本月官方披露行业研究成果,探索51无人区：一码、二码、三码免费解锁之旅

本月国家机构发布重大政策通报,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。专业配件咨询中心，精准推荐型号

果洛班玛县、铜陵市铜官区 ，毕节市赫章县、黄冈市黄州区、赣州市信丰县、东莞市樟木头镇、乐山市金口河区、哈尔滨市阿城区、楚雄永仁县、襄阳市襄城区、双鸭山市宝清县、南阳市南召县、琼海市博鳌镇、琼海市石壁镇、大兴安岭地区塔河县、天津市蓟州区、西安市新城区 、宝鸡市千阳县、湛江市徐闻县、巴中市南江县、延安市甘泉县、延边和龙市、菏泽市鄄城县、宁夏石嘴山市惠农区、沈阳市浑南区、辽阳市太子河区、三沙市西沙区、亳州市谯城区、鸡西市滴道区

本周数据平台本月相关部门通报重要进展,昨日行业报告传递新政策,探索51无人区：一码、二码、三码免费解锁之旅，很高兴为您解答这个问题，让我来帮您详细说明一下：家电在线客服系统，实时沟通维修需求

赣州市上犹县、贵阳市花溪区 ，宜宾市长宁县、遵义市桐梓县、泸州市江阳区、澄迈县永发镇、金华市磐安县、文昌市文城镇、合肥市肥西县、合肥市肥东县、铜仁市沿河土家族自治县、日照市岚山区、漳州市东山县、大同市广灵县、广西崇左市扶绥县、四平市伊通满族自治县、三明市清流县 、宁夏银川市贺兰县、伊春市汤旺县、商丘市宁陵县、鹤岗市萝北县、甘孜巴塘县、怀化市中方县、南京市六合区、临高县临城镇、漯河市舞阳县、济南市历城区、新乡市获嘉县、宁德市古田县、内蒙古赤峰市松山区、广西桂林市临桂区

全球服务区域: 淄博市张店区、芜湖市弋江区 、德宏傣族景颇族自治州芒市、东莞市凤岗镇、广西梧州市岑溪市、湘潭市岳塘区、肇庆市鼎湖区、沈阳市大东区、郑州市二七区、汕头市澄海区、延安市子长市、内蒙古锡林郭勒盟锡林浩特市、澄迈县中兴镇、扬州市江都区、松原市乾安县、襄阳市老河口市、天水市清水县 、广西防城港市防城区、佛山市顺德区、阳泉市城区、济南市历下区、天津市蓟州区

本周数据平台近期行业报告发布政策动向,本周行业报告传达重要消息,探索51无人区：一码、二码、三码免费解锁之旅，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

全国服务区域: 广西柳州市柳城县、北京市怀柔区 、甘孜道孚县、哈尔滨市道外区、资阳市雁江区、赣州市上犹县、黔东南岑巩县、韶关市新丰县、资阳市安岳县、大理永平县、内蒙古呼伦贝尔市阿荣旗、焦作市沁阳市、恩施州恩施市、乐东黎族自治县万冲镇、信阳市息县、邵阳市新邵县、汉中市留坝县 、广西百色市隆林各族自治县、漳州市龙文区、定安县龙河镇、菏泽市牡丹区、抚顺市新宾满族自治县、忻州市河曲县、杭州市淳安县、晋城市城区、吉林市丰满区、三亚市天涯区、商丘市柘城县、南平市顺昌县、衢州市衢江区、宝鸡市陇县、朔州市山阴县、三明市三元区、龙岩市漳平市、上海市杨浦区、成都市蒲江县、重庆市巫山县、绵阳市三台县、河源市龙川县、汉中市宁强县、巴中市南江县

本周官方渠道披露研究成果:今日行业协会传达最新研究报告,探索51无人区：一码、二码、三码免费解锁之旅

在广袤的51无人区，隐藏着无数未知的秘密。这里，人类活动的足迹稀少，但科技的力量却无处不在。近年来，随着科技的飞速发展，一码、二码、三码免费解锁技术逐渐成为探索这片神秘土地的利器。今天，就让我们一起来揭开51无人区的神秘面纱，体验一码、二码、三码免费解锁之旅。 一码，是开启51无人区大门的钥匙。这把钥匙，蕴含着强大的科技力量，可以轻松破解无人区的各种难题。一码技术，主要依靠人工智能和大数据分析，通过不断学习无人区的环境、地形、气候等信息，实现对无人区的精准导航。一码免费解锁，让探索者们可以轻松进入无人区，开启一段全新的冒险之旅。 二码，是51无人区内的通行证。在这片神秘的土地上，二码技术发挥着至关重要的作用。二码技术，主要依靠卫星定位和无人机技术，实现对无人区内的实时监控。二码免费解锁，让探索者们可以随时了解无人区的动态，确保探险过程的安全。 三码，是51无人区内的神秘宝物。这把宝物，蕴含着丰富的资源，是探险者们梦寐以求的宝藏。三码技术，主要依靠遥感探测和地理信息系统，实现对无人区内资源的精准定位。三码免费解锁，让探险者们可以轻松找到宝藏，实现财富的积累。 一码、二码、三码免费解锁，为探险者们提供了强大的技术支持。然而，在探索51无人区的过程中，我们还需具备以下几项能力： 1. 勇气：51无人区环境恶劣，充满未知，探险者需具备坚定的信念和勇敢的勇气，才能战胜困难，完成探险。 2. 耐心：探索51无人区并非一朝一夕之事，需要探险者们具备足够的耐心，才能逐步揭开这片神秘土地的面纱。 3. 团队精神：在探险过程中，团队精神至关重要。只有团结协作，才能战胜各种困难，共同完成探险任务。 4. 环保意识：在探索51无人区的过程中，我们要时刻牢记环保意识，保护这片神秘的土地，让后人也能感受到它的魅力。 总之，一码、二码、三码免费解锁技术为探索51无人区提供了强大的支持。在这个充满神秘的土地上，探险者们将体验到前所未有的刺激与挑战。只要我们勇敢面对，具备足够的耐心和团队精神，相信我们一定能够揭开51无人区的神秘面纱，收获无尽的宝藏。让我们一起踏上这段免费解锁之旅，探索未知的世界吧！

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。