昨日官方通报重大研究成果,传说中的球棒的奇迹：揭秘棒球运动的传奇神器

本周行业报告披露重要进展,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。专业技术救援中心，重大故障专家会诊

三门峡市渑池县、宣城市泾县 ，上海市宝山区、昆明市官渡区、宜宾市屏山县、温州市乐清市、宜春市高安市、宁德市古田县、抚州市黎川县、武汉市江汉区、吉安市青原区、宜昌市长阳土家族自治县、自贡市大安区、榆林市绥德县、万宁市三更罗镇、襄阳市保康县、广西桂林市阳朔县 、潍坊市临朐县、兰州市七里河区、晋城市沁水县、齐齐哈尔市富拉尔基区、沈阳市沈河区、葫芦岛市龙港区、德州市德城区、直辖县神农架林区、忻州市河曲县、益阳市桃江县、徐州市云龙区、大连市旅顺口区

统一维修资源中心,今日行业报告披露重大进展,传说中的球棒的奇迹：揭秘棒球运动的传奇神器，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

台州市椒江区、齐齐哈尔市碾子山区 ，驻马店市确山县、九江市武宁县、广西桂林市灌阳县、长沙市芙蓉区、运城市平陆县、温州市乐清市、黔南三都水族自治县、凉山美姑县、深圳市龙岗区、肇庆市高要区、广西百色市西林县、连云港市灌云县、铜仁市思南县、吕梁市离石区、合肥市长丰县 、内蒙古兴安盟突泉县、安康市宁陕县、南京市栖霞区、徐州市睢宁县、陇南市两当县、宜宾市叙州区、海西蒙古族天峻县、中山市阜沙镇、杭州市下城区、遂宁市蓬溪县、重庆市石柱土家族自治县、开封市通许县、通化市辉南县、天津市武清区

全球服务区域: 上饶市鄱阳县、延边安图县 、上海市松江区、咸阳市泾阳县、内蒙古通辽市科尔沁左翼后旗、白银市平川区、鸡西市虎林市、儋州市王五镇、酒泉市肃北蒙古族自治县、阜阳市颍州区、湘潭市雨湖区、淄博市沂源县、中山市横栏镇、平凉市崇信县、内蒙古呼和浩特市赛罕区、盐城市射阳县、济宁市邹城市 、德州市宁津县、宿州市埇桥区、安庆市潜山市、洛阳市孟津区、文昌市公坡镇

近日调查组公开关键证据,今日官方发布行业新进展,传说中的球棒的奇迹：揭秘棒球运动的传奇神器，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联保售后电话，服务有保障

全国服务区域: 玉树玉树市、广州市从化区 、重庆市大足区、焦作市博爱县、佳木斯市同江市、山南市、朔州市平鲁区、滨州市惠民县、重庆市璧山区、临高县多文镇、广安市广安区、宁夏吴忠市利通区、重庆市北碚区、菏泽市牡丹区、丽江市宁蒗彝族自治县、泉州市南安市、梅州市蕉岭县 、滁州市定远县、咸阳市旬邑县、临汾市古县、绍兴市嵊州市、无锡市锡山区、双鸭山市岭东区、牡丹江市东安区、绍兴市柯桥区、吕梁市柳林县、内蒙古鄂尔多斯市乌审旗、黄冈市黄州区、洛阳市老城区、西安市雁塔区、丽江市古城区、六盘水市水城区、武汉市洪山区、安顺市平坝区、黄山市屯溪区、长治市襄垣县、张掖市肃南裕固族自治县、南阳市社旗县、抚顺市清原满族自治县、丽水市景宁畲族自治县、汉中市西乡县

统一维修资源中心:今日行业协会披露新政策动向,传说中的球棒的奇迹：揭秘棒球运动的传奇神器

在我国广袤的体育运动领域，棒球运动以其独特的魅力和激烈的竞技性，吸引了无数球迷的目光。而在棒球的历史长河中，有一根球棒，被誉为“传说中的球棒的奇迹”，它不仅见证了无数辉煌的时刻，更成为了棒球运动中永恒的传奇。 这根传说中的球棒，名叫“泰坦尼克号”，它的诞生充满了传奇色彩。据说，这根球棒是由一位名叫汤姆·汉克斯的工匠，在20世纪30年代手工打造的。汤姆·汉克斯是一位技艺高超的工匠，他深知球棒对于棒球运动员的重要性，因此，在打造这根球棒时，他倾注了全部的心血和智慧。 “泰坦尼克号”球棒选用上等木材，经过精心打磨和雕刻，呈现出完美的弧度和光泽。它的重量适中，握感舒适，非常适合运动员挥棒。正是这根神奇的球棒，让许多棒球运动员在赛场上创造了一个又一个奇迹。 1936年，美国职业棒球大联盟的传奇球星贝比·鲁斯，在一次比赛中，手持“泰坦尼克号”球棒，击出了一记惊人的全垒打。这一壮举，让“泰坦尼克号”球棒一夜之间成为了棒球界的传奇。从此，这根球棒成为了许多棒球运动员的梦想。 在接下来的几十年里，“泰坦尼克号”球棒见证了无数辉煌的时刻。它陪伴着贝比·鲁斯、乔·迪马乔等棒球巨星，创造了无数纪录。这根球棒似乎具有神奇的力量，让运动员们在赛场上如虎添翼。 然而，随着时间的推移，“泰坦尼克号”球棒也经历了不少波折。在1974年，这根球棒在一次比赛中不慎断裂，这让许多球迷为之惋惜。幸运的是，断裂的球棒被一位收藏家收购，并进行了修复。修复后的“泰坦尼克号”球棒，再次成为了棒球界的焦点。 如今，“泰坦尼克号”球棒已经成为了棒球博物馆的镇馆之宝。它不仅是一根球棒，更是一部棒球历史的见证。每当人们提起这根球棒，都会想起那些激情燃烧的岁月，以及那些在赛场上挥洒汗水的英雄。 “传说中的球棒的奇迹”不仅仅是一根球棒，它更是一种精神象征。它代表着棒球运动员们对梦想的追求，对胜利的渴望。在未来的日子里，我们相信，这根神奇的球棒将继续陪伴着更多的棒球运动员，创造更多的奇迹。 总之，“传说中的球棒的奇迹”——“泰坦尼克号”，是一段传奇，是一段历史，更是一种精神。它让我们明白了，只要有信念，有毅力，就一定能够创造属于自己的奇迹。在棒球运动中，这根神奇的球棒，将永远熠熠生辉。

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。