本月相关部门传达最新政策,水晶猎龙者全身光：探寻神秘力量背后的传奇故事

本周业内人士传递最新研究成果,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。家电企业专属热线，大客户定制服务

陇南市宕昌县、成都市蒲江县 ，楚雄禄丰市、岳阳市云溪区、三门峡市灵宝市、宜春市樟树市、延安市宝塔区、广西玉林市福绵区、天津市滨海新区、阜阳市颍州区、佛山市南海区、澄迈县桥头镇、咸阳市泾阳县、韶关市仁化县、濮阳市范县、淮北市烈山区、潍坊市临朐县 、西安市雁塔区、中山市南朗镇、凉山会东县、九江市彭泽县、直辖县神农架林区、南充市南部县、遵义市赤水市、武汉市东西湖区、甘南舟曲县、咸宁市通城县、龙岩市新罗区、广西河池市罗城仫佬族自治县

本周数据平台近日官方渠道公开最新动态,今日监管部门披露行业新变化,水晶猎龙者全身光：探寻神秘力量背后的传奇故事，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障远程诊断，视频指导快速解决

衢州市常山县、潮州市湘桥区 ，新乡市卫辉市、天水市张家川回族自治县、台州市路桥区、晋城市沁水县、南通市如东县、内蒙古呼伦贝尔市海拉尔区、忻州市河曲县、儋州市雅星镇、遂宁市蓬溪县、漳州市芗城区、福州市长乐区、潍坊市奎文区、重庆市南岸区、随州市广水市、东莞市莞城街道 、伊春市大箐山县、北京市门头沟区、平凉市崇信县、内蒙古呼伦贝尔市陈巴尔虎旗、文昌市潭牛镇、大庆市龙凤区、齐齐哈尔市昂昂溪区、莆田市秀屿区、商洛市丹凤县、邵阳市绥宁县、鹰潭市余江区、汉中市洋县、西安市长安区、榆林市定边县

全球服务区域: 东莞市石排镇、广州市黄埔区 、九江市彭泽县、清远市连州市、楚雄南华县、茂名市茂南区、绵阳市涪城区、昭通市鲁甸县、双鸭山市集贤县、南平市建阳区、天水市秦州区、遵义市习水县、潍坊市临朐县、广西桂林市临桂区、广西百色市平果市、郴州市临武县、遵义市余庆县 、北京市丰台区、咸阳市三原县、重庆市巫山县、平凉市崆峒区、洛阳市嵩县

近日调查组公开关键证据本,本月相关部门发布重大动态,水晶猎龙者全身光：探寻神秘力量背后的传奇故事，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一服务专线，标准化维修流程

全国服务区域: 达州市开江县、莆田市城厢区 、七台河市勃利县、重庆市忠县、盐城市建湖县、韶关市新丰县、榆林市神木市、吕梁市岚县、昭通市威信县、长春市双阳区、商丘市永城市、嘉兴市桐乡市、庆阳市宁县、焦作市修武县、广西梧州市岑溪市、驻马店市泌阳县、黄山市屯溪区 、深圳市罗湖区、绥化市肇东市、商洛市洛南县、江门市新会区、上饶市广信区、铁岭市昌图县、咸阳市礼泉县、漳州市平和县、铜仁市石阡县、黔东南黎平县、黄冈市红安县、茂名市化州市、莆田市秀屿区、遵义市湄潭县、焦作市山阳区、昌江黎族自治县石碌镇、晋中市左权县、广西贵港市桂平市、宁夏石嘴山市惠农区、甘孜巴塘县、宿迁市宿城区、金昌市金川区、荆州市监利市、中山市小榄镇

本月官方渠道传达政策动向:本月行业报告公开研究成果,水晶猎龙者全身光：探寻神秘力量背后的传奇故事

在遥远的东方，有一个神秘而古老的传说，讲述了一位名叫水晶猎龙者的英雄。这位英雄身穿一袭闪耀着璀璨光芒的战袍，全身都被一层神秘的水晶之光所笼罩。这层光芒不仅赋予了他强大的力量，更成为了他战胜邪恶、守护家园的象征。今天，就让我们一同揭开水晶猎龙者全身光的神秘面纱，探寻这位传奇英雄背后的故事。 水晶猎龙者，这个名字在古老的东方流传已久。相传，在很久以前，龙族与人类之间爆发了一场前所未有的战争。龙族为了争夺领土，不断侵犯人类的家园，给人们带来了无尽的灾难。为了拯救苍生，一位名叫水晶的勇士挺身而出，他立志要消灭邪恶的龙族，恢复人类的安宁。 水晶勇士在修炼的过程中，得到了一位神秘仙人的指点。仙人告诉他，只有找到传说中的水晶之心，才能锻造出一身能够抵御龙族攻击的战袍。于是，水晶勇士踏上了寻找水晶之心的征程。 历经千辛万苦，水晶勇士终于找到了水晶之心。他将这颗神奇的心脏融入战袍之中，顿时，战袍散发出耀眼的水晶之光。这层光芒不仅让水晶勇士拥有了强大的力量，更让他能够与龙族展开一场惊心动魄的较量。 在战斗中，水晶猎龙者凭借水晶之光的力量，屡次击败了强大的龙族。他的事迹传遍了整个东方，人们纷纷为他欢呼，将他视为救世主。然而，水晶猎龙者并未因此而骄傲自满。他深知，自己的使命远远不止于此。 为了彻底消灭龙族，水晶猎龙者开始了更为艰苦的修炼。他不断探索水晶之光的奥秘，试图找到战胜龙族的最终方法。在这个过程中，他结识了许多志同道合的伙伴，共同为了人类的未来而奋斗。 终于，在一场决定性的战斗中，水晶猎龙者带领着伙伴们，与龙族展开了生死较量。在这场激战中，水晶猎龙者全身的水晶之光达到了前所未有的强度。他凭借着这股神秘的力量，成功击败了邪恶的龙族，拯救了人类。 战斗结束后，水晶猎龙者并没有选择享受胜利的果实。他深知，这个世界仍然存在着许多邪恶势力。于是，他继续修炼，不断提升自己的实力，守护着人类的家园。 时至今日，水晶猎龙者全身光的故事依然在东方流传。人们相信，只要水晶之光不灭，邪恶势力就无法肆虐。而这层神秘的光芒，也成为了东方人民心中永恒的信仰。 水晶猎龙者全身光的故事，不仅是一段传奇，更是一种精神的象征。它告诉我们，在面对困难和挑战时，只要我们坚定信念，勇往直前，就一定能够战胜一切。而这层璀璨的水晶之光，也将永远照亮我们前行的道路。

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。