昨日行业协会公开最新成果,亚洲与欧洲：少妇与熟女的美学对比

本月官方渠道发布重磅信息,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。家电售后专线，专业团队高效处理

安康市宁陕县、鄂州市华容区 ，阿坝藏族羌族自治州松潘县、庆阳市宁县、枣庄市山亭区、青岛市市北区、广州市黄埔区、屯昌县西昌镇、郴州市汝城县、沈阳市大东区、滨州市博兴县、延安市志丹县、吕梁市兴县、本溪市溪湖区、滨州市滨城区、红河元阳县、南阳市宛城区 、南充市嘉陵区、张家界市慈利县、重庆市沙坪坝区、三亚市天涯区、榆林市米脂县、杭州市上城区、本溪市本溪满族自治县、内蒙古呼伦贝尔市陈巴尔虎旗、潍坊市寿光市、南阳市方城县、滨州市滨城区、长春市榆树市

本周数据平台本月官方渠道披露重要进展,本月官方发布行业新变化,亚洲与欧洲：少妇与熟女的美学对比，很高兴为您解答这个问题，让我来帮您详细说明一下：家电功能演示热线，专业展示使用技巧

信阳市平桥区、铜仁市碧江区 ，临夏康乐县、白山市临江市、茂名市化州市、南充市顺庆区、扬州市仪征市、蚌埠市龙子湖区、广西来宾市兴宾区、乐山市金口河区、洛阳市宜阳县、雅安市雨城区、怀化市洪江市、怒江傈僳族自治州福贡县、遂宁市船山区、太原市万柏林区、嘉兴市平湖市 、白沙黎族自治县细水乡、红河绿春县、攀枝花市西区、上饶市余干县、陇南市武都区、成都市金牛区、广西柳州市柳北区、营口市大石桥市、邵阳市新宁县、济源市市辖区、驻马店市正阳县、潮州市潮安区、潍坊市青州市、郴州市资兴市

全球服务区域: 吉安市吉州区、宝鸡市太白县 、广安市邻水县、长治市潞城区、武汉市新洲区、甘孜泸定县、楚雄楚雄市、哈尔滨市道里区、赣州市瑞金市、赣州市南康区、伊春市南岔县、吕梁市柳林县、成都市温江区、鹤岗市兴山区、惠州市惠城区、常州市天宁区、运城市平陆县 、重庆市巴南区、文昌市公坡镇、昆明市石林彝族自治县、汕头市南澳县、吕梁市中阳县

近日监测部门传出异常警报,本月官方披露行业研究进展,亚洲与欧洲：少妇与熟女的美学对比，很高兴为您解答这个问题，让我来帮您详细说明一下：专业售后服务中心，技术团队随时支援

全国服务区域: 牡丹江市阳明区、南通市如皋市 、湘潭市雨湖区、九江市湖口县、内蒙古赤峰市喀喇沁旗、安阳市滑县、池州市石台县、晋中市左权县、汕尾市陆丰市、朝阳市龙城区、东莞市长安镇、焦作市山阳区、渭南市合阳县、南昌市南昌县、玉溪市易门县、黔西南兴义市、广西崇左市江州区 、大同市阳高县、广安市华蓥市、益阳市安化县、成都市崇州市、阳泉市城区、文山广南县、大庆市红岗区、丹东市宽甸满族自治县、阜阳市颍州区、广西南宁市良庆区、晋中市榆社县、娄底市冷水江市、合肥市庐阳区、延安市宜川县、三门峡市湖滨区、玉溪市红塔区、昆明市官渡区、白城市镇赉县、屯昌县坡心镇、文昌市蓬莱镇、广西贵港市平南县、临汾市洪洞县、黄南尖扎县、黄石市阳新县

近日官方渠道传达研究成果:今日行业协会披露新进展,亚洲与欧洲：少妇与熟女的美学对比

在探讨亚洲与欧洲文化差异的同时，我们也不得不提到，这两个地区在审美观念上也有着显著的差异。特别是在对待女性美的认知上，亚洲与欧洲的“少妇”与“熟女”形象，更是各自独特的文化符号。本文将从亚洲和欧洲的视角出发，对比分析这两种形象的美学特点。 首先，让我们来看看亚洲的“少妇”形象。在亚洲文化中，少妇通常指的是那些年轻、充满活力的女性。她们的美，往往与清新、柔美、含蓄等词语联系在一起。亚洲的少妇，往往注重内在修养，追求自然之美。在服饰上，她们偏爱简约、舒适的设计，以展现女性的柔美与温婉。此外，亚洲少妇在妆容上，也追求自然、清新，强调的是肌肤的自然光泽。 相比之下，欧洲的“熟女”形象则更加多元。在欧洲，熟女通常指的是那些成熟、自信的女性。她们的美，不仅体现在外在的容貌上，更体现在内在的修养和气质上。欧洲的熟女，在服饰上更加大胆、时尚，她们敢于尝试各种风格，展现自己的独特品味。在妆容上，欧洲熟女更注重个性化和层次感，强调的是妆容的精致和立体感。 在亚洲，少妇的美往往与“含蓄”相联系。她们在表达自己的情感时，往往不会过于张扬，而是通过细腻的举止和眼神来传达。在家庭生活中，亚洲少妇更是以贤妻良母的形象出现，她们注重家庭和谐，关心丈夫和孩子。这种形象，在亚洲文化中具有很高的地位。 而在欧洲，熟女的美则与“自信”紧密相连。她们在追求个人发展的同时，也不忘关注自己的外在形象。在欧洲，熟女们敢于展现自己的魅力，她们在职场和生活中都充满自信。这种自信，使她们在人群中独具魅力。 当然，亚洲与欧洲的审美观念并非完全对立，两者之间也存在许多相似之处。例如，无论是亚洲的少妇还是欧洲的熟女，她们都注重内在修养，追求气质的提升。在现代社会，这种内在美与外在美的结合，已成为越来越多女性的共同追求。 然而，在对待“少妇”与“熟女”形象上，亚洲与欧洲的文化差异仍然十分明显。亚洲文化更加注重女性的含蓄与内敛，而欧洲文化则更加注重女性的自信与独立。这种差异，在一定程度上反映了两个地区在性别观念、家庭观念等方面的不同。 总之，亚洲与欧洲的“少妇”与“熟女”形象，是各自文化背景下的产物。在欣赏这两种形象的同时，我们也要尊重彼此的文化差异，学会从中汲取各自的美学精髓。只有这样，我们才能在多元化的世界中，找到属于自己的美丽之路。

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。