今日行业报告披露重大政策更新,5G时代来临，天天奭多人免费，共享科技盛宴

本月行业报告传递研究成果,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。家电保养提醒服务，延长产品使用寿命

怀化市靖州苗族侗族自治县、琼海市大路镇 ，锦州市北镇市、昭通市彝良县、安庆市望江县、自贡市荣县、广西南宁市马山县、洛阳市汝阳县、安阳市龙安区、广西南宁市横州市、新余市渝水区、天津市北辰区、广西柳州市柳城县、郑州市管城回族区、毕节市金沙县、泉州市惠安县、福州市福清市 、吕梁市离石区、丽水市景宁畲族自治县、大连市甘井子区、内蒙古乌兰察布市凉城县、内蒙古赤峰市克什克腾旗、云浮市新兴县、新乡市卫滨区、珠海市香洲区、哈尔滨市阿城区、贵阳市息烽县、杭州市滨江区、张家界市武陵源区

本周数据平台本月业内人士公开最新动态,昨日行业报告传递新成果,5G时代来临，天天奭多人免费，共享科技盛宴，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联网维保服务，统一护理标准

九江市共青城市、黔西南兴仁市 ，安庆市望江县、伊春市汤旺县、丹东市凤城市、中山市东升镇、遵义市湄潭县、临汾市尧都区、庆阳市华池县、广西北海市银海区、中山市小榄镇、吉林市舒兰市、枣庄市滕州市、朝阳市凌源市、张掖市民乐县、临夏永靖县、晋城市城区 、泰安市泰山区、太原市晋源区、宁夏石嘴山市平罗县、江门市开平市、黄冈市团风县、龙岩市永定区、重庆市云阳县、湘西州凤凰县、安庆市迎江区、陇南市礼县、合肥市肥东县、广西北海市合浦县、吕梁市交城县、大兴安岭地区漠河市

全球服务区域: 恩施州来凤县、本溪市明山区 、永州市新田县、哈尔滨市依兰县、甘孜理塘县、聊城市茌平区、德州市陵城区、南阳市内乡县、徐州市鼓楼区、东莞市塘厦镇、毕节市大方县、广西河池市凤山县、哈尔滨市道里区、黔东南剑河县、西安市周至县、大同市平城区、荆州市监利市 、济南市天桥区、益阳市安化县、直辖县神农架林区、广西河池市南丹县、济南市天桥区

可视化故障排除专线，实时监测数据,今日监管部门披露重要进展,5G时代来临，天天奭多人免费，共享科技盛宴，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

全国服务区域: 昆明市西山区、文昌市抱罗镇 、中山市中山港街道、淄博市周村区、白山市靖宇县、衡阳市雁峰区、肇庆市封开县、庆阳市宁县、温州市洞头区、黔西南兴仁市、广西北海市铁山港区、荆州市沙市区、牡丹江市西安区、吕梁市交城县、阿坝藏族羌族自治州红原县、直辖县神农架林区、攀枝花市东区 、商丘市虞城县、运城市垣曲县、长春市二道区、重庆市黔江区、铁岭市调兵山市、攀枝花市仁和区、烟台市牟平区、雅安市芦山县、阜阳市颍东区、黔南都匀市、长沙市开福区、凉山金阳县、临汾市永和县、海北海晏县、天津市东丽区、中山市神湾镇、庆阳市宁县、铁岭市铁岭县、丽江市宁蒗彝族自治县、南昌市安义县、重庆市潼南区、果洛玛沁县、开封市龙亭区、西宁市城东区

近日检测中心传出核心指标:昨日官方披露行业研究成果,5G时代来临，天天奭多人免费，共享科技盛宴

随着科技的飞速发展，5G技术已经逐渐走进我们的生活。5G网络的高速度、低时延、大连接等特点，为我们带来了前所未有的便捷体验。近日，我国一家知名运营商推出了“5G天天奭多人免费”的优惠活动，让更多的人能够享受到5G带来的便利，共同开启科技盛宴。 一、5G技术助力生活 5G技术是第五代移动通信技术，具有传输速度快、时延低、连接能力强等特点。在5G网络环境下，人们可以享受到更快的上网速度、更流畅的视频通话、更智能的家居控制等。例如，在5G网络的支持下，远程医疗、智能交通、工业互联网等领域将得到快速发展，为我们的生活带来更多便利。 二、天天奭多人免费活动 为了进一步推广5G技术，我国一家知名运营商推出了“5G天天奭多人免费”的优惠活动。该活动旨在让更多人体验到5G网络带来的便利，共同感受科技的魅力。 1. 免费试用：活动期间，用户可以免费试用5G套餐，体验5G网络带来的高速、流畅的上网体验。 2. 优惠购机：活动期间，购买指定5G手机的用户可以享受优惠价格，轻松升级5G设备。 3. 亲情优惠：用户可以邀请亲朋好友一起参与活动，共同享受5G带来的便利。邀请人数越多，优惠力度越大。 4. 多重好礼：活动期间，用户还可以参与抽奖活动，赢取丰厚奖品。 三、5G时代，共享科技盛宴 “5G天天奭多人免费”活动，不仅让更多人体验到5G网络带来的便利，还推动了我国5G产业的发展。在5G时代，我们将共享科技盛宴，共同创造美好的未来。 1. 产业发展：5G技术的普及将带动相关产业链的发展，如5G手机、5G基站、5G应用等，为我国经济发展注入新动力。 2. 智能生活：5G技术将推动智能家居、智能交通、智能医疗等领域的发展，让我们的生活更加便捷、舒适。 3. 社会进步：5G技术将为教育、医疗、政务等公共服务领域带来变革，提高社会运行效率，促进社会公平。 总之，5G时代已经来临，“5G天天奭多人免费”活动为我们提供了一个共享科技盛宴的机会。让我们携手共进，共同迎接5G时代的到来，共创美好未来。

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。