本月相关部门传递重要研究成果,农场ZOOM与人性ZOOM：两种视角下的深度对比

近日官方发布重大研究报告,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。家电保养记录查询，完整服务历史追溯

阜新市阜新蒙古族自治县、昆明市官渡区 ，韶关市始兴县、周口市沈丘县、陇南市徽县、重庆市綦江区、济宁市梁山县、武汉市新洲区、昌江黎族自治县石碌镇、潍坊市临朐县、榆林市横山区、黔南福泉市、孝感市孝南区、中山市三乡镇、淄博市沂源县、铁岭市调兵山市、铜仁市德江县 、广西柳州市融水苗族自治县、淮安市淮阴区、宝鸡市麟游县、合肥市庐江县、株洲市攸县、铜仁市万山区、汕头市潮阳区、南阳市方城县、邵阳市北塔区、本溪市本溪满族自治县、成都市蒲江县、琼海市大路镇

刚刚科研委员会公布突破成果,近日官方发布重大研究报告,农场ZOOM与人性ZOOM：两种视角下的深度对比，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

杭州市江干区、白沙黎族自治县金波乡 ，衡阳市祁东县、聊城市临清市、滨州市惠民县、宜春市高安市、海西蒙古族茫崖市、眉山市仁寿县、内蒙古鄂尔多斯市乌审旗、临汾市洪洞县、鹤壁市浚县、平顶山市新华区、内蒙古锡林郭勒盟太仆寺旗、内江市威远县、延安市宜川县、通化市通化县、万宁市龙滚镇 、广西河池市环江毛南族自治县、肇庆市鼎湖区、常德市武陵区、遵义市仁怀市、榆林市吴堡县、蚌埠市淮上区、张掖市肃南裕固族自治县、沈阳市沈北新区、惠州市惠城区、黔西南贞丰县、普洱市景谷傣族彝族自治县、梅州市平远县、深圳市福田区、丽江市玉龙纳西族自治县

全球服务区域: 福州市连江县、邵阳市大祥区 、通化市二道江区、临高县南宝镇、无锡市江阴市、宁波市镇海区、达州市万源市、伊春市嘉荫县、双鸭山市四方台区、白沙黎族自治县元门乡、哈尔滨市道里区、上饶市婺源县、连云港市灌云县、东莞市凤岗镇、营口市西市区、乐东黎族自治县九所镇、普洱市景谷傣族彝族自治县 、通化市通化县、马鞍山市雨山区、毕节市赫章县、成都市龙泉驿区、甘孜九龙县

专家技术支援专线,今日行业协会传达最新研究报告,农场ZOOM与人性ZOOM：两种视角下的深度对比，很高兴为您解答这个问题，让我来帮您详细说明一下：专业售后团队，客服热线随时待命

全国服务区域: 广西桂林市秀峰区、西安市灞桥区 、杭州市淳安县、三明市尤溪县、阿坝藏族羌族自治州阿坝县、内蒙古鄂尔多斯市康巴什区、荆州市荆州区、广西河池市宜州区、黔东南台江县、甘孜九龙县、马鞍山市和县、重庆市武隆区、广西梧州市岑溪市、红河弥勒市、定安县龙湖镇、吉安市峡江县、牡丹江市阳明区 、泉州市洛江区、安庆市迎江区、南阳市内乡县、内蒙古鄂尔多斯市伊金霍洛旗、烟台市福山区、镇江市句容市、内蒙古锡林郭勒盟正蓝旗、昭通市威信县、吉林市船营区、资阳市安岳县、普洱市西盟佤族自治县、广西玉林市容县、海北刚察县、广西来宾市武宣县、大同市天镇县、景德镇市昌江区、沈阳市法库县、鹤岗市绥滨县、信阳市潢川县、重庆市巴南区、内蒙古阿拉善盟阿拉善右旗、本溪市明山区、扬州市宝应县、延安市宝塔区

可视化故障排除专线，实时监测数据:今日行业协会发布重要研究报告,农场ZOOM与人性ZOOM：两种视角下的深度对比

在探讨农场与人性这两个看似迥异的概念时，我们可以尝试通过“ZOOM”这一比喻来深入理解它们之间的区别。这里的“ZOOM”并非指实际的放大或缩小，而是象征着一种对事物的深入观察和细致分析。本文将从农场ZOOM与人性ZOOM两个角度出发，对比两者之间的差异。 ### 农场ZOOM：从宏观到微观的视角 农场ZOOM，顾名思义，是对农场这一生产单位的全面观察。从宏观角度来看，农场ZOOM关注的是农场的整体运作，包括土地、作物、设备、劳动力等要素。这种视角下的农场，是一个复杂而庞大的系统，其运作规律受到自然、社会、经济等多方面因素的影响。 在农场ZOOM的视角下，我们可以看到农业生产的基本规律。例如，土地的肥沃程度、气候条件、作物品种等因素都会影响农作物的产量和质量。此外，农场的管理、技术、市场等因素也会对农业生产产生重要影响。这种宏观的视角有助于我们把握农场运作的整体趋势，为农业生产提供科学依据。 然而，农场ZOOM并非只关注宏观层面，它同样关注微观层面。在微观层面，农场ZOOM关注的是单个作物、单个地块、单个农事操作等具体问题。例如，如何合理施肥、如何防治病虫害、如何提高农作物产量等。这种微观的视角有助于我们深入了解农场运作的具体细节，为农业生产提供针对性的解决方案。 ### 人性ZOOM：从个体到群体的视角 人性ZOOM，则是对人性的全面观察。从个体角度来看，人性ZOOM关注的是个体的心理、行为、价值观等。这种视角下的个体，是一个具有独立思考、情感、欲望等复杂心理特征的实体。 在人性ZOOM的视角下，我们可以看到人性的多样性和复杂性。例如，个体的性格、教育背景、生活环境等因素都会影响其心理和行为。此外，社会文化、道德规范、法律制度等因素也会对人性产生重要影响。这种个体视角有助于我们理解个体的心理和行为，为心理学、社会学等学科提供理论支持。 然而，人性ZOOM并非只关注个体层面，它同样关注群体层面。在群体层面，人性ZOOM关注的是社会、民族、国家等群体的心理、行为、价值观等。这种视角下的群体，是一个具有共同利益、共同信仰、共同价值观的实体。例如，民族精神、国家意识、社会责任感等都是群体层面的表现。这种群体视角有助于我们理解社会现象、历史进程，为社会科学研究提供理论依据。 ### 农场ZOOM与人性ZOOM的区别 通过上述分析，我们可以发现农场ZOOM与人性ZOOM之间存在以下区别： 1. 视角不同：农场ZOOM从宏观和微观两个层面观察农场，而人性ZOOM从个体和群体两个层面观察人性。 2. 研究对象不同：农场ZOOM的研究对象是农场这一生产单位，而人性ZOOM的研究对象是人。 3. 研究方法不同：农场ZOOM采用实证研究、数据分析等方法，而人性ZOOM采用心理学、社会学、哲学等方法。 4. 应用领域不同：农场ZOOM的应用领域包括农业、经济学、生态学等，而人性ZOOM的应用领域包括心理学、社会学、教育学等。 总之，农场ZOOM与人性ZOOM是两种不同的视角，它们在研究方法和应用领域上存在差异。然而，这两种视角都对人类社会和自然界的发展具有重要意义。通过对农场ZOOM与人性ZOOM的深入对比，我们可以更好地理解人类社会的复杂性和多样性。

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。