本月行业报告传递研究成果,《老婆沉迷刺激战场，意外组CP成网红，生活乐趣无限》

本月行业报告披露新变化,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。售后服务热线，专业团队保障质量

甘孜德格县、北京市顺义区 ，临沂市罗庄区、烟台市栖霞市、烟台市牟平区、定西市通渭县、龙岩市新罗区、重庆市云阳县、黄山市屯溪区、北京市怀柔区、哈尔滨市延寿县、宁德市福安市、济南市市中区、黑河市北安市、大同市天镇县、牡丹江市阳明区、内蒙古巴彦淖尔市乌拉特中旗 、吉林市磐石市、渭南市临渭区、滁州市全椒县、遂宁市安居区、普洱市宁洱哈尼族彝族自治县、广西南宁市马山县、岳阳市岳阳县、普洱市西盟佤族自治县、河源市东源县、黑河市嫩江市、通化市二道江区、广西钦州市灵山县

刚刚科研委员会公布突破成果,本月行业报告公开最新动态,《老婆沉迷刺激战场，意外组CP成网红，生活乐趣无限》，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

自贡市大安区、成都市大邑县 ，吕梁市兴县、岳阳市华容县、抚州市乐安县、天津市河东区、东方市四更镇、安庆市望江县、内蒙古呼伦贝尔市根河市、周口市商水县、佳木斯市富锦市、温州市洞头区、昆明市西山区、景德镇市昌江区、新乡市原阳县、徐州市云龙区、甘孜康定市 、景德镇市珠山区、九江市都昌县、郑州市新密市、内蒙古巴彦淖尔市杭锦后旗、定安县龙河镇、厦门市思明区、南充市西充县、荆门市钟祥市、荆州市石首市、广西桂林市平乐县、淮南市谢家集区、清远市阳山县、咸阳市彬州市、吉林市船营区

全球服务区域: 丹东市宽甸满族自治县、黔南荔波县 、榆林市佳县、绥化市青冈县、天津市武清区、蚌埠市禹会区、鹰潭市贵溪市、屯昌县南吕镇、中山市横栏镇、宝鸡市渭滨区、运城市闻喜县、驻马店市驿城区、黔南惠水县、东方市感城镇、黄石市铁山区、东营市河口区、大连市西岗区 、德州市德城区、芜湖市弋江区、贵阳市白云区、上饶市余干县、苏州市吴中区

近日检测中心传出核心指标,本周官方发布最新研究成果,《老婆沉迷刺激战场，意外组CP成网红，生活乐趣无限》，很高兴为您解答这个问题，让我来帮您详细说明一下：智能维修管理平台，自动分配服务订单

全国服务区域: 遂宁市安居区、酒泉市敦煌市 、重庆市巫山县、鹤壁市淇县、海西蒙古族乌兰县、贵阳市白云区、中山市板芙镇、绍兴市越城区、大同市浑源县、酒泉市阿克塞哈萨克族自治县、延安市富县、临高县南宝镇、文昌市翁田镇、白沙黎族自治县打安镇、怀化市洪江市、内蒙古乌兰察布市兴和县、宜昌市猇亭区 、马鞍山市当涂县、文昌市铺前镇、洛阳市栾川县、孝感市应城市、安庆市望江县、中山市西区街道、酒泉市瓜州县、绥化市海伦市、济南市历下区、红河石屏县、大庆市肇州县、襄阳市襄城区、凉山会东县、宁夏固原市彭阳县、广西百色市平果市、玉树治多县、运城市平陆县、甘孜雅江县、长沙市开福区、潍坊市昌乐县、连云港市灌南县、南充市南部县、广西防城港市东兴市、济南市市中区

刚刚专家组披露重要结论:最新官方渠道发布研究成果,《老婆沉迷刺激战场，意外组CP成网红，生活乐趣无限》

在这个信息爆炸的时代，游戏成为了许多人生活中不可或缺的一部分。刺激战场作为一款热门的射击游戏，吸引了无数玩家的热情参与。近日，一位名叫小丽的女士因在游戏中与陌生玩家组CP而走红网络，她的故事让人不禁感叹：原来，刺激战场不仅能带来紧张刺激的战斗体验，还能收获意想不到的甜蜜。 小丽是一位热爱游戏的上班族，自从接触到刺激战场后，便深深沉迷其中。她表示，这款游戏不仅让她在紧张的工作之余得到放松，还能结识到许多志同道合的朋友。然而，让她没想到的是，在一次游戏中，她竟然意外组成了一个CP。 那天，小丽在游戏中遇到了一位名叫小明的玩家。两人因为共同的爱好迅速成为了好友。在游戏中，小明展现出了高超的射击技巧，让小丽对他刮目相看。而在现实生活中，小明则是一个阳光帅气的年轻人，两人相互了解后，感情迅速升温。 在游戏中，小丽和小明经常一起组队，共同面对各种挑战。他们互相鼓励、互相支持，成为了彼此的依靠。而在现实生活中，他们也经常一起参加各种活动，共同度过了一个又一个美好的时光。渐渐地，两人的感情越来越深，成为了大家眼中的甜蜜CP。 小丽和小明的故事在网络上引起了广泛关注。许多网友纷纷表示，原来刺激战场不仅能带来游戏乐趣，还能让人收获爱情。更有网友调侃道：“刺激战场，不仅是一款游戏，更是一个大型交友平台！”在网友们的祝福声中，小丽和小明的感情越发稳定。 值得一提的是，小丽和小明在游戏中组CP后，还积极分享自己的游戏心得和日常生活。他们通过直播、发朋友圈等方式，让更多的人了解到他们的故事。在这个过程中，他们不仅收获了粉丝的喜爱，还成为了游戏圈内的知名CP。 然而，小丽和小明并没有因为走红而骄傲自满。他们表示，自己会继续努力，在游戏中保持良好的竞技状态，在现实生活中过好每一天。同时，他们也希望能用自己的故事，鼓励更多的人勇敢追求自己的幸福。 在这个充满挑战和机遇的时代，小丽和小明的爱情故事告诉我们：只要我们用心去感受生活，用心去对待身边的人，总会遇到那个对的人。而刺激战场，则成为了他们相识、相知、相爱的平台。 总之，小丽和小明的爱情故事在网络上引起了热烈反响。他们的甜蜜生活，让我们看到了游戏带来的正能量。在今后的日子里，我们期待他们能继续携手前行，书写更多美好的篇章。

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。