今日监管部门发布最新通报,老周与赵青的货车之旅：一段难忘的相伴时光

今日行业报告传达重要政策,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。客服中心24小时在线，随时响应需求

苏州市太仓市、南充市仪陇县 ，铜仁市德江县、铜川市印台区、万宁市山根镇、开封市祥符区、西安市周至县、河源市源城区、哈尔滨市方正县、内蒙古包头市青山区、黔东南台江县、厦门市翔安区、太原市晋源区、雅安市雨城区、双鸭山市四方台区、温州市平阳县、忻州市代县 、亳州市涡阳县、济宁市嘉祥县、攀枝花市西区、淄博市张店区、青岛市胶州市、内蒙古乌兰察布市集宁区、福州市连江县、延安市子长市、宿迁市泗阳县、宁夏固原市隆德县、株洲市攸县、云浮市云城区

快速响应维修热线,本周官方渠道披露行业新动向,老周与赵青的货车之旅：一段难忘的相伴时光，很高兴为您解答这个问题，让我来帮您详细说明一下：家电保养提醒服务，延长产品使用寿命

成都市蒲江县、黔西南册亨县 ，内蒙古通辽市霍林郭勒市、宣城市绩溪县、玉溪市易门县、徐州市贾汪区、杭州市临安区、温州市瑞安市、宜昌市长阳土家族自治县、陇南市成县、平顶山市鲁山县、广西来宾市忻城县、云浮市新兴县、郑州市新密市、上海市闵行区、广西南宁市横州市、佛山市高明区 、临沂市莒南县、海口市秀英区、肇庆市高要区、邵阳市绥宁县、牡丹江市西安区、内蒙古通辽市奈曼旗、德宏傣族景颇族自治州瑞丽市、齐齐哈尔市讷河市、重庆市合川区、盘锦市兴隆台区、上海市闵行区、铁岭市铁岭县、甘孜德格县、岳阳市君山区

全球服务区域: 庆阳市合水县、陇南市成县 、甘孜九龙县、昆明市石林彝族自治县、荆州市公安县、牡丹江市西安区、鞍山市海城市、泸州市江阳区、赣州市上犹县、潍坊市寒亭区、上饶市广丰区、吕梁市交口县、长治市黎城县、连云港市海州区、成都市青白江区、甘孜道孚县、郑州市新郑市 、六盘水市六枝特区、白山市靖宇县、三门峡市灵宝市、淮安市清江浦区、武汉市江岸区

近日监测部门公开最新参数,本月行业协会发布重要动态,老周与赵青的货车之旅：一段难忘的相伴时光，很高兴为您解答这个问题，让我来帮您详细说明一下：全国标准化热线，维修过程透明可查

全国服务区域: 普洱市景东彝族自治县、惠州市惠东县 、大理鹤庆县、沈阳市于洪区、宝鸡市陈仓区、东莞市中堂镇、安庆市岳西县、哈尔滨市通河县、甘孜色达县、东方市三家镇、九江市庐山市、常德市津市市、阜新市阜新蒙古族自治县、金华市东阳市、安庆市迎江区、儋州市排浦镇、新乡市卫辉市 、江门市台山市、昭通市盐津县、徐州市丰县、恩施州鹤峰县、绍兴市柯桥区、广西梧州市蒙山县、商丘市夏邑县、湖州市长兴县、楚雄武定县、儋州市兰洋镇、清远市清城区、襄阳市襄州区、广州市荔湾区、太原市万柏林区、黄冈市红安县、万宁市和乐镇、广元市利州区、商洛市商州区、宜春市宜丰县、黄南河南蒙古族自治县、双鸭山市饶河县、安康市镇坪县、平凉市崆峒区、淮安市洪泽区

近日监测小组公开最新参数:今日国家机构传递新政策,老周与赵青的货车之旅：一段难忘的相伴时光

在广袤的平原上，一辆破旧的货车缓缓行驶，车上坐着两位风尘仆仆的旅人——老周和赵青。老周，年逾花甲，满头白发，脸上刻满了岁月的痕迹，却依然精神矍铄；赵青，年轻力壮，一身腱子肉，眼神中透露出对未来的无限憧憬。他们在这辆货车里，开始了他们一段难忘的旅程。 老周是这辆货车的车主，也是赵青的雇主。他们相识于一个偶然的机会，老周在街头摆摊卖水果，赵青则是一个过路的打工仔。那天，赵青因为钱包被偷，身无分文，无奈之下只好向老周求助。老周二话不说，借给了赵青一些钱，还让他帮忙看摊。从此，两人便结下了不解之缘。 货车里，空间狭小，但两人却总能找到属于自己的角落。老周喜欢坐在驾驶室里，一边开车，一边哼着小曲；赵青则喜欢坐在车厢里，看着窗外的风景，偶尔也会帮老周擦擦车窗。他们之间的默契，仿佛已经超越了言语。 这天，老周对赵青说：“小青，我打算去一趟南方，你愿意跟我一起去吗？”赵青瞪大了眼睛，激动地说：“当然愿意！我一直想去南方看看，现在终于有机会了！”于是，两人便开始了他们的货车之旅。 一路上，他们穿越了山川河流，见识了不同的风土人情。老周给赵青讲述着各地的故事，赵青则用自己的相机记录下这美好的时光。他们一起品尝了南方的美食，一起欣赏了北国的雪景，一起在草原上放声高歌。 在旅途中，他们遇到了不少困难。有一次，货车在半路上抛锚了，他们只能自己动手修理。老周虽然年纪大了，但修理技术却是一流，赵青也跟着他学到了不少。他们一起努力，终于让货车重新启动。 还有一次，他们在一个小镇上遇到了一群小偷。赵青勇敢地站出来，与老周一起保护了货车上的货物。虽然身上受了点伤，但两人却因此结下了深厚的友谊。 在货车里，老周和赵青不仅收获了友谊，还收获了成长。他们学会了如何面对困难，如何珍惜眼前的幸福。老周告诉赵青：“人生就像这趟货车之旅，充满了未知和挑战，但只要我们勇敢地去面对，就一定能找到属于自己的幸福。” 终于，他们到达了目的地。南方的大城市繁华喧嚣，与老周和赵青曾经走过的那些小镇截然不同。他们在这里找到了一份工作，开始了新的生活。 然而，他们并没有忘记那段货车之旅。每当闲暇之余，他们都会回忆起那段美好的时光，感慨万分。老周和赵青，这段相遇在货车里的故事，成为了他们心中永恒的回忆。

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。