昨日行业报告传达最新政策,堂品色：传统与现代的交融之美

今日官方通报行业变化,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。家电维修专属热线，24小时在线待命

兰州市红古区、本溪市桓仁满族自治县 ，广州市白云区、潍坊市临朐县、汉中市洋县、马鞍山市雨山区、邵阳市北塔区、上海市徐汇区、延安市安塞区、六安市霍山县、铜仁市思南县、黄冈市团风县、六安市裕安区、泉州市鲤城区、黔南罗甸县、内蒙古阿拉善盟阿拉善左旗、齐齐哈尔市建华区 、佳木斯市东风区、信阳市浉河区、辽源市西安区、温州市文成县、嘉兴市秀洲区、盘锦市双台子区、赣州市定南县、黔东南天柱县、怀化市沅陵县、文昌市龙楼镇、牡丹江市穆棱市、内蒙古巴彦淖尔市临河区

官方技术支援专线,本周行业报告传递重大进展,堂品色：传统与现代的交融之美，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

德宏傣族景颇族自治州瑞丽市、锦州市古塔区 ，咸阳市武功县、周口市川汇区、楚雄大姚县、铜仁市印江县、抚州市资溪县、佛山市禅城区、宜昌市宜都市、上海市松江区、江门市台山市、湘西州古丈县、广西柳州市柳北区、宁夏固原市彭阳县、阳江市阳西县、巴中市南江县、澄迈县仁兴镇 、海西蒙古族茫崖市、红河泸西县、鹤岗市萝北县、池州市贵池区、周口市郸城县、潍坊市奎文区、大庆市大同区、万宁市山根镇、温州市苍南县、济南市天桥区、淮北市相山区、南阳市桐柏县、郑州市二七区、武汉市江汉区

全球服务区域: 张掖市临泽县、内蒙古赤峰市巴林左旗 、茂名市茂南区、天津市宁河区、黔南惠水县、广西崇左市大新县、内蒙古巴彦淖尔市杭锦后旗、徐州市睢宁县、铜仁市碧江区、西安市周至县、景德镇市珠山区、乐山市峨眉山市、广西百色市隆林各族自治县、白城市洮北区、广西崇左市江州区、新乡市卫滨区、三门峡市卢氏县 、安庆市桐城市、漯河市召陵区、天津市蓟州区、内蒙古包头市昆都仑区、丽江市宁蒗彝族自治县

近日监测部门传出异常警报,今日相关部门更新行业研究报告,堂品色：传统与现代的交融之美，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化服务派单，精准对接维修需求

全国服务区域: 长沙市天心区、长春市榆树市 、郑州市中原区、遂宁市安居区、荆门市京山市、定安县翰林镇、广西柳州市融水苗族自治县、烟台市招远市、湘潭市雨湖区、伊春市伊美区、西安市临潼区、乐山市金口河区、安庆市怀宁县、晋中市祁县、南京市鼓楼区、淮安市盱眙县、成都市邛崃市 、玉溪市易门县、中山市中山港街道、内蒙古包头市九原区、绵阳市北川羌族自治县、宣城市泾县、广西百色市田阳区、昭通市鲁甸县、漳州市平和县、宜宾市高县、成都市青羊区、东莞市虎门镇、吉林市舒兰市、宜宾市屏山县、常州市金坛区、六安市叶集区、梅州市平远县、太原市晋源区、丽江市玉龙纳西族自治县、宁夏石嘴山市惠农区、大庆市大同区、南平市建瓯市、宜春市宜丰县、德州市宁津县、岳阳市云溪区

近日观测中心传出重要预警:本月行业报告传递新变化,堂品色：传统与现代的交融之美

在我国悠久的历史长河中，传统文化如同一颗璀璨的明珠，熠熠生辉。而“堂品色”便是这颗明珠中独具特色的一环。它既承载着中华民族的传统美学，又融合了现代审美观念，成为了一种独特的艺术形式。 “堂品色”起源于我国古代，最初是用于装饰家居、寺庙等场所的一种艺术形式。它以精美的图案、丰富的色彩和独特的造型，展现了我国古代人民的智慧和审美情趣。随着时间的推移，堂品色逐渐从实用功能转变为一种纯粹的艺术表达，成为我国传统文化的重要组成部分。 在传统堂品色中，色彩运用尤为讲究。古人认为，色彩具有象征意义，可以表达人们的情感和愿望。因此，在堂品色的创作中，色彩搭配十分讲究，既有鲜明的对比，又有和谐的统一。红色代表着喜庆、热情；蓝色象征着宁静、深远；绿色寓意生机、希望……这些色彩在堂品色中得到了充分的运用，使得作品充满了浓郁的文化气息。 随着时代的发展，堂品色逐渐融入了现代审美观念。现代堂品色在保留传统元素的基础上，更加注重创新和个性化。设计师们将现代审美与传统文化相结合，创造出许多新颖的作品。这些作品既有传统堂品色的韵味，又具有现代审美的气息，使得堂品色焕发出新的生命力。 在现代堂品色中，材料的选择和工艺的改进也是一大亮点。传统的堂品色多采用木材、丝绸等天然材料，而现代堂品色则更加多样化，如陶瓷、玻璃、金属等新材料被广泛应用。在工艺上，现代堂品色更加注重细节，追求精益求精。这些变化使得堂品色在保持传统韵味的同时，更具现代感。 除了在材料、工艺上的创新，现代堂品色在题材上也更加广泛。从山水、花鸟到人物、神话传说，再到现代生活场景，现代堂品色几乎无所不包。这种题材的丰富性，使得堂品色更加贴近人们的生活，更容易引起人们的共鸣。 在我国，堂品色已经成为了一种独特的文化现象。它不仅是一种艺术形式，更是一种生活态度。人们通过欣赏和创作堂品色，传承和弘扬了中华民族的优秀传统文化。同时，堂品色也为现代生活增添了无尽的乐趣和美感。 总之，堂品色是传统与现代的交融之美。它既保留了传统文化的精髓，又具有现代审美的气息。在今后的日子里，相信堂品色将会继续传承和发展，为我国的文化事业做出更大的贡献。

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。