今日研究机构传递新研究成果,LISA全身仅一条腰链，时尚与个性的完美演绎

近期国家机构传递重大政策,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。家电以旧换新热线，专业评估回收

漳州市华安县、重庆市奉节县 ，抚州市乐安县、吕梁市离石区、杭州市下城区、漳州市长泰区、海北门源回族自治县、汉中市南郑区、宣城市绩溪县、内蒙古呼和浩特市新城区、广元市旺苍县、宁德市古田县、宜春市万载县、烟台市福山区、吕梁市岚县、陇南市礼县、南昌市西湖区 、西安市莲湖区、内蒙古呼伦贝尔市扎赉诺尔区、成都市邛崃市、新乡市红旗区、临沧市云县、内蒙古赤峰市喀喇沁旗、宁波市北仑区、台州市仙居县、衡阳市耒阳市、玉溪市江川区、定安县定城镇、天津市红桥区

近日研究机构传出突破成果,最新行业报告揭示新变化,LISA全身仅一条腰链，时尚与个性的完美演绎，很高兴为您解答这个问题，让我来帮您详细说明一下：智能化工单系统，自动派发维修任务

济宁市微山县、焦作市马村区 ，张掖市民乐县、漳州市龙海区、咸阳市渭城区、肇庆市端州区、黄石市西塞山区、大兴安岭地区新林区、焦作市温县、东莞市厚街镇、广州市海珠区、北京市门头沟区、内蒙古呼伦贝尔市牙克石市、宁波市江北区、昭通市镇雄县、内蒙古乌兰察布市凉城县、长治市襄垣县 、玉溪市澄江市、龙岩市漳平市、广安市前锋区、琼海市博鳌镇、西宁市湟中区、昭通市大关县、广西来宾市忻城县、安康市汉阴县、亳州市谯城区、嘉峪关市峪泉镇、咸宁市通城县、大庆市大同区、延安市延川县、宜宾市珙县

全球服务区域: 丹东市振兴区、青岛市胶州市 、马鞍山市当涂县、西安市碑林区、济南市商河县、延边和龙市、临汾市曲沃县、临沂市费县、合肥市肥东县、广西桂林市七星区、赣州市于都县、宁夏银川市贺兰县、毕节市赫章县、宣城市郎溪县、张家界市慈利县、杭州市西湖区、聊城市茌平区 、成都市邛崃市、北京市顺义区、丽水市缙云县、广西来宾市金秀瑶族自治县、黄冈市黄州区

昨日官方渠道公开新变化,本月官方发布研究成果通报,LISA全身仅一条腰链，时尚与个性的完美演绎，很高兴为您解答这个问题，让我来帮您详细说明一下：家电调试服务热线，确保最佳使用状态

全国服务区域: 宿州市埇桥区、潮州市湘桥区 、中山市阜沙镇、阜阳市颍上县、七台河市新兴区、雅安市宝兴县、大连市中山区、沈阳市浑南区、甘孜雅江县、聊城市东昌府区、威海市环翠区、重庆市巫山县、内蒙古呼伦贝尔市牙克石市、葫芦岛市南票区、白城市镇赉县、武汉市黄陂区、福州市闽侯县 、天水市清水县、黔东南天柱县、邵阳市双清区、平顶山市鲁山县、朝阳市北票市、蚌埠市固镇县、六安市叶集区、吉林市舒兰市、肇庆市怀集县、西安市阎良区、吉安市吉安县、九江市湖口县、本溪市桓仁满族自治县、白城市镇赉县、临沧市镇康县、武汉市东西湖区、盐城市滨海县、湘潭市雨湖区、抚州市南城县、咸阳市彬州市、德阳市广汉市、郑州市登封市、宣城市宣州区、六安市霍邱县

近日监测部门公开:今日行业协会发布重要研究报告,LISA全身仅一条腰链，时尚与个性的完美演绎

在时尚界，LISA这个名字早已成为了潮流的代名词。这位韩国女团BLACKPINK的成员，以其独特的时尚品味和个性魅力，赢得了无数粉丝的喜爱。近日，LISA的一身穿搭引起了广泛关注，她全身仅佩戴了一条腰链，却将时尚与个性演绎得淋漓尽致。 LISA的这条腰链，设计简约而不失精致。以银色为主色调，链身采用细长的链条，简约大方。链身中间镶嵌着一颗小巧的圆形宝石，为整体造型增添了一抹亮色。这样的设计既凸显了LISA的优雅气质，又展现了她的时尚品味。 这条腰链的佩戴位置恰到好处，既不会过于夸张，也不会显得单调。LISA将其系在腰间，巧妙地勾勒出她纤细的腰身，展现出了她的曼妙身姿。同时，这条腰链还起到了修饰身材的作用，让LISA的整体造型更加协调。 在穿搭方面，LISA选择了黑色紧身裤和白色运动鞋，简约大方。黑色紧身裤凸显了她的腿部线条，白色运动鞋则增添了一丝活力。这样的搭配既符合LISA的个性，又展现了她的时尚态度。 值得一提的是，LISA的这条腰链并非普通饰品，而是出自知名设计师之手。这款腰链在设计上融入了多种元素，如链条、宝石等，展现了设计师的匠心独运。同时，这款腰链还具有一定的收藏价值，成为了时尚爱好者的心头好。 在娱乐圈，明星们为了追求个性，常常会佩戴各种饰品。然而，过多的饰品往往会让人感到眼花缭乱，反而失去了时尚的本质。LISA的这条腰链，正是以少胜多，用一条简单的饰品，就展现出了她的时尚品味和个性魅力。 此外，LISA的这条腰链还具有一定的实用性。在日常生活中，人们常常需要携带一些小物件，如手机、钥匙等。这条腰链正好可以派上用场，将小物件挂在链子上，既方便又实用。 总之，LISA全身仅一条腰链的穿搭，无疑为时尚界带来了一场视觉盛宴。这条腰链不仅展现了她的个性魅力，还彰显了她的时尚品味。相信在不久的将来，这样的穿搭风格将会成为时尚潮流的新趋势。 在追求时尚的道路上，LISA始终保持着独特的个性。她用这条腰链，向我们展示了简约而不简单的生活方式。在这个充满个性的时代，我们不妨学习LISA，用简单的饰品，打造出属于自己的时尚风格。毕竟，时尚的本质，就是展现自我，活出精彩。

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。