本月行业协会发布重大政策,《王者荣耀伽罗吞下白色液体之谜：游戏中的神秘元素解读》

本月官方渠道发布重要报告,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。家电配件订购专线，原厂正品保障

襄阳市樊城区、四平市铁东区 ，牡丹江市绥芬河市、赣州市南康区、清远市连州市、芜湖市鸠江区、南阳市唐河县、广元市青川县、内蒙古赤峰市克什克腾旗、文昌市公坡镇、福州市永泰县、盘锦市兴隆台区、保山市隆阳区、延安市宜川县、宜昌市五峰土家族自治县、怀化市芷江侗族自治县、果洛甘德县 、中山市神湾镇、吕梁市柳林县、咸阳市渭城区、屯昌县屯城镇、鹤岗市向阳区、莆田市城厢区、成都市双流区、济南市市中区、临沧市临翔区、广西南宁市兴宁区、上海市徐汇区、黔东南三穗县

本周数据平台最新相关部门透露权威通报,今日相关部门传达重大行业信息,《王者荣耀伽罗吞下白色液体之谜：游戏中的神秘元素解读》，很高兴为您解答这个问题，让我来帮您详细说明一下：全国标准化热线，维修过程透明可查

景德镇市昌江区、晋中市左权县 ，内蒙古包头市九原区、白沙黎族自治县青松乡、聊城市莘县、成都市简阳市、兰州市永登县、咸阳市兴平市、徐州市沛县、淄博市沂源县、哈尔滨市延寿县、齐齐哈尔市碾子山区、资阳市乐至县、玉溪市红塔区、汕尾市海丰县、许昌市禹州市、葫芦岛市兴城市 、咸阳市三原县、德州市禹城市、成都市邛崃市、新余市渝水区、太原市阳曲县、文昌市锦山镇、定安县龙门镇、鹤岗市工农区、南通市如皋市、天津市蓟州区、广西南宁市青秀区、广西南宁市横州市、宣城市宣州区、阜阳市太和县

全球服务区域: 凉山喜德县、儋州市王五镇 、铁岭市清河区、焦作市马村区、定安县龙门镇、枣庄市薛城区、中山市古镇镇、岳阳市临湘市、南阳市西峡县、扬州市邗江区、昆明市石林彝族自治县、梅州市蕉岭县、德阳市绵竹市、巴中市平昌县、儋州市峨蔓镇、马鞍山市和县、吉林市丰满区 、天津市西青区、广西南宁市横州市、伊春市南岔县、吕梁市离石区、文昌市锦山镇

24小时维修咨询热线，智能语音导航,本周行业协会发布新报告,《王者荣耀伽罗吞下白色液体之谜：游戏中的神秘元素解读》，很高兴为您解答这个问题，让我来帮您详细说明一下：预防性维保中心，延长产品使用寿命

全国服务区域: 白银市平川区、内蒙古包头市固阳县 、济南市莱芜区、通化市东昌区、东莞市清溪镇、佳木斯市富锦市、亳州市蒙城县、宁夏银川市灵武市、芜湖市鸠江区、泰州市高港区、重庆市丰都县、宜春市高安市、孝感市云梦县、内蒙古赤峰市松山区、牡丹江市东安区、烟台市招远市、果洛玛多县 、伊春市金林区、铜仁市碧江区、安阳市汤阴县、凉山雷波县、惠州市惠东县、福州市马尾区、广元市利州区、铜仁市松桃苗族自治县、屯昌县坡心镇、渭南市临渭区、齐齐哈尔市碾子山区、珠海市斗门区、凉山西昌市、宁波市慈溪市、湘西州吉首市、昆明市西山区、玉溪市新平彝族傣族自治县、海北祁连县、本溪市溪湖区、广西柳州市融水苗族自治县、天水市清水县、商丘市永城市、宜春市高安市、南平市政和县

本周数据平台最新相关部门透露权威通报:今日行业报告披露新成果,《王者荣耀伽罗吞下白色液体之谜：游戏中的神秘元素解读》

在《王者荣耀》这款深受玩家喜爱的MOBA游戏中，英雄角色们各有特色，而伽罗作为其中的射手英雄，以其精准的射击和强大的爆发力而闻名。然而，在一场激烈的战斗中，伽罗突然吞下了一瓶白色液体，这一幕不仅令人惊讶，更引发了玩家们对这一神秘事件的广泛讨论。本文将围绕这一事件，对伽罗吞下白色液体的原因进行解读。 首先，我们需要了解伽罗这个角色。伽罗是一位拥有独特背景和技能的英雄，她的箭矢具有穿透力，能够在战斗中造成巨大的伤害。然而，在游戏中，伽罗吞下白色液体的行为似乎与她的角色设定并不相符。那么，这一行为究竟意味着什么呢？ 一种解释是，伽罗吞下的白色液体可能是某种药水或药剂。在游戏中，药水是常见的道具，能够为英雄提供短暂的增益效果，如增加攻击力、防御力或恢复生命值等。伽罗吞下白色液体后，她的攻击力或防御力可能得到了提升，从而在战斗中取得了意想不到的胜利。这种解释符合游戏中的常规设定，同时也解释了伽罗吞下液体后为何能发挥出超常的表现。 另一种解释是，伽罗吞下的白色液体可能具有某种神秘力量。在《王者荣耀》中，许多英雄都拥有独特的背景故事，而伽罗作为射手英雄，其背后可能隐藏着一段不为人知的传说。伽罗吞下白色液体后，或许触发了某种神秘力量，使她在战斗中展现出惊人的实力。这种解释更具想象力，也为伽罗这个角色增添了更多神秘色彩。 此外，还有一种可能性，即伽罗吞下的白色液体是一种测试道具。在游戏开发过程中，测试员为了测试游戏平衡，会在游戏中添加一些特殊的道具或药剂。伽罗吞下白色液体后，可能只是测试员为了观察游戏平衡所做的实验。这种解释虽然较为合理，但似乎与伽罗的角色设定和游戏背景关系不大。 综合以上分析，我们可以得出结论：伽罗吞下白色液体这一行为在《王者荣耀》中具有多重含义。它既可能是游戏平衡的一种体现，也可能是角色背后神秘力量的展现。无论哪种解释，这一事件都为玩家们提供了丰富的想象空间，使得游戏更加引人入胜。 总之，《王者荣耀》伽罗吞下白色液体这一神秘事件，不仅丰富了游戏内容，也引发了玩家们对游戏角色和故事背景的深入探讨。在未来的游戏中，我们期待看到更多充满想象力和创意的元素，为玩家带来更加精彩的体验。

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。