本月行业报告公开重大成果,灰原h：探寻神秘少女的奇幻之旅

今日行业报告发布新政策变化,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。家电问题反馈专线，多渠道受理投诉

宝鸡市凤翔区、甘孜色达县 ，黑河市孙吴县、洛阳市伊川县、内蒙古呼伦贝尔市根河市、杭州市滨江区、韶关市仁化县、怀化市溆浦县、昭通市永善县、聊城市东阿县、大连市西岗区、广州市从化区、洛阳市嵩县、临夏临夏县、重庆市渝北区、定西市岷县、开封市尉氏县 、宝鸡市渭滨区、延安市吴起县、厦门市海沧区、宁夏石嘴山市平罗县、漯河市舞阳县、天津市北辰区、广西防城港市东兴市、成都市双流区、临汾市大宁县、淮北市杜集区、德州市平原县、怀化市靖州苗族侗族自治县

本周数据平台近期数据平台透露新政策,今日官方披露研究成果,灰原h：探寻神秘少女的奇幻之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：专业家电维修客服，一对一解决问题

永州市新田县、盘锦市双台子区 ，宁夏吴忠市青铜峡市、内蒙古呼伦贝尔市牙克石市、甘孜得荣县、泉州市南安市、雅安市天全县、中山市小榄镇、平顶山市鲁山县、云浮市罗定市、天津市静海区、哈尔滨市南岗区、泰州市靖江市、烟台市栖霞市、广安市前锋区、宁夏银川市永宁县、茂名市茂南区 、六盘水市钟山区、内蒙古锡林郭勒盟正蓝旗、牡丹江市穆棱市、白山市长白朝鲜族自治县、榆林市靖边县、上海市宝山区、威海市乳山市、渭南市白水县、遵义市正安县、儋州市兰洋镇、鸡西市麻山区、大兴安岭地区漠河市、阜阳市颍州区、淄博市高青县

全球服务区域: 广西桂林市资源县、抚州市南丰县 、红河石屏县、淄博市张店区、临汾市古县、洛阳市老城区、昆明市五华区、内蒙古锡林郭勒盟正蓝旗、东莞市桥头镇、临汾市永和县、温州市文成县、赣州市宁都县、绵阳市北川羌族自治县、屯昌县西昌镇、西双版纳勐腊县、忻州市岢岚县、昆明市禄劝彝族苗族自治县 、梅州市蕉岭县、东莞市道滘镇、抚州市南城县、泸州市泸县、文昌市东郊镇

可视化故障排除专线,本月行业报告披露新成果,灰原h：探寻神秘少女的奇幻之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客服电话，系统自动派单处理

全国服务区域: 永州市道县、内蒙古锡林郭勒盟苏尼特右旗 、永州市蓝山县、洛阳市嵩县、甘孜巴塘县、内江市隆昌市、广安市邻水县、信阳市新县、株洲市天元区、河源市东源县、儋州市木棠镇、长沙市芙蓉区、潍坊市潍城区、宜宾市叙州区、临沂市罗庄区、西安市阎良区、宿州市砀山县 、三门峡市义马市、东莞市石龙镇、西安市蓝田县、景德镇市昌江区、济宁市微山县、广西柳州市三江侗族自治县、成都市崇州市、厦门市集美区、澄迈县中兴镇、哈尔滨市阿城区、南阳市南召县、绵阳市盐亭县、铜仁市松桃苗族自治县、惠州市惠东县、广西钦州市钦北区、哈尔滨市木兰县、临汾市乡宁县、漯河市源汇区、烟台市栖霞市、广西崇左市大新县、台州市温岭市、黔西南兴仁市、定安县龙湖镇、郑州市中原区

本周数据平台近期数据平台透露新政策:本月行业报告发布新政策,灰原h：探寻神秘少女的奇幻之旅

在繁华的都市中，有一个名叫灰原h的神秘少女，她的名字如同她的身影一般，让人捉摸不透。她独来独往，行走在熙熙攘攘的人群中，却始终保持着一份超然物外的气质。今天，就让我们一起走进灰原h的世界，探寻她那充满奇幻色彩的旅程。 灰原h，一个看似普通的名字，却隐藏着无数的秘密。她出生在一个普通的家庭，但自幼便展现出与众不同的天赋。她聪明伶俐，过目不忘，对未知的事物充满好奇。然而，在她成长的过程中，却遭遇了许多不幸。 灰原h的父亲因意外去世，母亲也在她年幼时因病离世，她便与祖父母相依为命。然而，祖父母也因年迈体弱，无法给予她足够的关爱。在这样的环境下，灰原h学会了独立，学会了坚强。 灰原h从小就对神秘文化产生了浓厚的兴趣，她热衷于研究各种古籍，渴望揭开世界的神秘面纱。在她的世界里，每一个字、每一个符号都蕴含着无穷的奥秘。她坚信，在这纷繁复杂的世界中，一定存在着一种力量，能够改变她的命运。 某天，灰原h在古籍中发现了一个神秘的符号——“h”。她对这个符号产生了浓厚的兴趣，开始四处寻找线索。经过一番努力，她终于发现了一个隐藏在古籍中的秘密——这个符号代表着一种强大的力量，拥有改变命运的能力。 为了寻找这种力量，灰原h踏上了一段充满奇幻的旅程。她穿越了古老的森林，翻越了险峻的山脉，来到了一个神秘的村庄。在这个村庄里，她结识了一位神秘的老人，老人告诉她，要找到这种力量，必须经历一场生死考验。 在老人的指引下，灰原h开始了她的考验。她遇到了各种妖魔鬼怪，但她凭借着过人的智慧和勇气，一一战胜了它们。在考验的过程中，灰原h逐渐明白了人生的真谛，也找到了内心的力量。 终于，在经历了无数磨难后，灰原h找到了那股强大的力量。她发现，这种力量并非来自于外界，而是源自于自己的内心。她明白了，只要坚定信念，勇敢面对，就能战胜一切困难。 灰原h带着这份力量回到了现实世界。她不再孤独，不再迷茫，因为她知道，自己拥有改变命运的能力。她开始用自己的智慧和勇气，帮助那些需要帮助的人，传播正能量。 灰原h的故事告诉我们，每个人都有潜在的力量，只要勇敢地去追寻，就能找到属于自己的奇幻之旅。在这个充满未知的世界里，我们都是灰原h，拥有改变命运的能力。让我们一起，踏上这段充满奇幻的旅程，探寻属于自己的精彩人生。

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。