本周行业协会传递行业报告,校园里的尴尬瞬间：男生误将坤巴扎进女生坤巴里的故事

近日行业报告公布新成果,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。数字化服务派单，精准对接维修需求

武汉市东西湖区、济宁市梁山县 ，资阳市雁江区、嘉峪关市文殊镇、重庆市渝中区、珠海市香洲区、金华市浦江县、临沂市平邑县、红河蒙自市、广西崇左市大新县、丽水市青田县、黔东南从江县、乐山市井研县、重庆市九龙坡区、广州市番禺区、澄迈县加乐镇、六盘水市盘州市 、吉安市永丰县、海东市平安区、广西河池市环江毛南族自治县、黔东南黄平县、新乡市获嘉县、大连市金州区、宁波市象山县、成都市青羊区、青岛市胶州市、东莞市寮步镇、西安市周至县、天津市宁河区

近日研究机构传出突破成果,近期国家机构传递重大政策,校园里的尴尬瞬间：男生误将坤巴扎进女生坤巴里的故事，很高兴为您解答这个问题，让我来帮您详细说明一下：售后咨询服务中心，全时段多渠道服务

甘孜康定市、泉州市南安市 ，广安市武胜县、定安县定城镇、衢州市衢江区、重庆市潼南区、金昌市金川区、昌江黎族自治县叉河镇、宿州市砀山县、广西玉林市博白县、广西贺州市富川瑶族自治县、珠海市斗门区、上饶市玉山县、河源市东源县、湛江市雷州市、广西桂林市秀峰区、大理漾濞彝族自治县 、东莞市谢岗镇、洛阳市新安县、商洛市丹凤县、大庆市林甸县、渭南市华阴市、临高县东英镇、信阳市罗山县、济宁市微山县、大同市灵丘县、济南市历城区、中山市三乡镇、洛阳市孟津区、广西梧州市岑溪市、红河金平苗族瑶族傣族自治县

全球服务区域: 绍兴市越城区、咸宁市嘉鱼县 、济宁市汶上县、阜阳市颍州区、攀枝花市仁和区、东方市三家镇、辽阳市弓长岭区、通化市二道江区、澄迈县桥头镇、重庆市铜梁区、池州市贵池区、南平市顺昌县、琼海市会山镇、齐齐哈尔市泰来县、达州市通川区、黔西南兴仁市、温州市乐清市 、齐齐哈尔市甘南县、武汉市江夏区、上海市杨浦区、营口市盖州市、佛山市顺德区

近日检测中心传出核心指标,近期官方渠道更新行业动态,校园里的尴尬瞬间：男生误将坤巴扎进女生坤巴里的故事，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

全国服务区域: 漯河市舞阳县、临沧市镇康县 、自贡市大安区、宿迁市泗阳县、本溪市桓仁满族自治县、晋城市沁水县、盘锦市双台子区、自贡市富顺县、郴州市桂东县、宁波市象山县、甘孜稻城县、内蒙古鄂尔多斯市杭锦旗、襄阳市樊城区、西安市长安区、潍坊市高密市、贵阳市白云区、果洛玛沁县 、恩施州巴东县、果洛达日县、临汾市安泽县、平顶山市叶县、孝感市云梦县、新乡市新乡县、萍乡市莲花县、内蒙古锡林郭勒盟正蓝旗、白沙黎族自治县南开乡、广西北海市铁山港区、福州市闽侯县、凉山木里藏族自治县、普洱市西盟佤族自治县、内蒙古鄂尔多斯市东胜区、红河红河县、南阳市宛城区、万宁市龙滚镇、沈阳市康平县、大兴安岭地区加格达奇区、安康市石泉县、成都市崇州市、宣城市宣州区、黄南同仁市、内蒙古包头市固阳县

刚刚科研委员会公布突破成果:本月官方渠道传递新进展,校园里的尴尬瞬间：男生误将坤巴扎进女生坤巴里的故事

在繁忙的校园生活中，总会有一些令人尴尬的时刻。这不，就有一位男生，因为一次无意的举动，让整个教室陷入了尴尬的气氛。 这位男生名叫小明，是学校里的一名普通学生。他性格开朗，人缘也不错。然而，就在那天，他犯了一个让人哭笑不得的错误。 那天下午，学校组织了一场篮球比赛。小明和同学们一起加入了比赛。在激烈的角逐中，小明发挥出色，成功地为球队赢得了胜利。比赛结束后，同学们纷纷为小明欢呼，小明也感到非常高兴。 就在这时，教室里的女生小芳突然喊道：“小明，你把我的坤巴扎进我的坤巴里了！”这句话一出，整个教室瞬间安静下来，同学们的目光都集中在了小明身上。 原来，小芳在比赛过程中，不小心将坤巴（一种女性卫生用品）遗落在了地上。而小明在捡起坤巴时，误将其扎进了小芳的坤巴里。这一幕，让在场的所有人都感到尴尬不已。 面对突如其来的尴尬，小明感到非常抱歉。他立刻向小芳道歉，并表示愿意承担一切责任。小芳虽然有些生气，但看到小明真诚的态度，也原谅了他。 为了缓解尴尬气氛，小明提议请全班同学吃零食。在欢声笑语中，这场尴尬的误会得到了圆满解决。 这件事让小明深刻反思了自己的行为。他意识到，在日常生活中，我们要时刻注意自己的言行举止，以免给他人带来困扰。同时，这也让小明明白了，面对尴尬的场合，保持冷静和真诚的态度，是化解尴尬的关键。 从那以后，小明变得更加细心和谨慎。他学会了在与人交往时，尊重他人的隐私和感受。而小芳也学会了宽容和理解，不再对别人的无心之过斤斤计较。 这个小小的误会，虽然让小明和小芳都经历了一次尴尬，但也让他们在成长的道路上，学会了如何面对和化解尴尬。相信在未来的日子里，他们会将这次经历化作前进的动力，共同度过更多美好的时光。 在校园生活中，类似的尴尬事件并不少见。面对这些尴尬，我们要学会从中吸取教训，不断提升自己的素养。同时，也要学会宽容和理解，尊重他人的感受。只有这样，我们才能在校园这个大家庭中，和谐相处，共同成长。 总之，那个让小明误将坤巴扎进女生坤巴里的尴尬瞬间，虽然让人啼笑皆非，但也让我们明白了尊重和宽容的重要性。让我们携手共进，共同营造一个温馨、和谐的校园环境。

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。