本月行业协会传达最新研究成果,欧美无人区：探索数字世界的“三卡”奥秘

今日官方渠道公布新政策,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。家电安装服务热线，专业团队上门

永州市零陵区、德宏傣族景颇族自治州瑞丽市 ，绍兴市诸暨市、广西崇左市天等县、黑河市爱辉区、吕梁市孝义市、广西柳州市柳北区、宣城市绩溪县、内蒙古鄂尔多斯市乌审旗、广元市苍溪县、昭通市昭阳区、开封市祥符区、镇江市京口区、信阳市罗山县、长春市德惠市、安顺市西秀区、澄迈县加乐镇 、普洱市景谷傣族彝族自治县、大同市天镇县、广西北海市铁山港区、阳泉市平定县、常德市津市市、汉中市勉县、周口市西华县、东莞市谢岗镇、宝鸡市陇县、阳江市阳东区、商丘市宁陵县、宁波市鄞州区

快速响应维修热线,本周官方渠道披露行业新动向,欧美无人区：探索数字世界的“三卡”奥秘，很高兴为您解答这个问题，让我来帮您详细说明一下：专业家电维修客服，一对一解决问题

琼海市嘉积镇、济宁市邹城市 ，赣州市上犹县、哈尔滨市南岗区、广西玉林市兴业县、儋州市中和镇、白城市镇赉县、昭通市盐津县、海口市美兰区、南京市玄武区、定安县黄竹镇、德州市庆云县、信阳市光山县、延安市富县、新乡市延津县、成都市双流区、北京市昌平区 、延安市志丹县、延安市志丹县、常德市汉寿县、张家界市永定区、张掖市临泽县、宜昌市当阳市、遵义市播州区、雅安市宝兴县、汕头市澄海区、凉山金阳县、襄阳市宜城市、泰安市东平县、丽水市景宁畲族自治县、台州市三门县

全球服务区域: 江门市恩平市、蚌埠市五河县 、太原市娄烦县、广西来宾市武宣县、佳木斯市富锦市、威海市乳山市、张家界市慈利县、鸡西市滴道区、肇庆市德庆县、内蒙古鄂尔多斯市乌审旗、宁波市海曙区、滨州市惠民县、宁波市奉化区、上海市长宁区、临汾市尧都区、白银市景泰县、大庆市龙凤区 、直辖县仙桃市、太原市清徐县、荆门市京山市、南平市浦城县、定安县龙河镇

本周数据平台最新相关部门透露权威通报,本周官方传递最新行业报告,欧美无人区：探索数字世界的“三卡”奥秘，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修电话，支持在线咨询报修

全国服务区域: 昆明市西山区、上海市金山区 、天津市北辰区、澄迈县中兴镇、青岛市即墨区、淮北市杜集区、临汾市翼城县、大庆市肇州县、德州市庆云县、临高县和舍镇、成都市双流区、吉安市峡江县、白山市长白朝鲜族自治县、郴州市汝城县、广西玉林市福绵区、潍坊市寒亭区、巴中市通江县 、惠州市惠阳区、伊春市伊美区、武汉市洪山区、天水市武山县、安庆市潜山市、沈阳市新民市、吉安市吉州区、黄山市黟县、沈阳市辽中区、黄冈市蕲春县、遵义市习水县、内蒙古乌兰察布市商都县、萍乡市莲花县、葫芦岛市兴城市、北京市西城区、漳州市龙文区、西宁市城东区、广西河池市都安瑶族自治县、玉溪市华宁县、许昌市魏都区、鞍山市台安县、济南市济阳区、济南市天桥区、枣庄市市中区

近日观测中心传出重要预警:今日行业报告披露重大变化,欧美无人区：探索数字世界的“三卡”奥秘

在数字时代，网络已经成为人们生活中不可或缺的一部分。然而，在广袤的欧美无人区，网络信号稀疏，使得这片土地成为了一个独特的数字荒原。在这里，人们通过“码卡”、“二卡”、“三卡”等数字工具，探索着这个神秘的世界。 首先，让我们来了解一下“码卡”。码卡是一种通过二维码进行数据传输的数字工具，它将互联网的便利性带到了欧美无人区的每一个角落。在这里，人们可以通过扫描码卡上的二维码，快速获取到所需的网络资源。码卡的出现，极大地丰富了无人区居民的精神文化生活，也为这片土地注入了新的活力。 接下来，我们来看看“二卡”。二卡，顾名思义，是一种具备双网功能的SIM卡。在欧美无人区，由于网络信号的不稳定性，单一的网络制式往往无法满足居民的需求。而二卡的出现，则让居民们能够在不同网络环境下，享受到更加稳定的网络服务。此外，二卡还支持多种数据套餐，使得居民可以根据自己的需求选择合适的套餐，享受更加灵活的网络体验。 那么，“三卡”又是何方神圣呢？三卡，顾名思义，是一种具备三网功能的SIM卡。在欧美无人区，三卡的出现，让居民们能够在任何一个角落，都能享受到高速稳定的网络服务。这种卡不仅支持国内主流的移动、联通、电信三大运营商，还支持国际漫游，使得居民在出国旅游时，也能轻松接入当地网络。 然而，在这片数字世界的背后，我们也应看到一些问题。首先，由于网络信号的稀疏，无人区居民在享受数字便利的同时，也面临着网络安全的风险。其次，网络资源的分配不均，使得一些居民难以享受到优质的网络服务。此外，随着数字技术的发展，一些非法分子也利用网络进行违法犯罪活动，给无人区居民的生活带来安全隐患。 为了解决这些问题，我们需要从以下几个方面入手： 1. 加强网络安全教育，提高居民的安全意识。通过举办网络安全讲座、发放宣传资料等形式，让居民了解网络安全知识，提高自我保护能力。 2. 政府应加大对无人区网络建设的投入，提高网络覆盖率。通过建设基站、优化网络信号等方式，让居民享受到更加稳定、高速的网络服务。 3. 规范网络市场秩序，打击网络违法犯罪活动。政府部门应加强监管，严厉打击网络诈骗、黑客攻击等违法犯罪行为，保障居民合法权益。 4. 鼓励企业创新，推出更多适合无人区的网络产品和服务。通过技术创新，降低网络成本，让更多居民享受到优质的网络服务。 总之，在欧美无人区这片数字荒原，通过“码卡”、“二卡”、“三卡”等数字工具，居民们正在探索着这个神秘的世界。然而，我们也应看到其中存在的问题，并积极寻求解决方案，让这片土地在数字时代焕发出新的生机。

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。