今日相关部门发布行业进展,《天龙八部明教攻略：掌握江湖绝学，成就一代宗师！》

近日官方发布重大研究报告,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。家电维修应急热线，24小时待命

周口市太康县、海西蒙古族德令哈市 ，郴州市宜章县、内蒙古巴彦淖尔市五原县、黄山市黄山区、哈尔滨市道里区、岳阳市岳阳楼区、白沙黎族自治县荣邦乡、内蒙古锡林郭勒盟阿巴嘎旗、安康市紫阳县、临沧市临翔区、泸州市合江县、肇庆市广宁县、菏泽市郓城县、贵阳市开阳县、广西贺州市富川瑶族自治县、广西南宁市邕宁区 、淮安市洪泽区、抚顺市新宾满族自治县、巴中市平昌县、吉安市峡江县、天津市东丽区、上海市闵行区、天水市秦安县、雅安市石棉县、东莞市长安镇、淮北市相山区、南平市政和县、咸阳市三原县

在线维修进度查询,最新官方渠道发布研究成果,《天龙八部明教攻略：掌握江湖绝学，成就一代宗师！》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修专线，快速响应故障报修

广西桂林市荔浦市、黔南惠水县 ，徐州市铜山区、聊城市高唐县、鸡西市滴道区、南充市营山县、榆林市清涧县、南阳市唐河县、昌江黎族自治县七叉镇、北京市怀柔区、直辖县神农架林区、汉中市西乡县、天津市河北区、甘孜得荣县、沈阳市铁西区、怀化市洪江市、兰州市七里河区 、三门峡市义马市、怀化市芷江侗族自治县、湘潭市湘乡市、宁波市奉化区、榆林市绥德县、宁夏银川市西夏区、内蒙古赤峰市松山区、渭南市合阳县、临沧市临翔区、甘孜康定市、福州市晋安区、大兴安岭地区加格达奇区、五指山市番阳、三沙市南沙区

全球服务区域: 淮南市潘集区、内蒙古兴安盟科尔沁右翼前旗 、三门峡市灵宝市、凉山普格县、广西桂林市临桂区、长春市绿园区、汉中市西乡县、扬州市广陵区、资阳市雁江区、平顶山市汝州市、六安市舒城县、临高县南宝镇、怀化市沅陵县、遵义市红花岗区、吕梁市离石区、哈尔滨市道里区、上饶市万年县 、绥化市兰西县、吕梁市孝义市、襄阳市宜城市、天水市张家川回族自治县、镇江市扬中市

可视化故障排除专线，实时监测数据,今日官方发布行业研究成果,《天龙八部明教攻略：掌握江湖绝学，成就一代宗师！》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电企业专属热线，大客户定制服务

全国服务区域: 上饶市婺源县、雅安市宝兴县 、无锡市江阴市、广西南宁市良庆区、大兴安岭地区呼中区、岳阳市平江县、安阳市林州市、三门峡市陕州区、武汉市青山区、菏泽市单县、衡阳市衡东县、亳州市涡阳县、大兴安岭地区加格达奇区、三明市泰宁县、嘉峪关市新城镇、广西柳州市鱼峰区、东莞市厚街镇 、酒泉市玉门市、广西百色市田阳区、内蒙古呼和浩特市和林格尔县、永州市江华瑶族自治县、琼海市龙江镇、鞍山市铁东区、上饶市铅山县、乐东黎族自治县万冲镇、宝鸡市凤县、安顺市西秀区、巴中市南江县、景德镇市珠山区、白银市平川区、抚州市南丰县、白沙黎族自治县牙叉镇、琼海市石壁镇、洛阳市嵩县、陵水黎族自治县椰林镇、定西市通渭县、玉溪市通海县、陵水黎族自治县新村镇、云浮市云城区、临高县调楼镇、镇江市句容市

在线维修进度查询:本月行业协会发布重要信息,《天龙八部明教攻略：掌握江湖绝学，成就一代宗师！》

《天龙八部》作为一款深受玩家喜爱的武侠游戏，其丰富的剧情、多样的门派和复杂的技能系统，让无数玩家沉浸其中。在众多门派中，明教以其独特的江湖地位和强大的实力，成为了许多玩家追求的目标。今天，就让我们一起来探讨一下《天龙八部》明教攻略，助你掌握江湖绝学，成就一代宗师！ 一、明教背景与特色 明教，起源于《天龙八部》小说中的宗教组织，以“慈悲为怀，救苦救难”为宗旨，门派弟子擅长使用内功和暗器。在游戏中，明教拥有独特的技能和强大的团队协作能力，是江湖中不可忽视的力量。 二、明教技能解析 1. 内功技能：明教内功以柔克刚，擅长治疗和辅助。其中，明教的招牌技能“九阳真经”具有极高的治疗和辅助效果，是团队中不可或缺的存在。 2. 暗器技能：明教弟子擅长使用暗器，如“飞花摘叶”、“毒蛇缠身”等，这些技能在战斗中可以迅速削弱敌人，为团队创造有利条件。 3. 团队技能：明教团队技能以辅助为主，如“天罡真气”、“五气朝元”等，这些技能可以提高团队整体实力，使战斗更加轻松。 三、明教装备与修炼 1. 装备：明教弟子在游戏中可以选择多种装备，如武器、防具、饰品等。在搭配装备时，要注重属性平衡，提高生存能力和输出能力。 2. 修炼：明教弟子需要不断提升自己的内功和暗器技能，可以通过以下途径： （1）内功修炼：通过修炼“九阳真经”等内功心法，提高自己的治疗和辅助能力。 （2）暗器修炼：通过练习“飞花摘叶”、“毒蛇缠身”等暗器技能，提高自己的输出能力。 （3）团队技能修炼：通过参与团队战斗，熟练掌握明教团队技能，提高团队协作能力。 四、明教战术运用 1. 团队协作：明教弟子在战斗中要充分发挥团队协作能力，合理运用内功、暗器和团队技能，为团队创造有利条件。 2. 战术选择：根据战斗情况，灵活运用明教战术，如“围魏救赵”、“声东击西”等，使敌人陷入被动。 3. 防御意识：明教弟子在战斗中要具备较强的防御意识，合理运用内功和暗器技能，保护自己和队友。 总结： 掌握《天龙八部》明教攻略，需要玩家深入了解明教背景、技能、装备和修炼等方面。通过不断努力，提升自己的实力，相信你一定能在这款游戏中成为一代宗师！

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。