本月行业报告公开新政策,老少配的甜蜜益处：bgmbgmbgm，携手共度美好时光

近日行业报告发布研究成果,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。家电客服电话，系统自动派单处理

赣州市宁都县、南平市建瓯市 ，丽水市遂昌县、内蒙古赤峰市宁城县、常德市安乡县、临汾市洪洞县、忻州市五台县、莆田市仙游县、运城市盐湖区、新乡市原阳县、玉溪市通海县、江门市新会区、曲靖市师宗县、朔州市应县、海西蒙古族茫崖市、平顶山市舞钢市、宁德市柘荣县 、临汾市翼城县、阜阳市颍东区、安阳市文峰区、梅州市五华县、兰州市皋兰县、大兴安岭地区塔河县、平顶山市石龙区、赣州市上犹县、双鸭山市岭东区、内蒙古赤峰市松山区、无锡市滨湖区、黄石市下陆区

可视化操作指导热线,不久前行业报告披露重大成果,老少配的甜蜜益处：bgmbgmbgm，携手共度美好时光，很高兴为您解答这个问题，让我来帮您详细说明一下：专业配件咨询中心，精准推荐型号

平凉市泾川县、西安市阎良区 ，宜昌市五峰土家族自治县、铁岭市西丰县、内蒙古阿拉善盟阿拉善左旗、广西桂林市秀峰区、三门峡市渑池县、连云港市连云区、广西贺州市八步区、忻州市河曲县、池州市东至县、德宏傣族景颇族自治州瑞丽市、张掖市肃南裕固族自治县、成都市双流区、盐城市阜宁县、巴中市南江县、宜春市宜丰县 、眉山市仁寿县、抚州市南丰县、齐齐哈尔市克东县、定西市通渭县、鸡西市梨树区、天水市武山县、松原市宁江区、阜新市海州区、内蒙古巴彦淖尔市杭锦后旗、陵水黎族自治县椰林镇、商丘市睢县、三门峡市湖滨区、铜川市印台区、长治市武乡县

全球服务区域: 玉溪市红塔区、宝鸡市陈仓区 、遂宁市射洪市、哈尔滨市平房区、德阳市旌阳区、巴中市恩阳区、伊春市南岔县、鸡西市恒山区、抚州市东乡区、广西桂林市全州县、广西防城港市东兴市、濮阳市清丰县、文昌市锦山镇、黄南尖扎县、营口市大石桥市、达州市万源市、温州市瑞安市 、内蒙古兴安盟阿尔山市、广西北海市海城区、大兴安岭地区加格达奇区、温州市苍南县、广西桂林市临桂区

全天候服务支持热线,今日监管部门披露重大进展,老少配的甜蜜益处：bgmbgmbgm，携手共度美好时光，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修应急热线，24小时待命

全国服务区域: 长治市武乡县、安庆市怀宁县 、昭通市威信县、扬州市宝应县、佛山市高明区、岳阳市临湘市、遂宁市安居区、普洱市墨江哈尼族自治县、杭州市萧山区、宁波市江北区、铜仁市沿河土家族自治县、六安市金寨县、内蒙古呼伦贝尔市牙克石市、鞍山市铁西区、阿坝藏族羌族自治州理县、广西玉林市博白县、江门市新会区 、岳阳市云溪区、内蒙古通辽市扎鲁特旗、本溪市本溪满族自治县、黄南河南蒙古族自治县、恩施州巴东县、珠海市香洲区、昆明市五华区、郑州市中原区、盐城市阜宁县、广西防城港市东兴市、广西梧州市藤县、济宁市梁山县、吕梁市孝义市、内江市市中区、铜川市耀州区、梅州市梅县区、天水市秦州区、咸阳市彬州市、福州市马尾区、三亚市崖州区、西安市碑林区、枣庄市薛城区、琼海市龙江镇、绥化市安达市

近日调查组公开关键证据:昨日研究机构发布行业成果,老少配的甜蜜益处：bgmbgmbgm，携手共度美好时光

在当今社会，老少配已经成为一种越来越普遍的现象。所谓老少配，即年龄相差较大的伴侣组合。这种搭配在很多人看来可能有些不寻常，但实际上，老少配有着许多意想不到的好处。下面，我们就来探讨一下bgmbgmbgm，老少配的甜蜜益处。 首先，老少配有助于拓宽人生视野。年轻人充满活力，敢于尝试新鲜事物，而老年人则拥有丰富的人生经验和成熟的心态。在这样的组合中，双方可以相互学习，共同成长。年轻人可以从老年人那里学到生活的智慧，而老年人则可以感受到年轻人的热情与活力，使自己的生活更加丰富多彩。 其次，老少配有助于缓解心理压力。随着年龄的增长，老年人可能会面临孤独、寂寞等问题。而与年轻人相伴，可以让他们感受到关爱与陪伴，从而减轻心理压力。同时，年轻人也会在老年人的关爱中学会承担责任，培养成熟的心态。 再者，老少配有助于传承家庭文化。老年人往往拥有独特的家庭传统和价值观，他们可以将这些宝贵的财富传授给年轻人。在这个过程中，年轻人不仅能够了解家族的历史，还能够将这些优良传统发扬光大。这样的传承有助于维护家庭和谐，增强家族凝聚力。 此外，老少配有助于促进社会和谐。随着社会的发展，人们的生活节奏越来越快，人与人之间的距离也越来越远。而老少配的存在，可以让不同年龄段的人相互理解，增进友谊。这种和谐的社会氛围有助于构建一个更加美好的未来。 当然，老少配也存在一些挑战。比如，双方在生活习惯、兴趣爱好等方面可能存在差异，需要相互包容与理解。然而，只要双方共同努力，这些问题都可以得到妥善解决。 以下是一些老少配的甜蜜益处： 1. 情感共鸣：老年人可以给年轻人带来安全感，而年轻人则可以为老年人带来活力。这种情感共鸣有助于双方建立深厚的感情。 2. 生活互补：老年人通常拥有丰富的烹饪技巧和家务经验，而年轻人则可以教会老年人如何使用现代科技。这种互补有助于提高生活质量。 3. 智慧传承：老年人可以将自己的人生经验传授给年轻人，帮助他们少走弯路，更快地成长。 4. 亲情延续：老少配有助于延续家族血脉，让家族成员更加团结。 总之，老少配是一种充满甜蜜益处的搭配。在这个多元化的时代，我们应该尊重和理解这种搭配，让bgmbgmbgm，老少配成为社会和谐的一道亮丽风景线。

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。