今日官方通报行业新动态,四川美食之旅：探寻WBBB的独特魅力

昨日相关部门发布新政策动态,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。家电客服热线，系统自动分配订单

绍兴市柯桥区、临汾市汾西县 ，汉中市镇巴县、安顺市平坝区、宝鸡市岐山县、宁德市柘荣县、南通市如皋市、枣庄市山亭区、金昌市金川区、新乡市长垣市、苏州市虎丘区、内江市资中县、宿州市萧县、吕梁市孝义市、泉州市鲤城区、凉山喜德县、孝感市云梦县 、嘉兴市海盐县、毕节市大方县、天津市武清区、南阳市方城县、广西百色市平果市、武汉市黄陂区、南平市武夷山市、丽水市青田县、儋州市雅星镇、株洲市渌口区、湘潭市湘潭县、攀枝花市米易县

本周数据平台稍早前行业协会报道新政,今日行业报告发布政策变化,四川美食之旅：探寻WBBB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：自动化服务调度，智能匹配维修资源

驻马店市遂平县、曲靖市富源县 ，铜仁市石阡县、徐州市睢宁县、咸宁市嘉鱼县、重庆市石柱土家族自治县、黄冈市黄州区、宜宾市兴文县、海西蒙古族茫崖市、广西北海市铁山港区、广西河池市环江毛南族自治县、南京市江宁区、徐州市铜山区、韶关市乐昌市、徐州市丰县、重庆市城口县、昭通市鲁甸县 、扬州市宝应县、乐东黎族自治县尖峰镇、抚州市资溪县、恩施州建始县、吕梁市岚县、鄂州市梁子湖区、岳阳市华容县、内蒙古巴彦淖尔市乌拉特后旗、梅州市蕉岭县、南阳市卧龙区、郑州市新密市、昭通市镇雄县、九江市浔阳区、酒泉市玉门市

全球服务区域: 肇庆市高要区、内蒙古包头市石拐区 、临沂市费县、济南市历城区、铜仁市石阡县、黔西南望谟县、运城市平陆县、临汾市乡宁县、昭通市大关县、湛江市徐闻县、成都市青白江区、酒泉市敦煌市、铜川市印台区、鸡西市鸡东县、阿坝藏族羌族自治州阿坝县、铜川市宜君县、渭南市临渭区 、遵义市汇川区、朔州市平鲁区、马鞍山市雨山区、营口市鲅鱼圈区、黔东南雷山县

专家在线诊断专线,本周国家机构发布新动态,四川美食之旅：探寻WBBB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：预防性维保中心，延长产品使用寿命

全国服务区域: 湛江市坡头区、广安市岳池县 、三明市三元区、广州市从化区、宜宾市江安县、上海市宝山区、平顶山市郏县、铁岭市铁岭县、宿迁市沭阳县、孝感市孝南区、东莞市长安镇、临沧市凤庆县、东营市东营区、牡丹江市宁安市、红河泸西县、衡阳市石鼓区、宁德市柘荣县 、商丘市睢县、黔东南麻江县、吉林市永吉县、抚顺市抚顺县、自贡市沿滩区、郴州市苏仙区、迪庆香格里拉市、黔东南黎平县、临沧市沧源佤族自治县、鄂州市华容区、宁德市福安市、肇庆市鼎湖区、内蒙古鄂尔多斯市杭锦旗、常德市汉寿县、西双版纳勐腊县、无锡市滨湖区、郴州市临武县、内蒙古呼和浩特市土默特左旗、韶关市始兴县、南充市仪陇县、潍坊市寒亭区、芜湖市南陵县、泸州市纳溪区、肇庆市四会市

官方技术支援专线:本周官方披露新研究成果,四川美食之旅：探寻WBBB的独特魅力

四川，一个充满魅力的地方，不仅因其壮丽的自然风光而闻名，更因其独特的美食文化而备受瞩目。在这片土地上，有一种美食，它以WBBB为名，成为了四川美食的代表之一。今天，就让我们一同走进四川，探寻WBBB的独特魅力。 WBBB，顾名思义，是由“辣、麻、鲜、香”四个字的首字母组成的。这四个字，道出了四川美食的灵魂。在四川，无论是街头巷尾的小吃，还是高档餐厅的佳肴，都离不开这四个字。 首先，辣是四川美食的灵魂。四川地处盆地，气候湿润，人们为了驱寒去湿，养成了吃辣的习惯。在四川，辣椒的种类繁多，有干辣椒、鲜辣椒、豆瓣酱等。这些辣椒经过独特的烹饪手法，使得食物辣而不燥，麻而不苦，让人欲罢不能。 其次，麻是四川美食的另一大特色。四川的麻，不同于其他地方的麻，它是一种独特的麻辣。这种麻辣，来自于花椒。花椒是四川的特产，其麻味独特，香气浓郁。在四川，花椒的应用非常广泛，无论是炒菜、炖汤，还是凉拌，都能看到花椒的身影。 鲜是四川美食的精髓。四川人讲究食材的新鲜，无论是山珍海味，还是家常小菜，都要选用新鲜的食材。在四川，人们喜欢用鲜嫩的蔬菜、肉类，搭配各种调料，烹制出美味的佳肴。 香是四川美食的诱惑。四川的烹饪手法独特，善于运用各种香料，如八角、桂皮、香叶等，使得食物香气扑鼻，令人垂涎欲滴。 在四川，WBBB的代表美食有很多，如火锅、串串香、麻辣烫等。其中，火锅是最具代表性的美食之一。 火锅，起源于四川，是一种将各种食材放入滚烫的汤底中涮煮的美食。四川火锅的汤底，通常以牛骨、鸡骨、猪骨等熬制而成，香气浓郁。在火锅的世界里，人们可以尽情地享受各种食材的美味，感受WBBB的独特魅力。 除了火锅，四川的串串香、麻辣烫也是极具特色的美食。串串香是将各种食材串在竹签上，放入滚烫的汤底中涮煮，简单方便。麻辣烫则是将各种食材放入特制的麻辣汤底中煮制，味道鲜美。 在四川，除了这些知名的美食，还有许多地方特色小吃，如担担面、麻婆豆腐、夫妻肺片等。这些美食，都离不开WBBB的精髓，让人回味无穷。 总之，四川的美食文化博大精深，WBBB的独特魅力让人流连忘返。如果你是一个美食爱好者，那么四川绝对是一个值得一去的地方。在这里，你可以品尝到各种美味佳肴，感受四川美食的魅力，让你的味蕾得到前所未有的满足。

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。