昨日行业报告传递新政策变化,男生如何实现身材的完美蜕变：变大、变粗、变长

今日行业报告披露重大变化,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。客服中心多渠道接入，响应迅速

琼海市龙江镇、大连市瓦房店市 ，东方市八所镇、黄山市黟县、安庆市宜秀区、洛阳市洛龙区、鹤壁市山城区、渭南市澄城县、东莞市大朗镇、内蒙古巴彦淖尔市杭锦后旗、天津市河西区、孝感市孝南区、广州市越秀区、三明市明溪县、重庆市城口县、益阳市安化县、河源市连平县 、恩施州宣恩县、广西南宁市上林县、重庆市彭水苗族土家族自治县、万宁市后安镇、大连市瓦房店市、文昌市东郊镇、宣城市旌德县、忻州市岢岚县、宝鸡市陇县、济宁市任城区、平顶山市汝州市、三明市建宁县

本周数据平台今日多方媒体透露研究成果,昨日相关部门发布新政策动态,男生如何实现身材的完美蜕变：变大、变粗、变长，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

烟台市栖霞市、宁波市奉化区 ，焦作市中站区、兰州市皋兰县、哈尔滨市延寿县、衡阳市耒阳市、宿州市砀山县、镇江市扬中市、台州市三门县、武汉市汉阳区、抚顺市清原满族自治县、肇庆市鼎湖区、南平市松溪县、淄博市沂源县、重庆市永川区、内蒙古赤峰市敖汉旗、商丘市虞城县 、天水市清水县、南昌市安义县、儋州市王五镇、沈阳市于洪区、德州市德城区、延边龙井市、安庆市望江县、济宁市汶上县、梅州市平远县、德州市夏津县、内蒙古鄂尔多斯市准格尔旗、天津市蓟州区、台州市天台县、潍坊市寒亭区

全球服务区域: 黄冈市黄州区、平顶山市新华区 、广西河池市大化瑶族自治县、菏泽市牡丹区、宿州市泗县、阜阳市颍州区、毕节市纳雍县、漳州市东山县、沈阳市大东区、攀枝花市东区、福州市马尾区、商丘市宁陵县、淄博市高青县、上海市普陀区、南阳市方城县、聊城市莘县、宜昌市枝江市 、运城市万荣县、齐齐哈尔市铁锋区、新乡市长垣市、鞍山市岫岩满族自治县、文山广南县

可视化故障排除专线,本周监管部门传递新进展,男生如何实现身材的完美蜕变：变大、变粗、变长，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修服务热线，技术专家在线解答

全国服务区域: 佛山市禅城区、黔西南兴义市 、汉中市佛坪县、贵阳市息烽县、周口市项城市、通化市辉南县、文山麻栗坡县、葫芦岛市建昌县、宁夏石嘴山市惠农区、庆阳市庆城县、汉中市南郑区、济南市天桥区、茂名市电白区、广州市从化区、阜阳市太和县、葫芦岛市绥中县、渭南市澄城县 、宣城市泾县、万宁市礼纪镇、宜宾市翠屏区、泸州市纳溪区、安阳市文峰区、宝鸡市陈仓区、上海市闵行区、东方市大田镇、茂名市茂南区、深圳市南山区、临沂市平邑县、遵义市湄潭县、河源市龙川县、内蒙古赤峰市元宝山区、凉山普格县、济宁市金乡县、果洛甘德县、陵水黎族自治县椰林镇、济南市平阴县、蚌埠市蚌山区、郴州市临武县、遵义市正安县、咸阳市彬州市、抚州市崇仁县

本周数据平台近期数据平台透露新政策:本月行业报告传达最新进展,男生如何实现身材的完美蜕变：变大、变粗、变长

在追求健康与美丽的道路上，身材的塑造是许多人关注的焦点。对于男生来说，增大、变粗、变长是许多人梦寐以求的目标。那么，如何实现这一蜕变呢？以下是一些科学有效的建议。 ### 一、合理饮食 合理的饮食是塑造完美身材的基础。男生要想增大、变粗、变长，首先要保证充足的营养摄入。 1. **蛋白质摄入**：蛋白质是肌肉生长的重要物质，男生应保证每天摄入足够的蛋白质。优质蛋白质来源包括鸡肉、鱼肉、鸡蛋、牛奶、豆制品等。 2. **碳水化合物摄入**：碳水化合物是人体能量的主要来源，男生在锻炼过程中需要大量的能量。主食如米饭、面条、全麦面包等都是不错的选择。 3. **脂肪摄入**：适量摄入脂肪有助于维持身体健康，男生可以选择健康的脂肪来源，如橄榄油、坚果、鱼类等。 4. **维生素与矿物质**：维生素与矿物质对于身体健康至关重要，男生应保证摄入足够的维生素A、C、E、B族维生素以及钙、铁、锌等矿物质。 ### 二、科学锻炼 科学的锻炼是增大、变粗、变长的关键。以下是一些针对男生身材塑造的锻炼方法： 1. **力量训练**：力量训练有助于增加肌肉量，使身材更加健硕。男生可以选择哑铃、杠铃、杠铃片等器械进行锻炼，如深蹲、硬拉、卧推等。 2. **有氧运动**：有氧运动有助于提高心肺功能，燃烧脂肪。男生可以选择跑步、游泳、骑自行车等有氧运动。 3. **拉伸运动**：拉伸运动有助于提高肌肉的柔韧性，预防运动损伤。男生在锻炼前后应进行适当的拉伸运动。 ### 三、充足睡眠 充足的睡眠对于男生身材塑造至关重要。睡眠不足会影响激素分泌，导致肌肉生长受阻。男生应保证每天7-8小时的睡眠时间。 ### 四、保持良好的心态 良好的心态有助于男生在身材塑造过程中保持动力。男生应树立信心，相信自己通过努力一定能够实现蜕变。 ### 总结 男生要想实现增大、变粗、变长的目标，需要从饮食、锻炼、睡眠和心态等方面入手。只要坚持努力，相信你一定能够塑造出理想的身材。在这个过程中，保持耐心和毅力至关重要。让我们一起努力，追求更健康、更美好的生活！

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。