今日行业报告披露新成果,健康性教育：男人女人性行为的正确引导与知识普及

本月行业协会披露重大成果,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。家电使用问题咨询，实时解答各类疑问

驻马店市西平县、韶关市翁源县 ，青岛市平度市、吉安市永丰县、广西百色市田阳区、内蒙古乌海市海勃湾区、广西桂林市平乐县、乐东黎族自治县利国镇、广安市岳池县、泰安市宁阳县、昭通市永善县、西宁市湟源县、淮安市洪泽区、忻州市河曲县、泸州市泸县、重庆市江北区、安庆市宿松县 、大庆市大同区、韶关市南雄市、内蒙古呼伦贝尔市额尔古纳市、绵阳市安州区、安庆市宿松县、凉山布拖县、吉林市桦甸市、宝鸡市凤县、泸州市龙马潭区、西宁市大通回族土族自治县、茂名市电白区、三门峡市义马市

本周数据平台最新研究机构传出新变化,今日行业协会发布最新研究报告,健康性教育：男人女人性行为的正确引导与知识普及，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

东营市东营区、岳阳市华容县 ，广西玉林市福绵区、梅州市蕉岭县、渭南市澄城县、惠州市惠阳区、宝鸡市凤县、滁州市天长市、黄南同仁市、牡丹江市阳明区、丽江市古城区、衡阳市雁峰区、凉山木里藏族自治县、郴州市苏仙区、济宁市汶上县、厦门市海沧区、龙岩市漳平市 、阳江市阳西县、广西防城港市东兴市、珠海市香洲区、荆门市京山市、绥化市兰西县、成都市双流区、随州市随县、牡丹江市林口县、郑州市新郑市、宁波市北仑区、嘉峪关市新城镇、重庆市巫溪县、牡丹江市穆棱市、镇江市京口区

全球服务区域: 宝鸡市陈仓区、三明市泰宁县 、东莞市大朗镇、莆田市秀屿区、黔东南镇远县、芜湖市镜湖区、湛江市霞山区、重庆市北碚区、宣城市宣州区、连云港市灌云县、果洛达日县、咸阳市兴平市、衡阳市常宁市、武汉市江夏区、大庆市林甸县、铁岭市开原市、铁岭市清河区 、晋中市祁县、怒江傈僳族自治州泸水市、广安市邻水县、清远市连南瑶族自治县、淮南市潘集区

本周数据平台今日数据平台透露最新消息,今日研究机构传递重大研究成果,健康性教育：男人女人性行为的正确引导与知识普及，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联保售后电话，服务有保障

全国服务区域: 宁德市古田县、佳木斯市富锦市 、漯河市舞阳县、丹东市东港市、吉林市船营区、内蒙古乌海市海勃湾区、中山市横栏镇、焦作市博爱县、楚雄禄丰市、周口市西华县、永州市蓝山县、万宁市南桥镇、镇江市扬中市、内江市隆昌市、赣州市于都县、广西崇左市大新县、徐州市铜山区 、哈尔滨市五常市、黔南瓮安县、汕尾市城区、广安市华蓥市、定安县雷鸣镇、东方市感城镇、河源市和平县、普洱市西盟佤族自治县、辽阳市灯塔市、东方市八所镇、内蒙古巴彦淖尔市五原县、蚌埠市五河县、白山市江源区、白山市抚松县、益阳市资阳区、邵阳市武冈市、九江市湖口县、广西梧州市藤县、海西蒙古族茫崖市、嘉兴市桐乡市、铜仁市德江县、镇江市扬中市、内蒙古赤峰市松山区、天津市滨海新区

专家远程指导热线，多终端:本周研究机构发布新报告,健康性教育：男人女人性行为的正确引导与知识普及

在当今社会，性教育已成为提高国民素质、促进社会和谐发展的重要环节。然而，由于种种原因，很多人对性行为的认知仍然存在误区。本文旨在通过普及性知识，引导男人女人正确认识性行为，以促进双方的身心健康。 ### 了解性行为的基本知识 首先，我们需要明确什么是性行为。性行为是指男女双方在情感交流的基础上，通过身体接触达到愉悦和满足的过程。性行为是人类生理和心理需求的一部分，是正常的生理现象。 ### 正确的性行为观念 1. **尊重对方**：在性行为中，尊重对方是至关重要的。这包括尊重对方的意愿、身体界限和情感需求。 2. **安全第一**：性行为过程中，安全始终是第一位的。正确使用安全套可以降低性传播疾病和意外怀孕的风险。 3. **情感交流**：性行为不仅仅是生理上的满足，更是情感上的交流。双方在性行为中应注重情感沟通，增进彼此了解。 ### 男性在性行为中的注意事项 1. **了解女性的生理特点**：男性在性行为中应了解女性的生理特点，如女性高潮需要较长时间的刺激，以便更好地满足伴侣。 2. **关注女性的感受**：男性在性行为中要关注女性的感受，尊重女性的意愿，避免强迫或忽视女性的需求。 3. **情感投入**：男性在性行为中要投入情感，与伴侣共同体验愉悦，增进感情。 ### 女性在性行为中的注意事项 1. **学会表达需求**：女性在性行为中要学会表达自己的需求，让伴侣了解自己的感受，以便更好地满足彼此。 2. **了解自己的身体**：女性在性行为中要了解自己的身体，掌握高潮技巧，提高性生活质量。 3. **保持自信**：女性在性行为中要自信，不要因为生理差异而自卑，要相信自己可以拥有美好的性生活。 ### 总结 性行为是男女双方生理和心理需求的一部分，正确引导和普及性知识对于促进双方身心健康具有重要意义。通过本文的介绍，希望大家能够更加了解性行为，树立正确的性观念，享受美好的性生活。同时，我们呼吁社会各界关注性教育，为更多人提供科学的性知识，共同营造和谐、健康的性文化氛围。

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。