最新研究机构披露最新研究结果,本色BX57T：探寻汽车工业中的独特魅力

本月行业报告传递政策新进展,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。智能派单服务中心，精准匹配维修师傅

周口市西华县、成都市龙泉驿区 ，达州市开江县、重庆市大足区、酒泉市敦煌市、宿州市埇桥区、连云港市灌云县、鹤岗市萝北县、广州市番禺区、伊春市伊美区、天水市武山县、遵义市正安县、临沧市临翔区、郴州市资兴市、重庆市潼南区、周口市商水县、五指山市水满 、广西防城港市东兴市、齐齐哈尔市建华区、临高县东英镇、常德市武陵区、亳州市涡阳县、温州市永嘉县、青岛市市南区、菏泽市牡丹区、陵水黎族自治县本号镇、凉山冕宁县、池州市贵池区、双鸭山市宝山区

本周数据平台今日官方渠道公布最新动态,本月相关部门披露行业最新成果,本色BX57T：探寻汽车工业中的独特魅力，很高兴为您解答这个问题，让我来帮您详细说明一下：自动化服务跟踪，智能优化用户体验

广西贺州市平桂区、青岛市城阳区 ，江门市开平市、延安市黄龙县、常州市武进区、上海市松江区、双鸭山市宝山区、红河蒙自市、宝鸡市麟游县、白山市抚松县、滁州市明光市、内蒙古乌兰察布市商都县、东莞市横沥镇、昆明市五华区、咸宁市通城县、青岛市胶州市、大同市灵丘县 、眉山市洪雅县、镇江市句容市、嘉兴市海盐县、九江市永修县、长治市襄垣县、红河石屏县、楚雄武定县、衡阳市常宁市、万宁市龙滚镇、阿坝藏族羌族自治州红原县、临汾市乡宁县、自贡市大安区、南平市武夷山市、四平市铁西区

全球服务区域: 昭通市巧家县、四平市伊通满族自治县 、肇庆市封开县、鹰潭市余江区、潍坊市临朐县、延安市宝塔区、龙岩市漳平市、濮阳市台前县、抚顺市抚顺县、温州市永嘉县、广西河池市大化瑶族自治县、铁岭市铁岭县、杭州市桐庐县、潍坊市寒亭区、永州市零陵区、吉林市桦甸市、甘南临潭县 、信阳市商城县、襄阳市南漳县、泉州市鲤城区、安庆市迎江区、锦州市义县

刚刚应急团队公布处置方案,本月官方发布行业新变化,本色BX57T：探寻汽车工业中的独特魅力，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一延保标准，透明服务条款

全国服务区域: 商丘市民权县、抚顺市新宾满族自治县 、果洛达日县、安庆市宜秀区、金华市义乌市、台州市三门县、内蒙古阿拉善盟阿拉善左旗、南阳市唐河县、昆明市宜良县、抚州市黎川县、南昌市西湖区、昭通市绥江县、韶关市始兴县、邵阳市双清区、潍坊市奎文区、乐东黎族自治县万冲镇、上海市徐汇区 、铁岭市清河区、黄冈市英山县、甘孜色达县、平顶山市郏县、曲靖市师宗县、大同市云州区、湖州市吴兴区、贵阳市修文县、哈尔滨市五常市、乐东黎族自治县利国镇、平凉市崇信县、宁德市霞浦县、漳州市龙海区、丹东市振安区、重庆市大足区、丹东市凤城市、郴州市资兴市、通化市柳河县、福州市闽侯县、怀化市溆浦县、中山市神湾镇、北京市顺义区、赣州市寻乌县、咸阳市长武县

作为国家高新技术企业认证平台:今日相关部门传达新动态,本色BX57T：探寻汽车工业中的独特魅力

在汽车工业的璀璨星河中，本色BX57T以其独特的魅力和卓越的性能，成为了众多消费者心中的焦点。这款车型不仅传承了汽车品牌的经典基因，更在创新与实用之间找到了完美的平衡点。今天，就让我们一起来探寻本色BX57T背后的故事。 本色BX57T，顾名思义，是一款以本色为设计理念的汽车。从外观到内饰，从动力到操控，本色BX57T都力求还原汽车的本质，让每一位驾驶者都能感受到驾驶的乐趣。 首先，让我们从外观说起。本色BX57T采用了简约而大气的设计风格，前脸的进气格栅与大灯相连，展现出强烈的视觉冲击力。车身线条流畅，侧面轮廓分明，彰显出一种稳重而优雅的气质。此外，本色BX57T还提供了多种车身颜色供消费者选择，满足不同消费者的个性化需求。 走进车内，本色BX57T的内饰同样令人眼前一亮。车内采用了高品质材料，触感舒适，视觉效果也非常出色。仪表盘、中控台等细节之处都体现了本色BX57T的匠心独运。值得一提的是，本色BX57T还配备了智能互联系统，让驾驶者在享受驾驶乐趣的同时，也能享受到科技带来的便捷。 在动力方面，本色BX57T搭载了先进的动力系统，最大功率可达150马力，最大扭矩为210牛·米。这样的动力表现，足以应对各种路况。同时，本色BX57T还采用了高效能的燃油系统，使得油耗更低，更加环保。 在操控方面，本色BX57T的表现同样出色。其底盘调校严谨，悬挂系统稳定，无论是高速行驶还是弯道行驶，都能给驾驶者带来良好的操控体验。此外，本色BX57T还配备了多种驾驶模式，如经济、运动、雪地等，满足不同驾驶者的需求。 本色BX57T在安全配置方面也毫不逊色。该车配备了多项主动和被动安全配置，如ABS防抱死系统、ESP车身稳定系统、前排双气囊等，为驾驶者提供全方位的安全保障。 值得一提的是，本色BX57T还具备较强的实用性。其车内空间宽敞，乘坐舒适，后备箱容积也相当可观，满足家庭出行需求。此外，本色BX57T的保养成本相对较低，让消费者在享受驾驶乐趣的同时，也能节省养车成本。 总之，本色BX57T凭借其独特的设计理念、卓越的性能和实用的配置，成为了汽车市场上的佼佼者。在未来的日子里，我们有理由相信，本色BX57T将继续以其本色魅力，赢得更多消费者的喜爱。

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。