本月官方渠道发布重磅信息,品色谈：探寻生活中的色彩美学

本月相关部门发布重要报告,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。自动化服务调度，智能匹配维修资源

天津市宝坻区、天水市张家川回族自治县 ，嘉兴市嘉善县、忻州市神池县、六安市裕安区、宝鸡市岐山县、内蒙古呼和浩特市土默特左旗、楚雄双柏县、潍坊市青州市、伊春市铁力市、连云港市连云区、成都市邛崃市、中山市民众镇、吉安市万安县、菏泽市郓城县、武汉市汉阳区、盐城市响水县 、齐齐哈尔市克东县、亳州市涡阳县、黔东南黄平县、茂名市电白区、哈尔滨市五常市、蚌埠市五河县、牡丹江市爱民区、盐城市阜宁县、商洛市商南县、福州市马尾区、朝阳市龙城区、红河弥勒市

近日观测中心传出重要预警,今日研究机构发布行业通报,品色谈：探寻生活中的色彩美学，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，统一维修服务标准

聊城市冠县、济南市历城区 ，东莞市大朗镇、伊春市铁力市、烟台市龙口市、天津市西青区、阜新市海州区、达州市通川区、定西市岷县、六安市霍山县、毕节市织金县、广西来宾市武宣县、果洛玛多县、九江市德安县、白银市平川区、朔州市山阴县、朝阳市凌源市 、十堰市张湾区、徐州市泉山区、新乡市新乡县、攀枝花市东区、东莞市大岭山镇、商洛市镇安县、自贡市大安区、凉山会东县、黄冈市黄州区、岳阳市君山区、湘西州保靖县、邵阳市新宁县、西宁市城北区、福州市仓山区

全球服务区域: 济宁市微山县、泰州市兴化市 、武汉市江夏区、茂名市茂南区、广西柳州市鱼峰区、武汉市青山区、德阳市中江县、成都市简阳市、烟台市招远市、宁波市江北区、贵阳市开阳县、武汉市洪山区、泸州市泸县、海口市秀英区、郴州市临武县、忻州市原平市、直辖县潜江市 、天水市甘谷县、黔南独山县、烟台市海阳市、开封市祥符区、宿州市砀山县

近日监测中心公开最新参数,本月监管部门发布新研究报告,品色谈：探寻生活中的色彩美学，很高兴为您解答这个问题，让我来帮您详细说明一下：专业售后团队，客服热线随时待命

全国服务区域: 孝感市孝昌县、资阳市雁江区 、汕尾市陆河县、安庆市大观区、大兴安岭地区新林区、九江市瑞昌市、白沙黎族自治县元门乡、滨州市滨城区、合肥市肥西县、广西贺州市平桂区、内蒙古乌兰察布市兴和县、广西桂林市叠彩区、内蒙古包头市东河区、广西百色市田阳区、天津市武清区、内蒙古鄂尔多斯市达拉特旗、湖州市南浔区 、红河泸西县、芜湖市繁昌区、松原市宁江区、洛阳市洛宁县、巴中市平昌县、平凉市泾川县、枣庄市台儿庄区、揭阳市榕城区、普洱市西盟佤族自治县、内蒙古巴彦淖尔市乌拉特后旗、常州市新北区、咸宁市嘉鱼县、普洱市江城哈尼族彝族自治县、渭南市白水县、金华市永康市、宜宾市筠连县、忻州市五台县、黔南都匀市、河源市紫金县、乐东黎族自治县抱由镇、湘西州龙山县、永州市宁远县、鄂州市华容区、黄山市黄山区

官方技术支援专线:本月官方更新行业研究报告,品色谈：探寻生活中的色彩美学

在五彩斑斓的世界中，色彩如同生活的调味品，给我们的视觉带来无尽的享受。品色谈，即品味生活中的色彩之美，探寻色彩背后的文化内涵，感受色彩带给我们的情感共鸣。本文将从色彩的历史、文化、情感等方面，谈谈生活中的色彩美学。 一、色彩的历史 色彩，是人类最早的艺术表现之一。在远古时期，我们的祖先就开始用色彩记录生活、表达情感。在我国，色彩文化源远流长，从古代的壁画、陶器、丝绸到现代的绘画、建筑、时尚，色彩始终贯穿其中。 1. 古代色彩：古代色彩以自然色彩为主，如红、黄、蓝、绿等，这些色彩寓意着吉祥、喜庆、高贵。如红色，象征着喜庆、幸福，常用于节日庆典；黄色，象征着权威、尊贵，常用于皇宫、寺庙等建筑；蓝色，象征着神秘、宁静，常用于宗教艺术。 2. 现代色彩：现代色彩更加丰富多彩，不仅包括自然色彩，还融入了人工合成色彩。现代色彩在时尚、建筑、设计等领域得到了广泛应用，为我们的生活增添了无限活力。 二、色彩的文化 色彩，具有丰富的文化内涵。不同文化背景下的色彩，往往代表着不同的寓意和价值观。 1. 东方色彩：东方色彩以自然、和谐、含蓄为特点。如中国红、中国蓝等，这些色彩代表着东方文化的韵味。 2. 西方色彩：西方色彩以鲜明、热烈、张扬为特点。如红色，在西方文化中象征着爱情、激情；蓝色，象征着智慧、宁静。 3. 民族色彩：不同民族有着独特的色彩文化。如蒙古族的蓝色，象征着草原的辽阔、宁静；藏族的红色，象征着吉祥、幸福。 三、色彩的情感 色彩，是人类情感的载体。不同的色彩，能激发出不同的情感反应。 1. 温暖色彩：如红色、橙色、黄色等，这些色彩给人以温暖、热情的感觉。 2. 冷静色彩：如蓝色、绿色、紫色等，这些色彩给人以宁静、舒适的感觉。 3. 激情色彩：如红色、紫色等，这些色彩能激发出人们的激情、斗志。 四、品色谈的启示 品色谈，让我们更加关注生活中的色彩之美。以下是一些建议，帮助我们在日常生活中品味色彩： 1. 观察色彩：留意生活中的色彩变化，感受色彩带给我们的视觉享受。 2. 搭配色彩：学会色彩搭配，让我们的生活更加丰富多彩。 3. 情感共鸣：通过色彩表达情感，让生活充满温度。 总之，品色谈是一种生活态度，让我们在五彩斑斓的世界中，发现色彩之美，感受色彩带来的情感共鸣。让我们用心去品味生活中的每一抹色彩，让生活更加美好。

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。