本周行业报告披露重要进展,网络空间清朗，拒绝观看不良视频——警惕“在线观看黄视频”的诱惑

昨日研究机构发布行业成果,1年涨五倍，被苹果看上的“模型瘦身”公司靠谱吗？,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

曲靖市麒麟区、大同市广灵县 ，昆明市宜良县、汉中市镇巴县、潍坊市寒亭区、汉中市洋县、惠州市龙门县、三门峡市陕州区、武汉市蔡甸区、苏州市昆山市、鹰潭市月湖区、肇庆市怀集县、岳阳市云溪区、苏州市常熟市、锦州市凌河区、内蒙古阿拉善盟阿拉善右旗、怀化市通道侗族自治县 、铜仁市石阡县、广西南宁市宾阳县、宁夏固原市彭阳县、昭通市鲁甸县、铁岭市铁岭县、文山广南县、株洲市渌口区、娄底市新化县、济宁市嘉祥县、黄冈市麻城市、宁夏吴忠市青铜峡市、延安市子长市

刚刚监管中心披露最新规定,本月监管部门发布新研究报告,网络空间清朗，拒绝观看不良视频——警惕“在线观看黄视频”的诱惑，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

平顶山市鲁山县、巴中市恩阳区 ，岳阳市云溪区、临沧市临翔区、广西北海市铁山港区、上海市闵行区、乐山市沙湾区、吉安市峡江县、遵义市绥阳县、沈阳市沈河区、万宁市南桥镇、内蒙古阿拉善盟阿拉善左旗、东莞市石碣镇、衡阳市耒阳市、舟山市普陀区、台州市三门县、内蒙古阿拉善盟阿拉善右旗 、淄博市周村区、十堰市房县、长春市朝阳区、齐齐哈尔市昂昂溪区、中山市阜沙镇、牡丹江市爱民区、齐齐哈尔市昂昂溪区、揭阳市榕城区、咸阳市旬邑县、沈阳市皇姑区、伊春市嘉荫县、咸阳市长武县、延安市宜川县、丽水市莲都区

全球服务区域: 辽源市东丰县、临高县和舍镇 、安阳市安阳县、文昌市东阁镇、沈阳市法库县、双鸭山市四方台区、丽江市玉龙纳西族自治县、锦州市太和区、广西玉林市博白县、哈尔滨市延寿县、长治市平顺县、西安市阎良区、新乡市新乡县、黔东南黎平县、内蒙古巴彦淖尔市乌拉特后旗、烟台市莱州市、昆明市安宁市 、黄冈市蕲春县、绵阳市游仙区、怀化市中方县、牡丹江市绥芬河市、琼海市中原镇

刚刚应急团队公布处置方案,今日官方通报行业新动态,网络空间清朗，拒绝观看不良视频——警惕“在线观看黄视频”的诱惑，很高兴为您解答这个问题，让我来帮您详细说明一下：家电24小时服务热线，紧急故障优先处理

全国服务区域: 北京市朝阳区、宁夏固原市彭阳县 、丽水市莲都区、宁夏吴忠市青铜峡市、中山市沙溪镇、文昌市文教镇、滨州市惠民县、牡丹江市海林市、文昌市潭牛镇、长治市潞城区、泰州市兴化市、杭州市下城区、萍乡市湘东区、孝感市孝南区、内蒙古呼伦贝尔市牙克石市、淮南市寿县、朔州市朔城区 、白城市镇赉县、哈尔滨市尚志市、自贡市大安区、新乡市卫辉市、重庆市巫山县、信阳市罗山县、万宁市万城镇、杭州市滨江区、佳木斯市东风区、宁波市慈溪市、东莞市东城街道、宝鸡市麟游县、内蒙古赤峰市元宝山区、亳州市蒙城县、宝鸡市千阳县、阜阳市颍州区、福州市马尾区、景德镇市昌江区、新乡市原阳县、西安市周至县、甘孜道孚县、广西桂林市永福县、东方市三家镇、临高县调楼镇

本周数据平台今日官方渠道公布最新动态:今日相关部门发布最新进展,网络空间清朗，拒绝观看不良视频——警惕“在线观看黄视频”的诱惑

随着互联网的普及，网络已经成为人们获取信息、娱乐休闲的重要途径。然而，在享受网络带来的便利的同时，我们也应时刻警惕网络中存在的诱惑和风险。近期，有关“在线观看黄视频”的信息在网络上流传，这不仅严重污染了网络环境，还可能对青少年的身心健康造成严重影响。本文将对此现象进行剖析，并呼吁大家共同维护网络空间的清朗。 首先，我们要明确，“在线观看黄视频”是指通过网络平台观看涉及色情、淫秽内容的视频。这种行为不仅违反了我国相关法律法规，还可能对个人和社会造成诸多危害。 一是损害身心健康。长时间观看黄视频，容易导致心理依赖，使观看者陷入无法自拔的境地。此外，色情内容容易引发性冲动，对青少年的身心健康造成严重伤害。 二是败坏社会风气。黄视频的传播，严重败坏了社会风气，影响了社会道德建设。对于家庭、学校和社会的和谐稳定产生负面影响。 三是侵犯他人权益。黄视频往往涉及侵犯他人隐私、肖像权等问题，严重损害了他人的合法权益。 四是传播病毒、恶意软件。一些不法分子利用黄视频传播病毒、恶意软件，侵害用户隐私，甚至可能导致经济损失。 那么，如何抵制“在线观看黄视频”的诱惑呢？ 首先，我们要提高自己的法律意识，自觉遵守国家法律法规，不参与、不传播色情、淫秽内容。 其次，培养良好的网络素养，学会辨别网络信息，自觉抵制不良诱惑。 再次，家长要加强对未成年人的教育引导，关注孩子的网络行为，防止他们沉迷于黄视频等不良内容。 最后，网络平台要切实履行社会责任，加强对不良信息的监管，为用户提供健康、清朗的网络环境。 总之，网络空间清朗，需要我们共同努力。让我们携手抵制“在线观看黄视频”的诱惑，共同营造一个健康、文明的网络环境。

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网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。