本月行业报告传达最新进展,两根齐力挺进宫交：一场跨越时空的奋斗之旅

今日官方传递行业新研究成果,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。全国统一服务专线，标准化维修流程

贵阳市乌当区、中山市南朗镇 ，鸡西市密山市、广西梧州市岑溪市、晋城市沁水县、宜春市宜丰县、吉林市磐石市、海北刚察县、天津市蓟州区、遵义市余庆县、汉中市宁强县、孝感市汉川市、延安市吴起县、巴中市通江县、临夏东乡族自治县、安阳市龙安区、黔南瓮安县 、抚州市宜黄县、红河元阳县、凉山越西县、咸阳市乾县、天水市张家川回族自治县、衡阳市雁峰区、内蒙古呼和浩特市和林格尔县、德州市禹城市、宁德市柘荣县、潍坊市昌乐县、内蒙古巴彦淖尔市临河区、聊城市高唐县

近日评估小组公开关键数据,本月研究机构公开新进展,两根齐力挺进宫交：一场跨越时空的奋斗之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务统一热线，维修更放心

云浮市云城区、宁夏固原市隆德县 ，孝感市云梦县、洛阳市老城区、益阳市沅江市、驻马店市泌阳县、晋中市榆次区、东莞市樟木头镇、遵义市仁怀市、济宁市微山县、陵水黎族自治县光坡镇、平凉市灵台县、德州市齐河县、大连市旅顺口区、枣庄市山亭区、黔东南麻江县、榆林市神木市 、汉中市洋县、烟台市龙口市、景德镇市浮梁县、海西蒙古族茫崖市、三亚市海棠区、长沙市宁乡市、渭南市合阳县、福州市台江区、邵阳市新宁县、万宁市大茂镇、成都市崇州市、绵阳市江油市、万宁市后安镇、宣城市绩溪县

全球服务区域: 榆林市米脂县、内蒙古通辽市科尔沁区 、汕头市潮南区、安康市镇坪县、上海市嘉定区、定安县富文镇、郑州市新郑市、常德市武陵区、杭州市萧山区、抚州市崇仁县、盘锦市双台子区、丹东市东港市、海东市乐都区、丽水市缙云县、洛阳市新安县、漯河市源汇区、东莞市厚街镇 、日照市东港区、黄石市西塞山区、雅安市芦山县、西安市灞桥区、娄底市娄星区

近日研究机构传出突破成果,本月行业报告披露新变化,两根齐力挺进宫交：一场跨越时空的奋斗之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客户维权热线，保障消费权益

全国服务区域: 宜昌市秭归县、昆明市宜良县 、临高县皇桐镇、益阳市资阳区、兰州市七里河区、锦州市凌海市、昆明市禄劝彝族苗族自治县、宁夏银川市永宁县、咸阳市武功县、阜新市清河门区、天水市张家川回族自治县、酒泉市金塔县、万宁市东澳镇、黔南瓮安县、延安市吴起县、南充市顺庆区、商洛市柞水县 、太原市尖草坪区、临汾市霍州市、晋中市灵石县、大兴安岭地区呼中区、亳州市蒙城县、宜宾市高县、阿坝藏族羌族自治州金川县、北京市西城区、河源市龙川县、龙岩市永定区、重庆市城口县、合肥市肥东县、黔东南雷山县、重庆市奉节县、辽源市西安区、咸宁市通城县、海南同德县、汕头市金平区、黔南瓮安县、常德市汉寿县、咸宁市咸安区、湘潭市岳塘区、开封市禹王台区、万宁市和乐镇

本周数据平台最新研究机构传出新变化:今日官方渠道传递研究成果,两根齐力挺进宫交：一场跨越时空的奋斗之旅

在历史的长河中，无数英雄豪杰为国家的繁荣昌盛、民族的伟大复兴而奋斗。今天，我们要讲述的，便是这样一段充满传奇色彩的故事——两根齐力挺进宫交，谱写了一曲跨越时空的奋斗之歌。 故事的主人公，是我国古代著名的科学家、政治家、军事家——诸葛亮。他的一生，充满了传奇色彩，而这段“两根齐力挺进宫交”的故事，更是让人叹为观止。 公元234年，诸葛亮率领蜀军北伐中原，与魏国展开了一场激烈的角逐。在这场战争中，诸葛亮巧妙地运用了“两根齐力挺进宫交”的战术，成功地将魏国军队分割成两股，从而为蜀军的胜利奠定了基础。 那么，究竟什么是“两根齐力挺进宫交”呢？这其实是一种军事战术，指的是将军队分为两股，同时向敌人的两个重要据点发起攻击，以此达到分割敌军、各个击破的目的。 在这次北伐中，诸葛亮将蜀军分为两股，一股由他亲自率领，向魏国首都洛阳发起攻击；另一股则由他的副将赵云率领，向魏国重镇许昌发起进攻。两股军队齐头并进，犹如两根利箭，直指魏国心脏。 在进军过程中，诸葛亮充分发挥了智慧和谋略，巧妙地利用地形、地貌，避实击虚，成功地绕过了魏国的重重防线。在洛阳之战中，诸葛亮亲自率领蜀军，凭借着精湛的武艺和过人的胆识，勇闯敌阵，大败魏军。而在许昌之战中，赵云率领的蜀军也取得了胜利，使得魏国腹背受敌。 这场“两根齐力挺进宫交”的战役，充分展示了诸葛亮的军事才能和智慧。他通过巧妙地运用战术，成功地分割了魏国军队，为蜀军的胜利创造了有利条件。而这场战役，也成为了我国古代军事史上的一段佳话。 然而，在这段传奇背后，我们更应该看到的是，诸葛亮那颗为国家、民族利益而奋斗的赤子之心。他的一生，都在为国家的繁荣昌盛、民族的伟大复兴而努力拼搏。正是这种坚定的信念和顽强的毅力，让他成为了我国历史上的一位伟大人物。 如今，我们生活在和平年代，但我们不能忘记那些为了国家、民族利益而奋斗的英雄们。他们用生命和热血谱写了一曲曲壮丽的篇章，为我们树立了光辉的榜样。 在这个充满挑战和机遇的时代，我们要继承和发扬先辈们的优良传统，为实现中华民族伟大复兴的中国梦而努力拼搏。正如“两根齐力挺进宫交”的故事所启示我们的那样，只有团结一心、齐心协力，我们才能战胜一切困难，实现我们的伟大目标。 总之，“两根齐力挺进宫交”的故事，不仅是一段传奇，更是一段激励人心的历史。它让我们明白，只有勇敢面对挑战，坚定信念，我们才能在人生的道路上取得辉煌的成就。让我们铭记这段历史，传承先辈们的精神，为实现我们的梦想而努力奋斗！

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。