今日相关部门发布重磅报告,《QQ飞车月光女神：引领速度与激情的神秘女神》

本月监管部门公布最新研究成果,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。智能安装预约系统，自动分配技师

东莞市长安镇、阜阳市太和县 ，哈尔滨市香坊区、临汾市襄汾县、泰安市新泰市、陇南市宕昌县、内江市资中县、东莞市虎门镇、定西市岷县、广西河池市都安瑶族自治县、鸡西市城子河区、杭州市富阳区、绥化市兰西县、龙岩市连城县、晋中市祁县、广元市利州区、驻马店市泌阳县 、广安市前锋区、太原市晋源区、梅州市丰顺县、东莞市凤岗镇、赣州市瑞金市、宜春市高安市、韶关市新丰县、遵义市赤水市、长沙市宁乡市、赣州市瑞金市、宁波市镇海区、龙岩市漳平市

本周数据平台本月业内人士公开最新动态,今日监管部门披露新进展,《QQ飞车月光女神：引领速度与激情的神秘女神》，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心全国联网，服务更便捷

广西百色市田林县、乐东黎族自治县千家镇 ，红河石屏县、阿坝藏族羌族自治州红原县、大理剑川县、阳泉市盂县、上海市宝山区、伊春市丰林县、万宁市礼纪镇、广西钦州市灵山县、益阳市桃江县、安顺市平坝区、甘孜巴塘县、儋州市南丰镇、延安市吴起县、宜春市万载县、玉溪市易门县 、广西百色市隆林各族自治县、东莞市樟木头镇、庆阳市合水县、内蒙古锡林郭勒盟阿巴嘎旗、烟台市福山区、双鸭山市岭东区、韶关市乐昌市、黑河市五大连池市、驻马店市汝南县、天津市西青区、衡阳市祁东县、雅安市名山区、白山市抚松县、宜宾市南溪区

全球服务区域: 天津市津南区、大连市瓦房店市 、中山市南头镇、琼海市长坡镇、枣庄市滕州市、朔州市山阴县、内蒙古呼和浩特市新城区、长沙市宁乡市、定安县岭口镇、昌江黎族自治县海尾镇、淮安市洪泽区、眉山市丹棱县、儋州市那大镇、邵阳市大祥区、六安市霍山县、保山市隆阳区、宁德市周宁县 、大同市平城区、凉山美姑县、惠州市惠城区、普洱市景谷傣族彝族自治县、宁夏银川市永宁县

刚刚专家组披露重要结论,本月官方披露行业研究成果,《QQ飞车月光女神：引领速度与激情的神秘女神》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电使用问题咨询，实时解答各类疑问

全国服务区域: 湘潭市韶山市、绥化市海伦市 、湘潭市韶山市、丽水市景宁畲族自治县、重庆市九龙坡区、昌江黎族自治县王下乡、宁夏吴忠市青铜峡市、广西贺州市平桂区、周口市川汇区、怀化市中方县、雅安市天全县、葫芦岛市南票区、梅州市五华县、郴州市汝城县、天水市麦积区、酒泉市敦煌市、湘潭市雨湖区 、汕尾市陆丰市、眉山市洪雅县、铜川市宜君县、儋州市木棠镇、黔西南册亨县、武威市凉州区、邵阳市新宁县、肇庆市德庆县、成都市大邑县、广元市苍溪县、池州市青阳县、海南同德县、安康市、果洛久治县、焦作市中站区、梅州市平远县、宁夏吴忠市同心县、开封市通许县、新余市分宜县、宿州市砀山县、海西蒙古族乌兰县、揭阳市揭东区、衢州市开化县、陵水黎族自治县文罗镇

专家远程指导热线，多终端:本周行业协会发布最新研究成果,《QQ飞车月光女神：引领速度与激情的神秘女神》

QQ飞车，这款风靡全球的赛车游戏，凭借其丰富的游戏内容、精美的画面以及独特的游戏体验，吸引了无数玩家。在这款游戏中，有一位神秘而迷人的角色——月光女神，她以独特的魅力和速度，成为了玩家们竞相追逐的对象。 月光女神，作为QQ飞车中的一位神秘角色，她的形象设计独具匠心。她身穿一袭白色的长裙，头戴一顶闪耀着银光的月牙状头饰，手中握着一把散发着幽蓝光芒的月光之剑。她的出现，仿佛将整个游戏世界都笼罩在一片神秘的月光之中。 月光女神的技能也是游戏中的亮点之一。她拥有强大的加速能力，能够瞬间提升速度，让玩家在赛道上如风驰电掣。此外，她还拥有月光护盾和月光冲击等技能，能够在关键时刻为玩家提供保护，让他们在比赛中立于不败之地。 在QQ飞车中，月光女神不仅是一位强大的赛车手，更是一位充满神秘色彩的女神。她的故事背景引人入胜，让人不禁想要一探究竟。据游戏官方透露，月光女神曾是古代月神的后裔，她拥有操控月光的力量，为了守护赛车世界的和平，她毅然决然地投身于赛车事业。 月光女神的加入，使得QQ飞车的竞技氛围更加浓厚。许多玩家为了能够驾驭这位神秘的女神，纷纷努力提升自己的技术。在比赛中，月光女神的出现总能给对手带来巨大的压力，让比赛变得更加精彩纷呈。 值得一提的是，月光女神的获得方式也颇具挑战性。在游戏中，玩家需要通过完成一系列的挑战任务，才能有机会获得这位女神。这些任务包括击败强大的对手、完成特定的赛道任务等，对于玩家来说，无疑是一次充满挑战的冒险。 随着QQ飞车版本的不断更新，月光女神的形象也在不断进化。从最初的神秘形象，到如今的时尚女神，月光女神始终保持着她独特的魅力。她的每一次更新，都让玩家们充满期待，为游戏增添了更多的乐趣。 总之，QQ飞车的月光女神是一位充满神秘色彩、速度与激情的赛车女神。她以她独特的魅力和技能，成为了无数玩家竞相追逐的对象。在未来的日子里，月光女神将继续引领着速度与激情，为QQ飞车这个世界带来更多的精彩。让我们一起期待，这位神秘女神在赛车世界中的更多传奇故事。

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。