昨日官方发布行业通报,《双黑蛇的温度：一场1V2的巅峰对决》

今日行业报告披露行业进展,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。专业维修团队，客服热线一键联系

黔西南普安县、济宁市邹城市 ，内蒙古鄂尔多斯市杭锦旗、商丘市虞城县、铁岭市昌图县、榆林市定边县、巴中市通江县、保山市隆阳区、岳阳市华容县、菏泽市巨野县、东方市大田镇、抚州市乐安县、嘉峪关市峪泉镇、鹤岗市萝北县、通化市集安市、内蒙古鄂尔多斯市准格尔旗、延边敦化市 、广西贺州市昭平县、新乡市获嘉县、广西桂林市叠彩区、吉安市遂川县、茂名市茂南区、福州市福清市、广西南宁市良庆区、汉中市留坝县、广元市剑阁县、韶关市新丰县、广西南宁市青秀区、甘孜得荣县

统一服务管理平台，智能监控质量,本月行业协会披露重要信息,《双黑蛇的温度：一场1V2的巅峰对决》，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修服务热线，技术专家在线解答

安庆市怀宁县、长春市南关区 ，郴州市苏仙区、晋中市榆社县、吕梁市离石区、芜湖市南陵县、中山市南朗镇、内蒙古兴安盟突泉县、怒江傈僳族自治州福贡县、临汾市翼城县、孝感市孝昌县、烟台市莱州市、南阳市唐河县、白银市平川区、铜仁市印江县、湛江市吴川市、泰安市泰山区 、北京市昌平区、常州市武进区、榆林市定边县、宁夏固原市彭阳县、嘉兴市南湖区、临汾市襄汾县、菏泽市郓城县、西宁市城东区、台州市三门县、吕梁市中阳县、上海市静安区、黔西南兴义市、酒泉市阿克塞哈萨克族自治县、广西柳州市鱼峰区

全球服务区域: 昆明市寻甸回族彝族自治县、云浮市罗定市 、四平市公主岭市、大理剑川县、洛阳市洛龙区、徐州市鼓楼区、南通市海安市、茂名市茂南区、丽江市玉龙纳西族自治县、驻马店市泌阳县、东莞市望牛墩镇、云浮市罗定市、昆明市官渡区、咸阳市长武县、广西北海市银海区、南阳市方城县、延边图们市 、宜昌市五峰土家族自治县、西双版纳景洪市、资阳市雁江区、临沂市蒙阴县、儋州市那大镇

近日检测中心传出核心指标,今日监管部门披露重要进展,《双黑蛇的温度：一场1V2的巅峰对决》，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联网回收网络，统一处理渠道

全国服务区域: 宣城市绩溪县、广西贵港市港北区 、锦州市凌河区、玉溪市华宁县、荆州市洪湖市、汉中市佛坪县、大理漾濞彝族自治县、宿迁市泗洪县、甘孜乡城县、安康市汉阴县、龙岩市长汀县、内江市隆昌市、西双版纳勐海县、青岛市城阳区、广西南宁市上林县、榆林市榆阳区、昭通市威信县 、邵阳市北塔区、重庆市城口县、宜宾市高县、潍坊市寿光市、烟台市栖霞市、东营市东营区、安庆市太湖县、郴州市资兴市、儋州市木棠镇、曲靖市富源县、芜湖市无为市、松原市乾安县、阜新市阜新蒙古族自治县、雅安市宝兴县、陵水黎族自治县本号镇、玉溪市易门县、保山市腾冲市、佳木斯市前进区、宿迁市泗洪县、亳州市谯城区、哈尔滨市双城区、乐东黎族自治县大安镇、杭州市临安区、内蒙古通辽市霍林郭勒市

统一维修资源中心:今日官方通报发布新研究报告,《双黑蛇的温度：一场1V2的巅峰对决》

在蛇类世界中，双黑蛇以其独特的魅力和强大的实力，一直备受关注。近日，一场备受瞩目的双黑蛇1V2对决在蛇界掀起了一场前所未有的热潮。这场对决不仅考验了双黑蛇的生存技巧，更展现了它们在逆境中顽强拼搏的精神。 双黑蛇，顾名思义，是一种全身漆黑的蛇类，它们生活在阴暗潮湿的环境中，以捕食昆虫、小型哺乳动物为生。这种蛇的体长通常在1.5米左右，性情凶猛，攻击力极强。在蛇界，双黑蛇以一敌二的能力更是令人称奇。 此次对决，两只双黑蛇分别来自我国南方和北方，它们在一场激烈的角逐中展开了一场1V2的生死较量。这场对决的地点选在了一片茂密的丛林中，四周环境复杂，为比赛增加了不少悬念。 比赛开始，两只双黑蛇迅速进入状态。它们在丛林中穿梭，利用敏锐的感官寻找对手。其中一只双黑蛇率先发现了目标，迅速发起攻击。另一只双黑蛇见状，也迅速加入战斗，形成了1V2的阵势。 在丛林中，两只双黑蛇展开了激烈的追逐。它们利用身体灵活的优势，在树木间穿梭，躲避对方的攻击。与此同时，两只双黑蛇还不断变换战术，时而正面交锋，时而迂回包抄，使比赛充满了紧张刺激的气氛。 经过一番激战，两只双黑蛇终于找到了机会。一只双黑蛇成功咬住了对方的颈部，而另一只双黑蛇则趁机绕到对方身后，发动致命一击。然而，在关键时刻，被咬的双黑蛇突然发力，将对方甩开，并成功反击。 此时，比赛进入白热化阶段。两只双黑蛇在丛林中展开了一场生死搏斗。它们互相缠绕，试图找到对方的弱点。在紧张的氛围中，观众们为这两只勇敢的战士加油鼓劲。 经过漫长的战斗，一只双黑蛇最终凭借顽强的意志和出色的技巧，战胜了另一只双黑蛇。在场的观众们为它的胜利欢呼雀跃。而那只败北的双黑蛇也赢得了大家的尊重，因为它展现出了顽强拼搏的精神。 这场双黑蛇1V2对决不仅是一场视觉盛宴，更是一次精神洗礼。它让我们看到了双黑蛇在逆境中顽强拼搏的精神，也让我们明白了在现实生活中，面对困难和挑战时，我们要学会勇敢地面对，敢于拼搏。 此次对决的成功举办，不仅丰富了蛇类世界的竞技文化，也为广大蛇类爱好者提供了一个欣赏和交流的平台。相信在不久的将来，会有更多精彩的对决呈现在我们面前。而双黑蛇，也将继续以其独特的魅力，成为蛇界中的一颗璀璨明珠。

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。