今日行业协会发布重大政策,德玛西亚皇子：英雄联盟中的英勇战士，实力究竟如何？

本周监管部门公开新进展,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。家电故障不用愁，客服热线帮您忙

大兴安岭地区新林区、衡阳市南岳区 ，广州市白云区、湘西州保靖县、宣城市郎溪县、三明市三元区、临沧市临翔区、湘潭市湘乡市、厦门市集美区、吉林市舒兰市、宜宾市兴文县、松原市乾安县、许昌市建安区、内蒙古鄂尔多斯市准格尔旗、天津市东丽区、天津市南开区、河源市和平县 、青岛市崂山区、大庆市肇州县、鹤岗市萝北县、孝感市孝昌县、南通市崇川区、临汾市洪洞县、内蒙古通辽市科尔沁左翼后旗、临夏和政县、湘西州凤凰县、临沂市沂南县、西安市高陵区、宁夏固原市彭阳县

刚刚应急团队公布处置方案,本月研究机构发布新研究成果,德玛西亚皇子：英雄联盟中的英勇战士，实力究竟如何？，很高兴为您解答这个问题，让我来帮您详细说明一下：家电问题一键呼叫，客服专员全程跟进

南平市松溪县、成都市温江区 ，盐城市东台市、南通市崇川区、安庆市大观区、德州市德城区、金华市兰溪市、东方市新龙镇、普洱市西盟佤族自治县、潍坊市高密市、成都市郫都区、雅安市石棉县、天津市河西区、周口市项城市、丹东市元宝区、郴州市资兴市、铜川市印台区 、酒泉市金塔县、邵阳市邵阳县、宜春市高安市、平顶山市郏县、迪庆维西傈僳族自治县、中山市西区街道、甘孜康定市、广西贺州市昭平县、乐山市五通桥区、临汾市侯马市、内蒙古巴彦淖尔市五原县、商丘市夏邑县、东营市利津县、临夏康乐县

全球服务区域: 东莞市寮步镇、潍坊市寒亭区 、大连市长海县、忻州市保德县、吕梁市岚县、昆明市官渡区、驻马店市正阳县、天津市红桥区、蚌埠市固镇县、成都市青羊区、济南市天桥区、湛江市徐闻县、茂名市电白区、本溪市南芬区、永州市江永县、杭州市拱墅区、上海市闵行区 、酒泉市金塔县、北京市通州区、牡丹江市西安区、西宁市城中区、深圳市罗湖区

近日调查组公开关键证据,本周监管部门披露重要研究成果,德玛西亚皇子：英雄联盟中的英勇战士，实力究竟如何？，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修专线，快速响应故障报修

全国服务区域: 营口市鲅鱼圈区、大同市浑源县 、亳州市蒙城县、韶关市始兴县、新余市分宜县、黄冈市武穴市、台州市仙居县、文昌市文城镇、徐州市邳州市、内蒙古乌兰察布市四子王旗、丽江市永胜县、淄博市张店区、厦门市翔安区、荆门市东宝区、儋州市新州镇、白山市长白朝鲜族自治县、德阳市旌阳区 、五指山市南圣、白沙黎族自治县打安镇、焦作市温县、忻州市河曲县、丽水市缙云县、哈尔滨市方正县、丽江市永胜县、临沂市河东区、长沙市雨花区、莆田市城厢区、庆阳市庆城县、眉山市东坡区、长沙市宁乡市、大理鹤庆县、内蒙古巴彦淖尔市乌拉特后旗、衢州市开化县、内蒙古呼和浩特市赛罕区、珠海市斗门区、咸阳市秦都区、德州市禹城市、乐山市五通桥区、阿坝藏族羌族自治州茂县、成都市龙泉驿区、娄底市新化县

刚刚应急团队公布处置方案:本周监管部门发布重要政策,德玛西亚皇子：英雄联盟中的英勇战士，实力究竟如何？

在《英雄联盟》这款全球知名的MOBA游戏中，德玛西亚皇子——盖伦，作为一位英勇的战士，一直以来都备受玩家们的喜爱。那么，德玛西亚皇子到底厉害吗？接下来，我们就来详细分析一下这位英雄的优缺点。 首先，德玛西亚皇子的定位是战士，拥有出色的单挑能力和团战表现。他的技能组合使得他在游戏中具有很高的生存能力和输出能力。 一、技能分析 1. 被动技能——正义之师：德玛西亚皇子的普通攻击和Q技能可以叠加正义之师的层数，层数越高，攻击力、生命偷取和护甲穿透越高。这使得德玛西亚皇子在游戏中具有很高的输出能力。 2. Q技能——正义冲撞：德玛西亚皇子向前冲刺，对路径上的敌人造成伤害。如果击中敌人，可以增加自己的移动速度，并减少受到的伤害。这个技能使得德玛西亚皇子在追击和逃生时具有很高的灵活性。 3. W技能——正义审判：德玛西亚皇子对指定敌人进行审判，造成伤害并减速。这个技能可以用来控制敌人，为队友创造输出空间。 4. E技能——正义之盾：德玛西亚皇子为自己提供一个护盾，减少受到的伤害。在团战中，这个技能可以保护自己，同时为队友提供输出环境。 5. R技能——正义之师：德玛西亚皇子召唤正义之师，对敌人造成伤害并减速。这个技能是德玛西亚皇子的团战杀手锏，可以瞬间改变战局。 二、优缺点分析 1. 优点： （1）单挑能力强：德玛西亚皇子的被动技能和Q技能使得他在单挑时具有很高的生存能力和输出能力。 （2）团战表现优秀：德玛西亚皇子的R技能可以在团战中发挥巨大作用，改变战局。 （3）技能组合丰富：德玛西亚皇子的技能组合使得他在游戏中具有很高的适应性和可玩性。 2. 缺点： （1）前期较为弱势：德玛西亚皇子在前期较为弱势，需要玩家耐心发育。 （2）对操作要求较高：德玛西亚皇子的技能释放需要一定的技巧，对玩家操作要求较高。 综上所述，德玛西亚皇子在《英雄联盟》中是一位实力强大的英雄。他在单挑和团战中都有出色的表现，但同时也需要玩家具备一定的操作技巧。如果你想在游戏中成为一名英勇的战士，那么德玛西亚皇子绝对是一个不错的选择。

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。