今日监管部门发布最新通报,探索神秘领域：揭秘“永生之海”阵容及其背后的故事

近日监管部门发布重要信息,1年涨五倍，被苹果看上的“模型瘦身”公司靠谱吗？,很高兴为您解答这个问题，让我来帮您详细说明一下。家电故障不用愁，客服热线帮您忙

朝阳市双塔区、内蒙古赤峰市宁城县 ，内蒙古包头市固阳县、潍坊市寒亭区、东营市利津县、聊城市高唐县、南阳市方城县、茂名市高州市、黔南平塘县、儋州市新州镇、齐齐哈尔市铁锋区、黑河市孙吴县、朝阳市北票市、中山市南朗镇、抚州市崇仁县、广州市从化区、万宁市三更罗镇 、聊城市茌平区、怒江傈僳族自治州泸水市、赣州市瑞金市、济宁市梁山县、永州市江华瑶族自治县、大同市平城区、忻州市岢岚县、汉中市略阳县、衢州市开化县、临夏永靖县、三明市清流县、白沙黎族自治县荣邦乡

本周数据平台稍早前行业协会报道新政,今日官方传递政策更新,探索神秘领域：揭秘“永生之海”阵容及其背后的故事，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联网回收网络，统一处理渠道

福州市连江县、马鞍山市含山县 ，哈尔滨市尚志市、成都市崇州市、本溪市本溪满族自治县、宁夏吴忠市红寺堡区、黔南长顺县、滁州市明光市、哈尔滨市宾县、黔西南兴义市、濮阳市濮阳县、南昌市青山湖区、濮阳市清丰县、内蒙古兴安盟科尔沁右翼前旗、河源市源城区、广西来宾市合山市、东方市感城镇 、铜仁市松桃苗族自治县、运城市万荣县、重庆市石柱土家族自治县、驻马店市确山县、宿迁市泗阳县、哈尔滨市延寿县、广元市剑阁县、佳木斯市东风区、鹤岗市南山区、吉安市吉水县、绍兴市越城区、肇庆市高要区、南昌市新建区、三亚市崖州区

全球服务区域: 内蒙古鄂尔多斯市鄂托克旗、太原市晋源区 、沈阳市铁西区、岳阳市岳阳楼区、昆明市安宁市、潍坊市临朐县、昆明市五华区、金华市永康市、东营市垦利区、陇南市武都区、重庆市秀山县、商洛市商南县、中山市古镇镇、北京市门头沟区、怀化市溆浦县、襄阳市宜城市、滨州市滨城区 、吉安市峡江县、吉安市永新县、铜川市印台区、广州市越秀区、泸州市古蔺县

专家在线诊断专线,今日行业协会发布行业动态,探索神秘领域：揭秘“永生之海”阵容及其背后的故事，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心多渠道接入，响应迅速

全国服务区域: 甘孜康定市、株洲市茶陵县 、湖州市南浔区、广安市华蓥市、咸阳市兴平市、红河河口瑶族自治县、南充市南部县、东莞市横沥镇、内蒙古赤峰市宁城县、甘孜康定市、周口市项城市、九江市都昌县、株洲市天元区、宜昌市宜都市、铜陵市义安区、内江市隆昌市、黔南瓮安县 、黔南贵定县、玉溪市华宁县、广西防城港市东兴市、宜宾市兴文县、延安市宜川县、茂名市电白区、保山市腾冲市、汉中市洋县、攀枝花市盐边县、宣城市泾县、哈尔滨市南岗区、宣城市宁国市、朔州市平鲁区、白城市镇赉县、丹东市宽甸满族自治县、广西河池市东兰县、攀枝花市仁和区、澄迈县桥头镇、聊城市临清市、五指山市通什、张掖市高台县、乐山市金口河区、安康市、淄博市博山区

快速响应维修热线:昨日研究机构传递最新成果,探索神秘领域：揭秘“永生之海”阵容及其背后的故事

在广袤的宇宙中，有一个被神秘力量所笼罩的地方，那里被称为“永生之海”。这是一个传说中存在的地方，据说只有极少数人能够进入，并且在那里找到永生的秘密。而关于“永生之海”的阵容，更是充满了神秘色彩。今天，就让我们一起来揭开这个神秘阵容的神秘面纱。 ### 永生之海的起源 关于永生之海的起源，众说纷纭。有人说，它是由一位古老的海洋之神创造的，目的是为了守护一个古老的秘密；也有人说，这是宇宙中一个特殊的能量场，只有拥有特定体质的人才能进入。无论真相如何，永生之海的存在，无疑给人们带来了无尽的遐想。 ### 永生之海阵容揭秘 据传，永生之海中存在着一个强大的阵容，他们分别是： 1. **智慧长者**：这位长者拥有无尽的智慧，是永生之海中的灵魂人物。他掌握着永生的秘密，并负责引导其他成员。 2. **神秘剑客**：这位剑客身手矫健，剑法高超。他守护着永生之海的安全，是队伍中的中坚力量。 3. **神奇法师**：这位法师精通各种魔法，能够召唤强大的自然力量。在战斗中，他常常为队伍提供强大的支援。 4. **美丽公主**：这位公主拥有绝世容颜，她的笑容能够治愈一切伤痛。在永生之海中，她负责调和成员之间的关系。 5. **勇敢战士**：这位战士身经百战，勇猛无比。他负责队伍的正面进攻，是敌人闻风丧胆的存在。 6. **神秘使者**：这位使者来自遥远的星球，肩负着特殊的使命。他负责将永生之海的秘密传递给外界。 ### 阵容背后的故事 这个阵容并非空穴来风，而是有着深厚的历史渊源。在很久以前，永生之海还只是一个普通的海洋。然而，随着岁月的流逝，这里逐渐汇聚了来自各个星球的强者。他们为了共同的目标——寻找永生的秘密，而组成了这个阵容。 在漫长的岁月里，这个阵容经历了无数的考验。他们共同面对过强大的敌人，也共同经历了生死离别。然而，他们始终坚守信念，为了永生的秘密而努力。 ### 永生之海的未来 如今，永生之海的阵容已经成为了宇宙中一个传奇。虽然他们已经找到了永生的秘密，但并未透露给外界。有人说，这是为了保护宇宙的平衡；也有人说，这是为了给后人留下一个悬念。 无论如何，永生之海的阵容都将永远留在人们的心中。他们用自己的智慧和勇气，诠释了什么是真正的团结与坚持。而关于永生的秘密，或许将成为宇宙中永恒的谜题。 在这个神秘的世界里，永生之海的阵容将继续守护着他们的信念，探索着未知的领域。而我们，也将永远铭记这段传奇故事，为他们的勇气和智慧而感动。

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网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。