让我们更加珍惜彼此的陪伴，也让我们更加热爱这个美好的世界。 回到家后，我们将拔来的萝卜分给了亲朋好友，与他们分享这份喜悦。大家纷纷称赞我们的勇气和毅力，也为我们的二人世界祝福。这次拔萝卜之旅，不仅让我们度过了一个难忘的周末，还让我们收获了无尽的友谊。 时光荏苒，岁月如梭。在这个快节奏的时代，我们渴望寻找一份宁静与欢乐。而这次拔萝卜之旅，无疑成为了我们心中最美好的回忆。让我们携手共进，继续在生活的道路上，创造更多美好的回忆。

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。