今日研究机构公开最新行业进展,《抖动两个球球舞：一场视觉与听觉的盛宴》

昨日相关部门传达重要研究成果,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。专业维修调度中心，快速响应各类需求

云浮市云城区、广西桂林市永福县 ，宁夏固原市原州区、三明市将乐县、邵阳市绥宁县、泰安市肥城市、驻马店市正阳县、焦作市解放区、广西河池市巴马瑶族自治县、嘉兴市南湖区、定安县新竹镇、哈尔滨市方正县、宝鸡市眉县、南平市邵武市、渭南市大荔县、晋城市沁水县、德州市武城县 、洛阳市宜阳县、通化市二道江区、北京市昌平区、绍兴市嵊州市、南平市武夷山市、泸州市合江县、株洲市芦淞区、南京市栖霞区、商丘市民权县、广西河池市大化瑶族自治县、阿坝藏族羌族自治州茂县、商洛市镇安县

昨日官方渠道公开新变化,今日相关部门发布行业进展,《抖动两个球球舞：一场视觉与听觉的盛宴》，很高兴为您解答这个问题，让我来帮您详细说明一下：自动化服务调度，智能匹配维修资源

丹东市振安区、毕节市赫章县 ，宝鸡市太白县、孝感市云梦县、渭南市富平县、大连市甘井子区、大庆市龙凤区、东莞市石碣镇、襄阳市樊城区、达州市开江县、朝阳市双塔区、晋中市平遥县、长沙市长沙县、双鸭山市集贤县、内蒙古乌兰察布市卓资县、黔南福泉市、宜宾市筠连县 、天津市河东区、内蒙古鄂尔多斯市鄂托克旗、广西桂林市阳朔县、商丘市睢阳区、三沙市西沙区、宁夏吴忠市青铜峡市、宜宾市南溪区、达州市渠县、济宁市邹城市、梅州市蕉岭县、内蒙古鄂尔多斯市杭锦旗、郴州市临武县、昌江黎族自治县十月田镇、宁德市周宁县

全球服务区域: 吉林市蛟河市、海口市琼山区 、广西贵港市港北区、三门峡市湖滨区、哈尔滨市巴彦县、内蒙古锡林郭勒盟锡林浩特市、蚌埠市龙子湖区、许昌市魏都区、广州市增城区、龙岩市上杭县、广西贵港市港北区、开封市禹王台区、吕梁市柳林县、通化市辉南县、黄南同仁市、上饶市广信区、恩施州巴东县 、西双版纳勐腊县、武汉市江岸区、济宁市任城区、金华市金东区、延安市吴起县

刚刚专家组披露重要结论,本月官方发布行业新变化,《抖动两个球球舞：一场视觉与听觉的盛宴》，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24小时在线，随时响应需求

全国服务区域: 台州市三门县、红河开远市 、南充市嘉陵区、绍兴市诸暨市、天水市秦安县、西安市新城区、郑州市金水区、安阳市汤阴县、内蒙古巴彦淖尔市杭锦后旗、重庆市奉节县、内蒙古包头市九原区、四平市铁西区、延安市甘泉县、漳州市龙海区、南昌市安义县、大庆市大同区、焦作市解放区 、临夏康乐县、大同市新荣区、榆林市清涧县、内蒙古赤峰市克什克腾旗、毕节市黔西市、广西河池市东兰县、绵阳市涪城区、泸州市泸县、宜春市铜鼓县、内蒙古巴彦淖尔市磴口县、西安市高陵区、宣城市绩溪县、常德市武陵区、泰安市岱岳区、德阳市广汉市、德宏傣族景颇族自治州盈江县、广西梧州市长洲区、琼海市长坡镇、大兴安岭地区漠河市、泸州市叙永县、黄山市黄山区、忻州市保德县、陵水黎族自治县本号镇、盐城市大丰区

刚刚监管中心披露最新规定:今日官方渠道传递重大研究成果,《抖动两个球球舞：一场视觉与听觉的盛宴》

在五彩斑斓的舞台上，两位舞者身着轻盈的服装，手中各握着一个晶莹剔透的球。随着音乐的节奏，他们开始了一段名为“抖动两个球球舞”的舞蹈。这个舞蹈不仅考验舞者的技巧，更是一场视觉与听觉的盛宴。 抖动两个球球舞，顾名思义，就是舞者通过抖动手中的球，将舞蹈动作与球的运动完美结合。这种独特的舞蹈形式，源于我国民间舞蹈的灵感，经过现代舞者的创新演绎，逐渐成为了一种时尚的舞蹈风格。 首先，抖动两个球球舞的舞者需要具备高超的技巧。在舞蹈过程中，舞者要用手中的球完成各种高难度的动作，如旋转、抛接、抖动等。这些动作不仅要求舞者有良好的身体协调性，还要有出色的手眼协调能力。在舞台上，舞者们的每一个动作都精准到位，让人叹为观止。 其次，抖动两个球球舞的视觉效果令人陶醉。舞者手中的球在灯光的照耀下，闪烁着迷人的光芒。随着音乐的节奏，球在空中划出一道道优美的弧线，仿佛在诉说着一个动人的故事。舞者们巧妙地将球与舞蹈动作相结合，使得整个舞蹈充满了视觉冲击力。 此外，抖动两个球球舞的音乐也是一大亮点。舞蹈所选用的音乐节奏感强烈，富有动感。在音乐的伴奏下，舞者们挥洒自如，将舞蹈的激情与活力展现得淋漓尽致。同时，音乐中的旋律与舞者的动作相互呼应，使得整个舞蹈更具感染力。 抖动两个球球舞的表演者们，既有专业的舞蹈演员，也有热衷于舞蹈的业余爱好者。他们在舞台上共同演绎着这个充满魅力的舞蹈，为观众带来了一场视觉与听觉的盛宴。 在舞蹈表演过程中，舞者们还融入了一些富有创意的元素。例如，在抖动球的过程中，他们会将球抛向空中，然后巧妙地接住，形成一种独特的视觉效果。此外，舞者们还会在舞台上设置一些障碍物，如椅子、桌子等，通过巧妙地利用这些障碍物，使舞蹈动作更加丰富多样。 抖动两个球球舞在我国舞蹈界逐渐崭露头角，受到了越来越多人的喜爱。它不仅丰富了我国舞蹈艺术的内涵，还为舞蹈爱好者提供了一个展示才华的平台。相信在不久的将来，抖动两个球球舞将会成为我国舞蹈艺术的一颗璀璨明珠。 总之，抖动两个球球舞以其独特的舞蹈形式、精美的视觉效果和动感的音乐，成为了一场视觉与听觉的盛宴。它不仅展现了舞者们的才华，更让观众在欣赏舞蹈的过程中，感受到了生活的美好。让我们共同期待抖动两个球球舞在我国舞蹈界的未来发展，期待它为我国舞蹈艺术注入更多活力。

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。