昨日官方更新最新行业动态,暑期领现金，畅享清凉好礼！

今日官方通报新研究成果,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。故障诊断服务中心，专业检测设备

铁岭市昌图县、江门市蓬江区 ，菏泽市巨野县、襄阳市宜城市、铜川市王益区、晋中市祁县、运城市平陆县、大兴安岭地区加格达奇区、保山市腾冲市、乐山市五通桥区、平凉市华亭县、德宏傣族景颇族自治州盈江县、三亚市崖州区、清远市连山壮族瑶族自治县、福州市永泰县、丹东市凤城市、上饶市广信区 、陵水黎族自治县隆广镇、宜春市靖安县、商洛市洛南县、湘潭市湘乡市、三明市将乐县、玉溪市通海县、遵义市习水县、鹤岗市绥滨县、北京市昌平区、泰安市泰山区、镇江市丹阳市、连云港市海州区

可视化操作指导热线,本月行业协会披露研究成果,暑期领现金，畅享清凉好礼！，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

南充市高坪区、西安市莲湖区 ，内蒙古呼和浩特市和林格尔县、萍乡市芦溪县、内蒙古呼伦贝尔市满洲里市、南京市栖霞区、南京市高淳区、日照市五莲县、泰州市靖江市、南阳市南召县、白山市浑江区、眉山市青神县、黄山市休宁县、广西崇左市天等县、吕梁市孝义市、宁波市象山县、齐齐哈尔市龙江县 、枣庄市市中区、铜仁市松桃苗族自治县、黄冈市罗田县、重庆市合川区、万宁市万城镇、合肥市肥东县、内蒙古巴彦淖尔市乌拉特后旗、哈尔滨市巴彦县、东莞市麻涌镇、驻马店市平舆县、蚌埠市淮上区、黄冈市麻城市、张掖市山丹县、周口市项城市

全球服务区域: 茂名市高州市、东莞市凤岗镇 、鹤岗市兴安区、南阳市淅川县、文昌市东阁镇、忻州市原平市、白银市靖远县、儋州市海头镇、韶关市翁源县、东莞市清溪镇、保亭黎族苗族自治县什玲、厦门市集美区、上海市松江区、凉山会理市、宝鸡市金台区、松原市长岭县、九江市都昌县 、萍乡市芦溪县、莆田市城厢区、忻州市原平市、鹤岗市萝北县、焦作市解放区

刚刚科研委员会公布突破成果,今日相关部门发布最新行业报告,暑期领现金，畅享清凉好礼！，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障不用愁，客服热线帮您忙

全国服务区域: 双鸭山市友谊县、凉山西昌市 、茂名市电白区、郑州市上街区、许昌市襄城县、太原市清徐县、无锡市江阴市、南平市武夷山市、温州市泰顺县、南充市营山县、昌江黎族自治县叉河镇、通化市东昌区、临汾市永和县、无锡市锡山区、大兴安岭地区加格达奇区、甘南合作市、合肥市长丰县 、台州市温岭市、黄冈市蕲春县、内蒙古鄂尔多斯市康巴什区、江门市台山市、黔东南黄平县、凉山会东县、陵水黎族自治县黎安镇、萍乡市莲花县、黔东南施秉县、咸阳市武功县、梅州市大埔县、临高县博厚镇、果洛玛多县、韶关市始兴县、文昌市潭牛镇、海口市琼山区、江门市新会区、榆林市绥德县、内蒙古呼和浩特市托克托县、白沙黎族自治县打安镇、中山市南头镇、丽水市景宁畲族自治县、济南市长清区、上海市闵行区

本周数据平台本月相关部门通报重要进展:本周官方发布最新研究成果,暑期领现金，畅享清凉好礼！

随着炎炎夏日的到来，全国各地纷纷推出了各种暑期活动，为广大市民带来清凉的同时，也带来了实实在在的福利。其中，“暑期领现金”活动无疑成为了最受瞩目的焦点。下面，就让我们一起来了解一下这项活动，看看如何轻松领现金，畅享清凉好礼！ ### 活动背景 “暑期领现金”活动，旨在为广大市民提供一场夏日盛宴，让大家在炎炎夏日里感受到清凉与实惠。活动期间，参与者只需按照活动规则参与，就有机会领取到丰厚的现金奖励，让这个夏天不再单调。 ### 活动内容 1. **线上参与**：活动主要在线上平台进行，参与者只需关注主办方官方微信公众号或下载指定APP，即可参与活动。 2. **任务挑战**：活动设置了丰富多样的任务挑战，如每日签到、分享朋友圈、完成任务等。完成任务后，即可获得相应的积分，积分可兑换现金。 3. **抽奖环节**：活动期间，主办方将定期举办抽奖活动，奖品包括现金红包、优惠券、实物奖品等。参与者可通过积分兑换抽奖机会，赢取丰厚奖品。 4. **线下活动**：部分城市还将举办线下活动，如夏日市集、亲子活动等，参与者可现场领取现金红包，感受夏日欢乐。 ### 参与方式 1. **关注官方渠道**：首先，关注主办方官方微信公众号或下载指定APP，获取活动详情。 2. **完成任务**：根据活动规则，完成每日签到、分享朋友圈、完成任务等，积累积分。 3. **兑换奖品**：积分达到一定数量后，可兑换现金红包、优惠券等。 4. **参与抽奖**：积极参与抽奖活动，赢取丰厚奖品。 ### 活动意义 “暑期领现金”活动不仅为广大市民带来了实实在在的福利，还丰富了市民的业余生活。通过参与活动，市民们可以在炎炎夏日里感受到清凉与实惠，同时增进亲子关系，提升家庭幸福感。 ### 总结 暑期领现金活动，为广大市民带来了一场清凉的夏日盛宴。在这个充满惊喜和实惠的活动中，让我们携手共度一个愉快的夏天！赶快行动起来，参与活动，领取你的现金奖励吧！

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。