今日行业协会披露行业新成果,F2DGC富二代短视频在抖音APP的崛起与影响

今日官方渠道披露行业新动态,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。家电移机服务热线，专业拆卸安装

西宁市湟中区、广元市昭化区 ，西安市新城区、衡阳市雁峰区、玉溪市红塔区、定西市漳县、盘锦市双台子区、邵阳市双清区、昌江黎族自治县乌烈镇、万宁市后安镇、内蒙古兴安盟科尔沁右翼中旗、内蒙古巴彦淖尔市临河区、大兴安岭地区松岭区、金华市东阳市、临汾市襄汾县、周口市太康县、通化市辉南县 、南充市营山县、泰安市肥城市、深圳市福田区、自贡市贡井区、池州市贵池区、宿迁市泗洪县、马鞍山市和县、吉林市龙潭区、吕梁市汾阳市、潍坊市奎文区、白银市景泰县、营口市西市区

本周数据平台今日官方渠道披露重磅消息,今日国家机构披露行业新动向,F2DGC富二代短视频在抖音APP的崛起与影响，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一服务专线，标准化维修流程

广西桂林市永福县、三沙市西沙区 ，陵水黎族自治县光坡镇、长治市武乡县、重庆市奉节县、清远市连南瑶族自治县、芜湖市鸠江区、玉溪市通海县、内蒙古鄂尔多斯市达拉特旗、安庆市望江县、北京市通州区、芜湖市镜湖区、临夏永靖县、七台河市桃山区、大庆市萨尔图区、赣州市于都县、厦门市集美区 、内蒙古鄂尔多斯市杭锦旗、运城市芮城县、安庆市潜山市、忻州市静乐县、上海市嘉定区、郴州市汝城县、大理弥渡县、杭州市西湖区、四平市伊通满族自治县、扬州市江都区、上海市静安区、哈尔滨市巴彦县、镇江市润州区、黔南罗甸县

全球服务区域: 山南市、北京市房山区 、曲靖市师宗县、广西百色市那坡县、衢州市龙游县、万宁市东澳镇、武汉市硚口区、中山市神湾镇、铜川市宜君县、齐齐哈尔市铁锋区、衡阳市雁峰区、黔东南台江县、三明市宁化县、新余市分宜县、酒泉市敦煌市、信阳市罗山县、开封市顺河回族区 、内蒙古鄂尔多斯市达拉特旗、西安市未央区、咸宁市赤壁市、黔西南兴义市、温州市平阳县

本周数据平台近期数据平台透露新政策,今日监管部门传递新政策信息,F2DGC富二代短视频在抖音APP的崛起与影响，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一回收专线，环保处理旧家电

全国服务区域: 本溪市本溪满族自治县、辽阳市太子河区 、韶关市新丰县、漳州市芗城区、大庆市林甸县、凉山会东县、凉山布拖县、赣州市兴国县、西安市新城区、宜昌市猇亭区、遂宁市射洪市、红河建水县、内蒙古呼和浩特市托克托县、广西玉林市容县、泰州市姜堰区、内蒙古通辽市霍林郭勒市、广西贵港市平南县 、孝感市应城市、丽江市永胜县、双鸭山市岭东区、宁波市镇海区、绍兴市越城区、景德镇市乐平市、德州市宁津县、怀化市会同县、遵义市仁怀市、昭通市大关县、驻马店市泌阳县、昆明市晋宁区、株洲市茶陵县、昌江黎族自治县乌烈镇、永州市江华瑶族自治县、盐城市射阳县、宁德市古田县、赣州市定南县、临夏永靖县、儋州市海头镇、黔东南锦屏县、沈阳市沈北新区、西宁市城西区、郴州市桂阳县

近日监测小组公开最新参数:本月行业报告发布新政策,F2DGC富二代短视频在抖音APP的崛起与影响

随着互联网的飞速发展，短视频平台成为了人们生活中不可或缺的一部分。抖音APP作为国内领先的短视频社交平台，吸引了大量用户。在众多用户中，有一群特殊的群体——F2DGC富二代。他们凭借独特的视角和生活方式，在抖音APP上迅速崛起，成为了一股不可忽视的力量。 F2DGC，即“富二代”，指的是那些出生在富裕家庭，拥有优越物质条件的年轻人。他们通常拥有较高的学历和广泛的人脉，善于运用互联网平台展示自己的生活方式。抖音APP作为一个开放、包容的社交平台，为F2DGC们提供了一个展示自我、交流互动的舞台。 在抖音APP上，F2DGC们通过短视频的形式，向大众展示了自己丰富多彩的生活。他们或是在豪华别墅中享受悠闲时光，或是在世界各地旅行探险，或是参与各种公益活动，传递正能量。这些内容吸引了大量粉丝的关注，使得F2DGC在抖音APP上迅速崛起。 首先，F2DGC们凭借其独特的家庭背景和生活方式，为抖音APP带来了全新的内容。他们所展示的生活场景，对于很多普通用户来说，充满了好奇和向往。这种差异化的内容，为抖音APP注入了新的活力，吸引了更多用户。 其次，F2DGC们在抖音APP上的互动，也使得这个平台更加活跃。他们不仅会与粉丝互动，还会与其他F2DGC进行交流，共同分享生活经验。这种互动，使得抖音APP成为一个充满正能量的社交平台，让用户在观看短视频的同时，也能感受到温暖和关爱。 此外，F2DGC们还通过抖音APP参与公益活动，传递正能量。他们关注弱势群体，为贫困地区的孩子们捐款捐物，用实际行动践行社会责任。这种公益活动，不仅提升了F2DGC们的形象，也为抖音APP树立了良好的口碑。 然而，F2DGC在抖音APP的崛起也引发了一些争议。有人认为，他们过于炫耀财富，追求奢华生活，这与社会主义核心价值观不符。对此，F2DGC们表示，他们只是通过抖音APP展示自己的生活，并没有刻意炫耀。同时，他们也呼吁大家理性看待他们的生活方式，不要过度解读。 总之，F2DGC富二代在抖音APP的崛起，为这个平台带来了新的活力。他们通过短视频的形式，展示了自己的生活方式，传递了正能量，同时也引发了一些争议。在未来的日子里，F2DGC们将继续在抖音APP上活跃，为这个平台注入更多新鲜血液。 对于抖音APP来说，F2DGC的崛起是一个机遇，也是一个挑战。平台需要引导F2DGC们正确展示自己，传递正能量，同时也要关注用户的需求，不断优化内容，为用户提供更好的体验。相信在F2DGC们的共同努力下，抖音APP将会成为更加优秀的短视频社交平台。

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。