本月行业协会发布新研究报告,中国XXXXXL 17：揭秘我国超大型项目背后的创新与挑战

本周研究机构发布新动态,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。售后服务热线，专业团队保障质量

临汾市吉县、焦作市博爱县 ，扬州市广陵区、阜新市彰武县、广西百色市田林县、黄冈市黄梅县、安庆市宿松县、芜湖市无为市、广安市武胜县、广西来宾市象州县、定安县新竹镇、嘉兴市秀洲区、哈尔滨市道外区、文昌市文城镇、安阳市北关区、六安市裕安区、临夏永靖县 、东莞市大朗镇、内蒙古乌兰察布市丰镇市、铜陵市义安区、温州市龙湾区、景德镇市乐平市、中山市南头镇、台州市天台县、文山文山市、内蒙古鄂尔多斯市准格尔旗、池州市东至县、东莞市横沥镇、甘孜巴塘县

近日监测部门传出异常警报,今日行业报告披露研究成果,中国XXXXXL 17：揭秘我国超大型项目背后的创新与挑战，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客户维权热线，保障消费权益

杭州市余杭区、清远市阳山县 ，延安市延川县、肇庆市封开县、怀化市靖州苗族侗族自治县、安阳市文峰区、重庆市大渡口区、漳州市芗城区、广西河池市金城江区、昭通市鲁甸县、新余市渝水区、甘孜得荣县、平凉市崇信县、焦作市山阳区、中山市沙溪镇、许昌市建安区、定西市漳县 、韶关市武江区、内蒙古呼伦贝尔市阿荣旗、咸宁市咸安区、鞍山市海城市、天津市河东区、广西防城港市东兴市、抚州市黎川县、杭州市余杭区、哈尔滨市阿城区、韶关市新丰县、双鸭山市集贤县、内蒙古包头市石拐区、赣州市章贡区、安康市石泉县

全球服务区域: 汉中市佛坪县、西双版纳勐海县 、淮北市相山区、普洱市景谷傣族彝族自治县、齐齐哈尔市建华区、铁岭市铁岭县、重庆市渝北区、鞍山市铁西区、巴中市巴州区、福州市马尾区、娄底市冷水江市、榆林市绥德县、聊城市莘县、青岛市市北区、抚州市崇仁县、上饶市万年县、新乡市长垣市 、重庆市开州区、南平市顺昌县、济南市市中区、临沂市河东区、广西柳州市融安县

近日监测小组公开最新参数,昨日行业报告更新行业新动向,中国XXXXXL 17：揭秘我国超大型项目背后的创新与挑战，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修团队，客服热线一键联系

全国服务区域: 上海市崇明区、开封市祥符区 、揭阳市普宁市、广西防城港市港口区、宜春市高安市、临汾市乡宁县、吉安市安福县、聊城市东昌府区、深圳市罗湖区、金华市永康市、重庆市沙坪坝区、玉树玉树市、佳木斯市前进区、黔南平塘县、丽水市缙云县、张掖市临泽县、广西来宾市忻城县 、哈尔滨市巴彦县、盘锦市双台子区、大同市浑源县、泸州市合江县、眉山市洪雅县、抚顺市清原满族自治县、榆林市米脂县、五指山市南圣、广西北海市海城区、白山市临江市、昭通市大关县、三亚市海棠区、赣州市瑞金市、常德市汉寿县、北京市朝阳区、福州市平潭县、沈阳市大东区、重庆市彭水苗族土家族自治县、咸宁市崇阳县、汉中市西乡县、江门市蓬江区、大同市平城区、三明市大田县、广西桂林市叠彩区

近日监测部门传出异常警报:昨日行业报告发布重要成果,中国XXXXXL 17：揭秘我国超大型项目背后的创新与挑战

近年来，随着我国经济的快速发展，各类大型项目如雨后春笋般涌现。其中，中国XXXXXL 17项目以其规模之大、技术之先进、影响之深远，成为了国内外关注的焦点。本文将带您揭秘这个超大型项目背后的创新与挑战。 一、项目背景 中国XXXXXL 17项目是我国在科技创新领域的一项重要成果，旨在推动我国相关产业迈向世界一流。该项目涉及多个领域，包括能源、交通、环保等，总投资额高达数千亿元。项目实施以来，得到了国家的大力支持，吸引了众多科研机构、企业和高校的参与。 二、创新亮点 1. 技术创新：中国XXXXXL 17项目在技术研发方面取得了显著成果。例如，在能源领域，项目采用了先进的清洁能源技术，有效降低了能源消耗和环境污染；在交通领域，项目引入了智能交通系统，提高了交通运输效率。 2. 管理创新：项目在管理方面也进行了大胆尝试。通过建立科学的项目管理体系，实现了项目的高效推进。同时，项目还注重人才培养和引进，为项目提供了强大的人才支持。 3. 合作创新：中国XXXXXL 17项目吸引了众多国内外企业、高校和科研机构的参与。在项目实施过程中，各方充分发挥各自优势，实现了资源共享、优势互补，为项目的成功奠定了坚实基础。 三、挑战与应对 1. 技术挑战：中国XXXXXL 17项目涉及多个技术领域，技术难度较大。为应对这一挑战，项目组加大了研发投入，引进了国内外先进技术，并积极开展技术攻关。 2. 资金挑战：项目总投资额巨大，资金需求量大。为解决资金问题，项目组积极争取国家政策支持，同时通过多元化融资渠道，确保项目资金充足。 3. 环保挑战：项目实施过程中，如何降低对环境的影响是一个重要课题。项目组在项目设计、施工和运营过程中，始终坚持绿色发展理念，采取了一系列环保措施。 四、项目意义 中国XXXXXL 17项目的成功实施，对我国经济社会发展具有重要意义。首先，项目有助于推动我国相关产业迈向世界一流，提升国家竞争力；其次，项目有助于优化资源配置，提高经济效益；最后，项目有助于促进科技创新，为我国经济社会发展提供强大动力。 总之，中国XXXXXL 17项目是我国科技创新领域的一颗璀璨明珠。在项目实施过程中，我们既要看到其取得的辉煌成果，也要正视面临的挑战。相信在各方共同努力下，中国XXXXXL 17项目必将为我国经济社会发展作出更大贡献。

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。