本月研究机构发布最新报告,船戏中的痛楚与呐喊：探寻原声之下的情感共鸣

昨日官方传递行业新信息,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

日照市莒县、湘西州永顺县 ，南充市营山县、临汾市霍州市、上饶市弋阳县、楚雄武定县、昆明市石林彝族自治县、哈尔滨市南岗区、三门峡市陕州区、张家界市永定区、云浮市郁南县、武汉市东西湖区、陇南市两当县、德阳市绵竹市、天水市麦积区、东莞市东城街道、广安市邻水县 、陵水黎族自治县本号镇、重庆市忠县、内蒙古呼和浩特市新城区、昆明市晋宁区、雅安市天全县、黔南独山县、铜仁市万山区、内蒙古锡林郭勒盟苏尼特左旗、开封市鼓楼区、佳木斯市桦南县、宁夏吴忠市青铜峡市、连云港市灌云县

本周数据平台近期数据平台透露新政策,本月行业协会发布重要动态,船戏中的痛楚与呐喊：探寻原声之下的情感共鸣，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

临汾市蒲县、襄阳市樊城区 ，阜新市新邱区、北京市怀柔区、临汾市乡宁县、中山市板芙镇、哈尔滨市通河县、临沂市河东区、九江市濂溪区、达州市通川区、红河建水县、东营市河口区、酒泉市金塔县、内蒙古呼伦贝尔市满洲里市、济南市章丘区、孝感市孝南区、滨州市无棣县 、东方市东河镇、张掖市甘州区、白山市长白朝鲜族自治县、黄石市大冶市、宜宾市江安县、西宁市城中区、琼海市龙江镇、苏州市姑苏区、无锡市滨湖区、商丘市宁陵县、泉州市洛江区、湘潭市韶山市、温州市洞头区、儋州市雅星镇

全球服务区域: 广西百色市乐业县、东方市八所镇 、哈尔滨市道外区、江门市新会区、辽源市东辽县、深圳市龙岗区、巴中市南江县、贵阳市南明区、大连市沙河口区、黄山市黄山区、九江市都昌县、三沙市南沙区、漳州市龙文区、长治市平顺县、菏泽市曹县、黄石市下陆区、连云港市灌云县 、西宁市湟中区、果洛久治县、乐东黎族自治县九所镇、西宁市城东区、六安市金寨县

本周数据平台本月官方渠道披露重要进展,本月行业协会发布重磅通报,船戏中的痛楚与呐喊：探寻原声之下的情感共鸣，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修专属热线，24小时在线待命

全国服务区域: 深圳市龙华区、阿坝藏族羌族自治州理县 、太原市清徐县、东方市感城镇、渭南市临渭区、驻马店市遂平县、济宁市微山县、新乡市获嘉县、海北刚察县、甘南临潭县、杭州市临安区、平凉市泾川县、焦作市中站区、沈阳市浑南区、齐齐哈尔市泰来县、鹤岗市工农区、忻州市岢岚县 、六盘水市盘州市、甘孜新龙县、蚌埠市龙子湖区、牡丹江市阳明区、驻马店市上蔡县、台州市温岭市、内蒙古呼伦贝尔市根河市、广西玉林市博白县、佛山市高明区、汉中市略阳县、昭通市镇雄县、牡丹江市林口县、广西北海市银海区、洛阳市栾川县、营口市站前区、赣州市定南县、双鸭山市四方台区、中山市板芙镇、上海市浦东新区、永州市江华瑶族自治县、昌江黎族自治县乌烈镇、武汉市洪山区、清远市清新区、济南市莱芜区

近日监测部门公开最新参数:今日行业报告披露重大进展,船戏中的痛楚与呐喊：探寻原声之下的情感共鸣

在古老的船戏舞台上，那些又疼又叫的原声，仿佛是穿越时空的呼唤，唤起了人们内心深处的共鸣。船戏，作为我国民间艺术的一种，以其独特的表演形式和深厚的文化底蕴，在我国戏曲史上留下了浓墨重彩的一笔。而那些又疼又叫的原声，更是船戏的灵魂所在。 船戏起源于我国古代的民间祭祀活动，后逐渐演变成为一种独具特色的戏曲形式。它以船为舞台，以水为背景，将演员的喜怒哀乐演绎得淋漓尽致。在船戏中，演员们身披水袖，手持折扇，通过唱、念、做、打等表演手段，将一个个生动的故事呈现在观众面前。 然而，船戏的魅力并非仅在于其独特的表演形式，更在于那些又疼又叫的原声。这些原声，既有演员们痛彻心扉的唱腔，也有观众们热血沸腾的呐喊。它们如同船戏的血脉，流淌在每一个观众的心中。 那些又疼又叫的原声，源自演员们对角色的深刻理解和全身心的投入。在船戏的排练过程中，演员们需要经过长时间的训练，才能将角色的情感表现得淋漓尽致。当他们站在舞台上，面对观众的目光时，那份痛楚和呐喊便如潮水般涌出，感染着在场的每一个人。 以《白蛇传》为例，这是一部深受观众喜爱的船戏经典之作。在剧中，白娘子为了救许仙，不惜与法海斗法，最终化作白骨。这一幕，演员们需要付出极大的情感代价。他们用痛彻心扉的唱腔，将白娘子的悲愤、无奈和绝望演绎得淋漓尽致。观众们听后，无不为之动容，甚至有人忍不住泪流满面。 又疼又叫的原声，也是观众们情感共鸣的体现。在船戏表演过程中，观众们往往会被演员们的表演所感染，产生强烈的情感共鸣。他们或为角色的悲欢离合而感动，或为演员的精湛演技而赞叹。这种情感共鸣，使得船戏成为了连接演员与观众心灵的桥梁。 在我国戏曲史上，船戏以其独特的艺术魅力和深厚的文化底蕴，成为了民间艺术的瑰宝。那些又疼又叫的原声，更是船戏的灵魂所在。它们承载着演员们的情感，传递着观众们的共鸣，成为了我国戏曲史上不可或缺的一部分。 然而，随着时代的发展，船戏这一传统艺术形式面临着诸多挑战。一方面，现代娱乐方式的多元化使得观众们对传统戏曲的关注度逐渐降低；另一方面，一些船戏演员因年龄、身体等原因逐渐退出舞台。如何让这一传统艺术形式在新时代焕发新的生机，成为了摆在我们面前的一道难题。 为了传承和弘扬船戏这一民间艺术，有关部门和戏曲爱好者们正努力采取措施。一方面，通过举办各类船戏比赛、展览等活动，提高船戏的社会关注度；另一方面，加强对船戏演员的培养和扶持，确保这一传统艺术形式后继有人。 总之，那些又疼又叫的原声，见证了船戏这一民间艺术的辉煌历程。在新时代，让我们共同努力，传承和弘扬这一传统文化，让船戏在新的历史舞台上绽放光彩。

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。