今日行业报告更新研究成果,水果派对：夏日里的甜蜜盛宴

昨日业内人士传出行业新变化,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。家电使用咨询专线，专业指导日常维护

宿迁市沭阳县、宝鸡市扶风县 ，临沂市罗庄区、沈阳市铁西区、潍坊市诸城市、菏泽市巨野县、阜阳市界首市、昆明市五华区、株洲市醴陵市、宝鸡市陈仓区、深圳市龙岗区、嘉峪关市文殊镇、延边龙井市、湘西州古丈县、内蒙古锡林郭勒盟镶黄旗、杭州市下城区、泉州市德化县 、乐东黎族自治县大安镇、达州市达川区、陵水黎族自治县新村镇、汕头市南澳县、永州市新田县、成都市双流区、周口市淮阳区、上饶市铅山县、重庆市永川区、厦门市集美区、吉林市蛟河市、黔东南锦屏县

专家远程指导热线，多终端,本月监管部门发布研究成果,水果派对：夏日里的甜蜜盛宴，很高兴为您解答这个问题，让我来帮您详细说明一下：智能派单服务中心，精准匹配维修师傅

昆明市寻甸回族彝族自治县、郑州市二七区 ，遵义市桐梓县、南昌市新建区、南通市海安市、广西百色市右江区、德州市乐陵市、驻马店市驿城区、洛阳市孟津区、益阳市沅江市、汉中市汉台区、长治市襄垣县、上饶市弋阳县、梅州市蕉岭县、宁夏石嘴山市大武口区、海北门源回族自治县、乐东黎族自治县九所镇 、晋城市沁水县、广西崇左市宁明县、郑州市中原区、白山市临江市、景德镇市浮梁县、铜陵市郊区、西安市长安区、南平市松溪县、枣庄市市中区、宁夏吴忠市青铜峡市、合肥市瑶海区、运城市绛县、普洱市江城哈尼族彝族自治县、黄南同仁市

全球服务区域: 琼海市潭门镇、南阳市桐柏县 、中山市西区街道、昭通市永善县、广州市越秀区、双鸭山市四方台区、黔南贵定县、洛阳市汝阳县、黄南河南蒙古族自治县、自贡市大安区、新乡市延津县、德阳市广汉市、凉山普格县、聊城市阳谷县、广西桂林市秀峰区、玉树治多县、佛山市高明区 、北京市门头沟区、商洛市镇安县、成都市郫都区、榆林市佳县、晋中市太谷区

刚刚应急团队公布处置方案,昨日官方渠道披露行业成果,水果派对：夏日里的甜蜜盛宴，很高兴为您解答这个问题，让我来帮您详细说明一下：智能保养提醒系统，自动推送通知

全国服务区域: 凉山喜德县、常州市钟楼区 、临沧市耿马傣族佤族自治县、昭通市永善县、北京市大兴区、南平市武夷山市、宜春市万载县、亳州市涡阳县、齐齐哈尔市龙江县、佳木斯市富锦市、安康市汉阴县、榆林市吴堡县、丹东市宽甸满族自治县、黔东南三穗县、宁夏石嘴山市平罗县、衡阳市雁峰区、阳泉市郊区 、黑河市嫩江市、汕尾市陆河县、双鸭山市岭东区、广西钦州市钦南区、昌江黎族自治县海尾镇、武威市凉州区、嘉兴市桐乡市、青岛市崂山区、上饶市铅山县、青岛市胶州市、韶关市武江区、甘孜得荣县、内蒙古赤峰市克什克腾旗、郑州市惠济区、楚雄元谋县、南通市如东县、海口市秀英区、文昌市昌洒镇、白沙黎族自治县细水乡、南平市建瓯市、天津市河东区、丽水市景宁畲族自治县、定安县定城镇、天津市静海区

专家远程指导热线，多终端:本月行业报告更新行业变化,水果派对：夏日里的甜蜜盛宴

夏日炎炎，阳光明媚，正是享受水果的好时节。在这个充满活力的季节里，一场别开生面、色彩斑斓的水果派对，无疑成为亲朋好友聚会的好选择。水果派对不仅能够带来视觉和味觉的双重享受，还能增进彼此间的感情，让生活变得更加丰富多彩。 ### 水果派对的前期准备 一场成功的水果派对离不开精心的筹备。首先，要确定派对的规模和主题，以便选购适合的水果。一般来说，水果派对适合10-20人的小规模聚会。主题可以根据季节、节日或个人喜好来设定，如“夏日水果狂欢”、“缤纷色彩派对”等。 接下来，就是水果的选购。选择新鲜、当季的水果，如西瓜、葡萄、草莓、芒果、火龙果等，这些水果不仅口感鲜美，而且色彩丰富，能够营造出欢乐的氛围。此外，还要准备一些水果沙拉、水果拼盘、水果冻等特色美食，让派对更加美味。 ### 水果派对的现场布置 现场布置是水果派对的重要组成部分。首先，要选择一个宽敞明亮的空间，如阳台、庭院或室内空间。然后，根据主题进行装饰，如悬挂彩球、摆放花束、布置桌椅等。此外，还可以准备一些小道具，如水果形状的气球、水果图案的桌布等，增加派对的趣味性。 在布置过程中，要注意以下几点： 1. 桌面装饰：可以选择与水果相关的元素，如水果图案的桌布、水果形状的餐盘等，营造出轻松愉快的氛围。 2. 灯光布置：可以使用暖色调的灯光，如黄色、橙色等，让整个派对更加温馨。 3. 音乐选择：播放轻松愉快的音乐，如流行歌曲、经典老歌等，让派对氛围更加热烈。 ### 水果派对的互动环节 水果派对不仅是品尝美食的时光，更是增进友谊、互动交流的平台。以下是一些有趣的互动环节： 1. 水果接龙：参与者轮流说出一种水果，下一个参与者需要说出与上一个水果相关的另一种水果，以此类推。 2. 水果知识竞赛：准备一些水果相关的问题，参与者抢答，答对者可以获得小礼品。 3. 水果拼盘大赛：参与者分组，用水果制作拼盘，评选出最具创意、最美味的拼盘。 ### 水果派对的尾声 随着派对的结束，大家纷纷合影留念，记录下这美好的时光。水果派对不仅让大家度过了一个愉快的夏日，还增进了彼此间的感情。在欢声笑语中，我们期待着下一次的相聚。 总之，水果派对是一种简单而又充满乐趣的聚会形式。在这个充满阳光的季节里，不妨邀请亲朋好友，一起举办一场水果派对，享受夏日里的甜蜜盛宴。

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。