今日行业报告公开重大研究成果,足球技艺提升秘籍：任意球特训大揭秘

今日官方通报发布行业新变化,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。全国统一售后服务热线，售后有保障

保亭黎族苗族自治县什玲、三亚市天涯区 ，长治市长子县、七台河市茄子河区、张掖市山丹县、漯河市舞阳县、阳江市阳西县、海东市循化撒拉族自治县、黔东南黎平县、昌江黎族自治县十月田镇、南昌市南昌县、广西河池市天峨县、六安市霍邱县、宝鸡市太白县、文山广南县、延边延吉市、台州市天台县 、台州市临海市、合肥市长丰县、东莞市厚街镇、陵水黎族自治县椰林镇、重庆市奉节县、遵义市湄潭县、五指山市通什、屯昌县枫木镇、淮北市烈山区、南阳市镇平县、巴中市恩阳区、常德市武陵区

刚刚科研委员会公布突破成果,本周研究机构传达最新行业进展,足球技艺提升秘籍：任意球特训大揭秘，很高兴为您解答这个问题，让我来帮您详细说明一下：智能配件管理系统，自动匹配型号

滁州市明光市、恩施州巴东县 ，上海市长宁区、内蒙古赤峰市克什克腾旗、内蒙古鄂尔多斯市鄂托克旗、赣州市于都县、武威市凉州区、开封市鼓楼区、南平市武夷山市、滁州市全椒县、绵阳市游仙区、安庆市大观区、万宁市南桥镇、达州市宣汉县、澄迈县金江镇、无锡市惠山区、海口市秀英区 、西安市长安区、临沧市临翔区、德阳市中江县、哈尔滨市方正县、通化市东昌区、铁岭市西丰县、双鸭山市尖山区、遵义市赤水市、广西河池市都安瑶族自治县、重庆市城口县、阜新市阜新蒙古族自治县、张掖市临泽县、定西市通渭县、永州市蓝山县

全球服务区域: 内江市市中区、龙岩市连城县 、安顺市平坝区、延安市富县、驻马店市正阳县、福州市台江区、重庆市沙坪坝区、南充市南部县、澄迈县老城镇、吕梁市石楼县、杭州市桐庐县、杭州市富阳区、铜仁市沿河土家族自治县、昆明市晋宁区、合肥市庐江县、湖州市德清县、甘孜丹巴县 、新乡市牧野区、琼海市博鳌镇、台州市天台县、黄石市下陆区、东方市三家镇

在线维修进度查询,今日研究机构披露重要进展,足球技艺提升秘籍：任意球特训大揭秘，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化维保平台，智能优化保养方案

全国服务区域: 宁德市屏南县、惠州市惠东县 、大理祥云县、烟台市龙口市、濮阳市范县、上饶市铅山县、天津市东丽区、德州市陵城区、广西玉林市陆川县、定安县龙河镇、临沂市莒南县、淮南市田家庵区、重庆市丰都县、延边图们市、泉州市石狮市、鞍山市立山区、延边敦化市 、中山市南区街道、成都市彭州市、宁夏银川市贺兰县、重庆市南川区、鹤岗市南山区、郴州市临武县、烟台市栖霞市、广元市青川县、琼海市博鳌镇、东莞市塘厦镇、龙岩市武平县、甘南玛曲县、德州市禹城市、湘潭市雨湖区、东莞市横沥镇、鹤岗市南山区、广西百色市田林县、广西梧州市藤县、驻马店市西平县、南阳市西峡县、东莞市茶山镇、宁夏石嘴山市平罗县、菏泽市单县、汉中市镇巴县

统一维修资源中心:本月行业协会传达最新研究成果,足球技艺提升秘籍：任意球特训大揭秘

在足球这项运动中，任意球往往被视为一种艺术，它不仅考验球员的技术，还考验球员的心理素质和战术智慧。一个精准的任意球，往往能改变比赛的走向。因此，对于足球爱好者来说，任意球特训是提升个人技艺的重要途径。本文将为您揭秘任意球特训的奥秘，助您在球场上成为任意球高手。 一、任意球特训的重要性 任意球在足球比赛中占有举足轻重的地位，尤其是在关键时刻，一个完美的任意球往往能帮助球队取得胜利。因此，进行任意球特训对于提高球员的技术水平具有重要意义。以下是任意球特训的几个关键点： 1. 提高射门准确性：通过特训，球员可以熟练掌握射门技巧，提高射门准确性，使任意球更具威胁。 2. 培养心理素质：任意球往往在关键时刻出现，球员需要具备良好的心理素质，才能在压力下发挥出最佳水平。 3. 提升团队配合：任意球不仅仅是球员个人技术的展示，还需要队友的默契配合。特训有助于提高球员之间的默契程度。 二、任意球特训方法 1. 基础训练：首先，球员需要掌握正确的任意球站位和射门姿势。教练可以指导球员进行基础训练，如站位、踢球力度、角度等。 2. 多种射门方式：任意球射门方式多样，包括直接射门、弧线球、吊射等。球员应熟悉各种射门方式，并根据比赛情况灵活运用。 3. 集体配合：任意球特训中，球员需要与队友进行配合，如传球、接应等。教练可以组织球员进行集体配合训练，提高团队协作能力。 4. 模拟实战：在特训过程中，教练可以模拟实战场景，让球员在实战中提高任意球技巧。例如，设置不同距离、角度的射门目标，让球员在实战中提高射门准确性。 5. 心理素质训练：任意球往往在关键时刻出现，球员需要具备良好的心理素质。教练可以通过模拟比赛压力、心理暗示等方式，帮助球员提高心理素质。 三、任意球特训注意事项 1. 球员在特训过程中要注重身体协调性和灵活性，避免受伤。 2. 球员要充分了解各种射门方式的特点，根据比赛情况灵活运用。 3. 球员要注重与队友的沟通和配合，提高团队协作能力。 4. 球员要具备良好的心理素质，在关键时刻保持冷静，发挥出最佳水平。 总之，任意球特训是提升球员技艺的重要途径。通过科学的训练方法，球员可以在球场上成为任意球高手，为球队赢得更多胜利。让我们一起努力，迈向足球技艺的新高度！

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。