昨日监管部门公布最新动态,忘羡失禁尿出来的尴尬瞬间：一场意外的“洗礼”

今日官方发布政策通报,苹果看上的公司，靠量子“邪修”给模型“瘦身”,很高兴为您解答这个问题，让我来帮您详细说明一下。售后服务中心热线，电话网络全渠道

北京市昌平区、阳泉市郊区 ，梅州市梅县区、内蒙古兴安盟科尔沁右翼前旗、沈阳市浑南区、内蒙古乌兰察布市卓资县、连云港市灌南县、黄山市黟县、大连市金州区、楚雄南华县、蚌埠市淮上区、果洛达日县、毕节市织金县、东方市天安乡、宁波市江北区、广西贵港市港北区、潍坊市青州市 、齐齐哈尔市讷河市、东莞市南城街道、衡阳市蒸湘区、漳州市龙文区、四平市公主岭市、重庆市城口县、平凉市泾川县、淄博市周村区、昭通市巧家县、屯昌县坡心镇、赣州市于都县、临夏康乐县

近日评估小组公开关键数据,刚刚官方渠道披露重要信息,忘羡失禁尿出来的尴尬瞬间：一场意外的“洗礼”，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

株洲市茶陵县、庆阳市合水县 ，忻州市静乐县、甘南舟曲县、哈尔滨市方正县、遵义市汇川区、哈尔滨市道里区、运城市芮城县、西安市长安区、泸州市江阳区、马鞍山市雨山区、乐山市五通桥区、无锡市新吴区、内江市资中县、宁夏银川市贺兰县、中山市民众镇、宜春市上高县 、黄冈市罗田县、青岛市平度市、内蒙古鄂尔多斯市准格尔旗、蚌埠市五河县、文昌市蓬莱镇、韶关市新丰县、内蒙古呼和浩特市武川县、忻州市五台县、泸州市纳溪区、洛阳市老城区、衡阳市耒阳市、东营市河口区、郴州市临武县、西宁市大通回族土族自治县

全球服务区域: 广西贺州市富川瑶族自治县、池州市青阳县 、巴中市南江县、遂宁市蓬溪县、阳泉市平定县、信阳市淮滨县、儋州市和庆镇、内蒙古巴彦淖尔市磴口县、商丘市柘城县、北京市丰台区、忻州市五寨县、宝鸡市太白县、绵阳市盐亭县、汕头市南澳县、万宁市山根镇、绥化市海伦市、湘潭市韶山市 、五指山市通什、汉中市佛坪县、营口市西市区、常德市津市市、东莞市中堂镇

统一维修资源中心,本月行业报告披露新进展,忘羡失禁尿出来的尴尬瞬间：一场意外的“洗礼”，很高兴为您解答这个问题，让我来帮您详细说明一下：家电24小时服务热线，紧急故障优先处理

全国服务区域: 广西南宁市上林县、广西玉林市北流市 、重庆市巴南区、锦州市义县、毕节市纳雍县、怀化市新晃侗族自治县、文昌市东郊镇、佛山市高明区、儋州市新州镇、景德镇市昌江区、陵水黎族自治县提蒙乡、东营市广饶县、四平市铁西区、琼海市会山镇、驻马店市平舆县、大同市平城区、杭州市滨江区 、大庆市萨尔图区、烟台市海阳市、楚雄牟定县、延边安图县、萍乡市芦溪县、长春市榆树市、黄冈市黄梅县、吕梁市汾阳市、五指山市南圣、宜昌市伍家岗区、广西桂林市阳朔县、郴州市北湖区、内蒙古巴彦淖尔市磴口县、汉中市西乡县、四平市双辽市、宁夏银川市兴庆区、武汉市东西湖区、上饶市广信区、宁夏吴忠市同心县、福州市长乐区、内蒙古赤峰市元宝山区、通化市二道江区、临汾市尧都区、定安县龙湖镇

近日检测中心传出核心指标:昨日行业协会披露最新报告,忘羡失禁尿出来的尴尬瞬间：一场意外的“洗礼”

人生百态，喜怒哀乐，每个人在生活中都会遇到各种各样的意外。而在这个故事中，我们要讲述的是一位名叫小明的年轻人，在一次意外的“洗礼”中，经历了忘羡失禁尿出来的尴尬瞬间。 小明，一个阳光、开朗的年轻人，平日里在单位里人缘颇佳。然而，就在一个阳光明媚的周末，他遭遇了一场突如其来的尴尬。 那天，小明约了几位好友去爬山。他们一行人兴高采烈地来到了山脚下，开始了愉快的旅程。一路上，大家谈笑风生，欢声笑语，仿佛忘记了生活的烦恼。然而，就在他们攀登到半山腰时，小明突然感到一阵尿意袭来。 “哎呀，我有点忍不住了，得找个地方方便一下。”小明急匆匆地对大家说。 “好吧，你快点，我们在下面等你。”好友们纷纷点头，然后继续向上攀登。 小明找了一处隐蔽的树丛，迅速解决了生理需求。然而，就在他准备离开的时候，意外发生了。他突然感到一阵强烈的尿意，而且越来越难以控制。 “糟糕，我好像失禁了！”小明心中一惊，慌忙寻找可以遮挡的地方。然而，此时此刻，周围已经没有可以遮挡的地方了。 就在小明绝望之际，他突然想起了一个绝佳的“藏身之处”——一个隐蔽的山洞。于是，他顾不上多想，立刻向山洞奔去。 小明小心翼翼地进入山洞，发现里面昏暗潮湿，弥漫着一股霉味。他找了一个角落，试图遮挡住自己的尴尬。然而，就在这时，他突然听到了一阵奇怪的声音。 “咦，这是什么声音？”小明心中疑惑，不禁四处张望。 就在这时，他突然看到了一个身影。原来，这是一个年轻的女孩，也在山洞里避雨。女孩看到小明，顿时愣住了，脸上露出了尴尬的神色。 “你……你怎么在这里？”女孩结结巴巴地问道。 “我……我也是不小心走错了地方。”小明尴尬地回答道。 两人相对无言，气氛略显尴尬。就在这时，小明突然感到一阵尿意袭来，他不禁慌了神。 “我……我好像又忍不住了。”小明苦笑着说道。 女孩瞪大了眼睛，脸上满是惊讶。然而，她并没有离开，反而默默地站在小明身边。 “没关系，你放心吧，我会帮你遮挡一下。”女孩说着，找来了一块布，将小明紧紧地围住。 在女孩的帮助下，小明终于顺利地解决了生理需求。两人相对一笑，尴尬的氛围瞬间消散。 “谢谢你，要不是你，我今天可就丢脸了。”小明感激地说道。 “没关系，都是朋友嘛。”女孩微笑着回答道。 从那以后，小明和女孩成为了好朋友。他们一起经历了许多难忘的时光，而那个尴尬的瞬间，也成为了他们之间美好的回忆。 这个故事告诉我们，人生中总会遇到一些意想不到的尴尬时刻。然而，只要我们勇敢面对，学会宽容和谅解，这些尴尬瞬间就会成为我们人生中宝贵的财富。

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网"AI 原生 100" 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「17」篇文章。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。