今日监管部门披露重要进展,男生女生一起嗟嗟嗟喊痛，生猴子背后的温馨故事

昨日行业报告传递新政策,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。智能派单服务中心，精准匹配维修师傅

遵义市余庆县、大庆市龙凤区 ，重庆市合川区、舟山市岱山县、南充市营山县、牡丹江市爱民区、黔南长顺县、广西来宾市忻城县、黄山市黟县、鄂州市鄂城区、泉州市泉港区、铜仁市松桃苗族自治县、庆阳市合水县、吉安市永丰县、宁德市霞浦县、临沂市罗庄区、枣庄市山亭区 、许昌市长葛市、滨州市无棣县、广元市昭化区、阳泉市盂县、广西崇左市宁明县、张家界市桑植县、汕头市澄海区、广西贵港市港南区、牡丹江市阳明区、临汾市侯马市、万宁市龙滚镇、焦作市温县

近日官方渠道传达研究成果,本月行业报告传递研究成果,男生女生一起嗟嗟嗟喊痛，生猴子背后的温馨故事，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障远程诊断，视频指导快速解决

焦作市武陟县、中山市神湾镇 ，曲靖市马龙区、泸州市纳溪区、南通市如皋市、内蒙古赤峰市翁牛特旗、漳州市漳浦县、贵阳市云岩区、鹤岗市向阳区、泸州市泸县、广西贺州市昭平县、荆州市荆州区、东方市东河镇、安庆市迎江区、甘孜色达县、十堰市郧阳区、鸡西市滴道区 、太原市古交市、庆阳市宁县、甘孜新龙县、宿州市砀山县、淮南市寿县、漳州市龙海区、六安市霍山县、杭州市余杭区、重庆市潼南区、白沙黎族自治县南开乡、内蒙古兴安盟突泉县、西安市临潼区、重庆市万州区、上海市徐汇区

全球服务区域: 德州市禹城市、渭南市澄城县 、甘孜雅江县、中山市三角镇、贵阳市修文县、锦州市义县、济南市章丘区、阿坝藏族羌族自治州理县、雅安市名山区、景德镇市乐平市、苏州市常熟市、文山马关县、文昌市潭牛镇、大兴安岭地区漠河市、澄迈县桥头镇、三明市将乐县、六安市舒城县 、韶关市乐昌市、东莞市茶山镇、黔南平塘县、大理鹤庆县、襄阳市宜城市

近日监测部门公开最新参数,本月研究机构公开新进展,男生女生一起嗟嗟嗟喊痛，生猴子背后的温馨故事，很高兴为您解答这个问题，让我来帮您详细说明一下：智能维修管理平台，自动分配服务订单

全国服务区域: 六安市裕安区、天水市麦积区 、杭州市余杭区、孝感市应城市、广州市南沙区、阳泉市矿区、张掖市山丹县、吕梁市柳林县、乐山市峨边彝族自治县、儋州市雅星镇、内蒙古鄂尔多斯市鄂托克旗、武汉市江汉区、通化市辉南县、抚顺市清原满族自治县、文昌市冯坡镇、东莞市横沥镇、通化市二道江区 、大连市金州区、舟山市定海区、丽江市华坪县、宁夏中卫市沙坡头区、南阳市内乡县、澄迈县仁兴镇、宁波市江北区、商丘市民权县、达州市通川区、齐齐哈尔市铁锋区、德州市乐陵市、周口市项城市、文昌市东阁镇、曲靖市师宗县、甘孜白玉县、乐东黎族自治县尖峰镇、佳木斯市向阳区、宁德市福鼎市、大连市金州区、铁岭市铁岭县、济宁市汶上县、阳泉市城区、株洲市茶陵县、潮州市潮安区

本周数据平台稍早前行业协会报道新政:今日行业协会传达最新研究报告,男生女生一起嗟嗟嗟喊痛，生猴子背后的温馨故事

在我国广袤的土地上，流传着许多关于男女生殖健康的温馨故事。其中，有一则关于“男生女生一起嗟嗟嗟喊痛，生猴子背后的温馨故事”广为流传。这则故事不仅展现了我国民间对生殖健康的关注，更传递了夫妻间相互扶持、共同面对生活困难的真挚情感。 故事的主人公是一对年轻的夫妻，男主人公名叫李明，女主人公名叫王丽。两人相识于大学校园，毕业后步入婚姻的殿堂。婚后不久，两人便迎来了爱情的结晶——一个可爱的宝宝。 然而，在宝宝出生的过程中，却发生了一件让人啼笑皆非的事情。原来，在分娩过程中，王丽因为疼痛难忍，忍不住喊出了“嗟嗟嗟”的声音。而李明，为了给妻子加油鼓劲，也跟着喊起了“嗟嗟嗟”。这一幕，让在场的医护人员都忍俊不禁。 分娩结束后，王丽感慨万分：“没想到生孩子这么疼，还好有你在身边。”李明笑着回应：“傻瓜，我当然会陪在你身边，一起面对生活的困难。” 这则故事虽然简单，却蕴含着深刻的道理。首先，它反映了我国民间对生殖健康的关注。在古代，由于医学条件有限，人们对生育过程的认识不足，常常将生育视为一种痛苦的经历。而如今，随着医学的进步，人们已经能够更好地了解生殖健康，减轻分娩过程中的痛苦。 其次，故事展现了夫妻间相互扶持、共同面对生活困难的真挚情感。在王丽分娩的过程中，李明的陪伴和鼓励，让她感受到了无尽的温暖。这种情感，正是家庭幸福的重要基石。 此外，故事还传递了一个积极向上的信息：面对生活中的困难，我们要勇敢地去面对，相互扶持，共同度过难关。正如李明所说：“我们是一家人，有什么困难是过不去的呢？” 当然，这则故事也提醒我们，在追求幸福生活的过程中，我们要关注自己的身心健康。对于即将步入婚姻殿堂的年轻人来说，了解生殖健康知识，做好生育准备，是非常重要的。 总之，男生女生一起嗟嗟嗟喊痛，生猴子背后的温馨故事，既展现了我国民间对生殖健康的关注，又传递了夫妻间相互扶持、共同面对生活困难的真挚情感。这则故事告诉我们，在追求幸福生活的道路上，我们要勇敢地去面对困难，相互扶持，共同创造美好的未来。

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。