本周研究机构披露新政策,安卓平台上的H游戏:体验与挑战并存
刚刚国家机构发布最新通报,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。全国联网维保服务,统一护理标准
内蒙古呼伦贝尔市根河市、齐齐哈尔市泰来县 ,合肥市肥东县、上海市虹口区、宁夏石嘴山市平罗县、广西玉林市玉州区、邵阳市双清区、南阳市方城县、宜昌市西陵区、湘西州凤凰县、阳泉市盂县、沈阳市新民市、北京市门头沟区、盘锦市双台子区、永州市江华瑶族自治县、吕梁市孝义市、普洱市景谷傣族彝族自治县 、济宁市兖州区、榆林市米脂县、凉山会东县、德宏傣族景颇族自治州陇川县、丽江市永胜县、四平市梨树县、合肥市蜀山区、延安市甘泉县、绥化市青冈县、赣州市于都县、乐山市沙湾区、阳江市阳东区
近日监测中心公开最新参数,本月行业协会公布最新成果,安卓平台上的H游戏:体验与挑战并存,很高兴为您解答这个问题,让我来帮您详细说明一下:客服中心多渠道接入,响应迅速
内蒙古包头市石拐区、青岛市市北区 ,新乡市辉县市、景德镇市昌江区、东营市利津县、楚雄永仁县、东方市东河镇、淄博市高青县、广西百色市田林县、齐齐哈尔市富拉尔基区、海东市民和回族土族自治县、泸州市纳溪区、衢州市江山市、连云港市灌云县、临汾市浮山县、新乡市新乡县、陵水黎族自治县文罗镇 、芜湖市弋江区、黔东南榕江县、长春市南关区、宣城市绩溪县、济南市平阴县、赣州市于都县、阳泉市矿区、忻州市原平市、金华市永康市、荆门市京山市、牡丹江市海林市、菏泽市鄄城县、陵水黎族自治县新村镇、临沂市河东区
全球服务区域: 南通市如皋市、海北祁连县 、北京市顺义区、内蒙古鄂尔多斯市康巴什区、舟山市定海区、海口市秀英区、武汉市江汉区、衡阳市雁峰区、惠州市龙门县、黄冈市麻城市、龙岩市长汀县、昭通市绥江县、威海市乳山市、吉安市安福县、青岛市胶州市、徐州市睢宁县、眉山市洪雅县 、抚州市宜黄县、内蒙古包头市白云鄂博矿区、玉溪市易门县、三门峡市灵宝市、漳州市龙海区
近日官方渠道传达研究成果,刚刚官方渠道披露重要信息,安卓平台上的H游戏:体验与挑战并存,很高兴为您解答这个问题,让我来帮您详细说明一下:家电配件订购专线,原厂正品保障
全国服务区域: 内江市市中区、儋州市峨蔓镇 、宣城市宁国市、广西桂林市阳朔县、合肥市巢湖市、河源市源城区、内蒙古鄂尔多斯市康巴什区、白山市靖宇县、忻州市神池县、黄南尖扎县、惠州市惠城区、红河蒙自市、德州市临邑县、抚州市崇仁县、贵阳市开阳县、宁夏吴忠市红寺堡区、黔西南兴义市 、湛江市徐闻县、安庆市望江县、陇南市康县、乐东黎族自治县利国镇、哈尔滨市平房区、延安市富县、抚州市资溪县、内蒙古赤峰市翁牛特旗、鹤岗市兴山区、宝鸡市眉县、孝感市应城市、绥化市海伦市、广西百色市西林县、延安市吴起县、聊城市莘县、牡丹江市宁安市、陇南市宕昌县、广西河池市大化瑶族自治县、甘孜得荣县、汕尾市陆丰市、衢州市开化县、汉中市勉县、乐山市五通桥区、武汉市新洲区
本周数据平台今日多方媒体透露研究成果:今日研究机构传递行业研究成果,安卓平台上的H游戏:体验与挑战并存
随着科技的飞速发展,智能手机已经成为了我们日常生活中不可或缺的一部分。在众多手机操作系统之中,安卓系统以其开放性和强大的兼容性,赢得了全球数以亿计用户的青睐。而在安卓平台上,游戏市场也日益繁荣,其中不乏一些深受玩家喜爱的H游戏。本文将带您了解安卓平台上的H游戏,探讨其魅力所在,以及面临的挑战。 ### H游戏的魅力 H游戏,即Horizontal游戏,是指玩家在水平方向上进行操作的游戏。这类游戏通常以横版卷轴形式呈现,玩家需要在游戏中不断前进,克服各种障碍,挑战自己的极限。在安卓平台上,H游戏因其独特的玩法和丰富的题材,吸引了大量玩家。 1. **丰富的题材**:H游戏涵盖了动作、冒险、角色扮演、射击等多种题材,满足不同玩家的需求。无论是追求刺激的动作游戏,还是喜欢沉浸式体验的角色扮演游戏,都能在H游戏中找到心仪的作品。 2. **易于上手**:H游戏的操作简单,玩家只需滑动手指即可进行游戏,无需复杂的操作技巧。这使得H游戏更容易被大众接受,成为大众娱乐的重要方式。 3. **社交互动**:许多H游戏支持多人在线对战,玩家可以与全球各地的朋友一起游戏,分享游戏心得,增加了游戏的趣味性和互动性。 ### H游戏面临的挑战 尽管H游戏在安卓平台上取得了不错的成绩,但同时也面临着一些挑战。 1. **竞争激烈**:随着游戏市场的不断扩大,H游戏面临着来自其他类型游戏的激烈竞争。为了在市场中脱颖而出,开发者需要不断创新,提高游戏质量。 2. **版权问题**:H游戏在制作过程中,可能会涉及到一些版权问题。如何合法地使用素材,避免侵权,是开发者需要关注的问题。 3. **盈利模式**:H游戏的盈利模式相对单一,主要依靠游戏内购、广告等方式。如何探索更多元化的盈利模式,提高游戏收入,是开发者需要思考的问题。 ### 总结 安卓平台上的H游戏凭借其独特的魅力,吸引了大量玩家。然而,面对激烈的市场竞争和挑战,开发者需要不断创新,提高游戏质量,探索多元化的盈利模式。相信在不久的将来,安卓平台上的H游戏将会更加繁荣,为玩家带来更多精彩的游戏体验。
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。