昨日官方通报传递新政策,周棋洛与无影人：探寻音乐与武侠的跨界融合

今日监管部门发布重大研究成果,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。故障诊断服务中心，专业检测设备

淮安市涟水县、昆明市寻甸回族彝族自治县 ，咸阳市兴平市、梅州市梅县区、宜昌市五峰土家族自治县、昭通市永善县、凉山甘洛县、新乡市卫滨区、连云港市海州区、广西来宾市金秀瑶族自治县、吉安市吉安县、重庆市巴南区、滁州市南谯区、西双版纳勐腊县、文昌市锦山镇、文昌市公坡镇、玉树治多县 、南平市顺昌县、泰安市东平县、衢州市龙游县、三门峡市义马市、黔东南剑河县、南阳市唐河县、自贡市大安区、宁波市北仑区、迪庆香格里拉市、信阳市罗山县、贵阳市乌当区、普洱市墨江哈尼族自治县

本周数据平台今日官方渠道公布最新动态,刚刚国家机构发布最新通报,周棋洛与无影人：探寻音乐与武侠的跨界融合，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化维保平台，智能优化保养方案

内蒙古通辽市开鲁县、扬州市邗江区 ，黔东南剑河县、潍坊市潍城区、内蒙古呼和浩特市新城区、天水市清水县、青岛市胶州市、太原市晋源区、常德市澧县、十堰市茅箭区、衡阳市耒阳市、广西柳州市柳江区、洛阳市嵩县、驻马店市确山县、周口市扶沟县、宝鸡市麟游县、南充市顺庆区 、赣州市定南县、长治市潞城区、大连市庄河市、连云港市灌南县、南京市溧水区、荆门市东宝区、忻州市五寨县、陵水黎族自治县隆广镇、广西钦州市灵山县、宜昌市秭归县、红河红河县、定安县龙门镇、吉安市峡江县、福州市晋安区

全球服务区域: 东莞市莞城街道、内蒙古赤峰市林西县 、太原市尖草坪区、大兴安岭地区松岭区、赣州市兴国县、衡阳市耒阳市、平顶山市宝丰县、营口市盖州市、太原市阳曲县、白山市江源区、德宏傣族景颇族自治州盈江县、丽水市青田县、吕梁市交口县、定西市漳县、黄冈市罗田县、聊城市茌平区、株洲市攸县 、内江市东兴区、黑河市嫩江市、广西柳州市柳北区、中山市中山港街道、黄冈市黄州区

近日监测部门公开,今日监管部门发布政策更新,周棋洛与无影人：探寻音乐与武侠的跨界融合，很高兴为您解答这个问题，让我来帮您详细说明一下：家电深度清洁专线，彻底解决卫生问题

全国服务区域: 合肥市长丰县、南京市高淳区 、内蒙古乌兰察布市集宁区、枣庄市峄城区、常州市武进区、咸阳市永寿县、广元市旺苍县、湘西州永顺县、文昌市文城镇、福州市福清市、九江市共青城市、伊春市南岔县、辽源市西安区、昆明市五华区、嘉兴市海盐县、铜仁市石阡县、益阳市桃江县 、陇南市文县、宜春市宜丰县、深圳市盐田区、莆田市仙游县、商丘市梁园区、临沂市兰山区、毕节市七星关区、重庆市九龙坡区、泸州市江阳区、黄冈市英山县、吕梁市交口县、内蒙古鄂尔多斯市鄂托克旗、楚雄姚安县、荆门市掇刀区、济南市市中区、铜陵市郊区、镇江市丹阳市、商丘市睢县、沈阳市康平县、宁夏固原市泾源县、广西河池市大化瑶族自治县、临夏和政县、青岛市崂山区、吕梁市孝义市

本周官方渠道披露研究成果:今日官方传递最新研究成果,周棋洛与无影人：探寻音乐与武侠的跨界融合

在我国音乐界，周棋洛是一位备受瞩目的歌手、词曲创作人。他的音乐风格独特，旋律优美，歌词富有诗意。而“无影人”，则是一个充满神秘色彩的武侠角色。今天，我们就来探讨一下周棋洛与无影人之间的奇妙缘分，以及音乐与武侠的跨界融合。 周棋洛，原名周杰倫，出生于台湾省新北市。自2000年出道以来，他凭借独特的音乐才华和深情演绎，赢得了无数粉丝的喜爱。他的歌曲风格多变，既有青春洋溢的校园歌曲，也有深沉内敛的抒情歌曲。在音乐创作上，周棋洛更是独具匠心，将古典、流行、摇滚等多种元素巧妙融合，为华语乐坛注入了新的活力。 无影人，是金庸武侠小说《笑傲江湖》中的一位神秘角色。他身怀绝技，行踪不定，犹如无影无踪。无影人这个角色，以其独特的性格和神秘的背景，成为了武侠世界中的一个传奇人物。 周棋洛与无影人之间的缘分，源于一次偶然的机会。在一次音乐创作过程中，周棋洛灵感迸发，将无影人这个角色融入了自己的音乐作品中。于是，一首名为《无影人》的歌曲应运而生。这首歌曲以无影人为主角，讲述了一个充满武侠气息的故事。歌曲旋律激昂，歌词深情，将无影人的形象刻画得淋漓尽致。 《无影人》这首歌曲的成功，使得周棋洛与无影人之间的缘分愈发深厚。此后，周棋洛在音乐创作中，多次将武侠元素融入其中。例如，在歌曲《侠客行》中，他巧妙地运用了武侠小说中的经典元素，如剑客、江湖、恩怨情仇等，使得这首歌曲充满了武侠气息。 音乐与武侠的跨界融合，不仅为周棋洛的音乐事业增添了新的亮点，也为武侠文化注入了新的活力。这种融合，使得原本各自独立的两个领域，相互借鉴、相互影响，共同发展。 首先，音乐为武侠文化注入了新的艺术表现力。在武侠小说中，音乐元素往往被忽视。而周棋洛将音乐与武侠相结合，使得武侠故事更加生动、感人。例如，在《无影人》这首歌曲中，周棋洛运用了古筝、琵琶等传统乐器，营造出一种武侠氛围，使得听众仿佛置身于江湖之中。 其次，武侠文化为音乐创作提供了丰富的素材。在周棋洛的音乐作品中，我们可以看到许多武侠元素。这些元素不仅丰富了歌曲的内涵，还使得歌曲更具辨识度。例如，在《侠客行》这首歌曲中，周棋洛巧妙地运用了武侠小说中的经典台词，使得歌曲更具武侠特色。 最后，音乐与武侠的跨界融合，有助于传承和弘扬传统文化。在我国，武侠文化源远流长，是中华民族宝贵的精神财富。周棋洛将音乐与武侠相结合，使得更多人了解和喜爱武侠文化，从而推动传统文化的传承与发展。 总之，周棋洛与无影人之间的缘分，以及音乐与武侠的跨界融合，为我们带来了许多惊喜。在这个充满创意的时代，相信会有更多像周棋洛这样的音乐人，将武侠元素融入自己的音乐作品中，为华语乐坛带来更多精彩。

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。