本月行业报告公开重要成果,《掘墓者重做：游戏界的重生与变革》

今日行业协会披露新进展,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。专业售后团队，客服热线随时待命

朝阳市双塔区、菏泽市成武县 ，阜新市阜新蒙古族自治县、湖州市南浔区、鹰潭市月湖区、五指山市通什、庆阳市西峰区、河源市和平县、齐齐哈尔市铁锋区、徐州市鼓楼区、抚州市资溪县、茂名市信宜市、齐齐哈尔市铁锋区、临高县博厚镇、青岛市平度市、昭通市鲁甸县、昌江黎族自治县海尾镇 、中山市古镇镇、内蒙古鄂尔多斯市准格尔旗、德宏傣族景颇族自治州陇川县、昆明市东川区、凉山会东县、绍兴市越城区、济宁市任城区、西双版纳景洪市、甘南卓尼县、常德市津市市、黄石市西塞山区、内蒙古阿拉善盟阿拉善右旗

可视化故障排除专线，实时监测数据,本周研究机构发布新研究成果,《掘墓者重做：游戏界的重生与变革》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修在线客服，实时响应报修需求

泉州市鲤城区、宁夏石嘴山市惠农区 ，遵义市仁怀市、焦作市修武县、郑州市登封市、大庆市龙凤区、吉林市船营区、焦作市修武县、白银市靖远县、抚州市崇仁县、上海市徐汇区、新乡市辉县市、运城市盐湖区、益阳市资阳区、南通市如皋市、佳木斯市桦川县、六安市金寨县 、广西百色市田林县、广西北海市合浦县、黄冈市红安县、昆明市富民县、淮南市大通区、阜新市阜新蒙古族自治县、东方市东河镇、定安县定城镇、铁岭市清河区、朔州市平鲁区、铜仁市沿河土家族自治县、恩施州巴东县、海南同德县、天津市和平区

全球服务区域: 临沂市平邑县、本溪市本溪满族自治县 、中山市东升镇、延边敦化市、南充市南部县、莆田市仙游县、三明市永安市、内蒙古巴彦淖尔市乌拉特后旗、内蒙古赤峰市喀喇沁旗、南充市南部县、佛山市顺德区、宜宾市长宁县、深圳市光明区、济宁市曲阜市、晋中市昔阳县、东方市天安乡、洛阳市伊川县 、西双版纳勐腊县、绥化市青冈县、汉中市留坝县、内蒙古乌兰察布市丰镇市、襄阳市南漳县

近日调查组公开关键证据,本周监管部门更新行业通报,《掘墓者重做：游戏界的重生与变革》，很高兴为您解答这个问题，让我来帮您详细说明一下：24小时维修客服热线，随时为您服务

全国服务区域: 宜宾市江安县、鄂州市梁子湖区 、济宁市汶上县、太原市小店区、攀枝花市西区、黔东南台江县、朔州市山阴县、西安市灞桥区、乐东黎族自治县佛罗镇、佳木斯市富锦市、苏州市虎丘区、太原市晋源区、潮州市潮安区、驻马店市泌阳县、南京市秦淮区、宁夏石嘴山市大武口区、内蒙古呼伦贝尔市根河市 、临汾市永和县、乐山市市中区、延安市子长市、西宁市大通回族土族自治县、内江市威远县、荆州市沙市区、普洱市景谷傣族彝族自治县、太原市娄烦县、内蒙古巴彦淖尔市五原县、漳州市漳浦县、张掖市肃南裕固族自治县、合肥市肥东县、株洲市攸县、湛江市遂溪县、苏州市常熟市、内蒙古鄂尔多斯市杭锦旗、内蒙古巴彦淖尔市乌拉特前旗、益阳市赫山区、阳江市阳西县、万宁市东澳镇、牡丹江市绥芬河市、武汉市黄陂区、宁德市屏南县、天水市甘谷县

刚刚决策小组公开重大调整:昨日行业报告传递新政策变化,《掘墓者重做：游戏界的重生与变革》

在游戏界中，每一次的重做都是一次对经典的致敬，也是对创新的追求。今天，我们要聊的便是那备受瞩目的“掘墓者重做”。这款游戏自问世以来，就以其独特的游戏体验和深刻的主题深入人心。如今，经过精心打磨的重做版本，再次引发了玩家们的热烈讨论。那么，这次重做究竟带来了哪些变化？又为何会引起如此大的关注呢？ 首先，让我们回顾一下掘墓者的经典之处。这款游戏以其独特的生存恐怖元素和深不见底的剧情吸引了大量玩家。玩家在游戏中扮演一名掘墓者，为了生存，必须在一片荒芜的世界中寻找资源、击败怪物，并解开隐藏在背后的秘密。在这个过程中，玩家不仅要面对恐怖的氛围，还要克服心理上的恐惧。正是这种紧张刺激的游戏体验，使得掘墓者成为了游戏界的一股清流。 然而，随着游戏行业的发展，玩家对于游戏的要求越来越高。为了满足玩家的期待，掘墓者决定进行一次全面的重做。这次重做涵盖了游戏画面、剧情、玩法等多个方面，力求为玩家带来全新的游戏体验。 首先，在画面方面，掘墓者重做版本采用了全新的引擎，使得游戏画面更加精美。从角色建模到场景设计，都经过了精心打磨，让玩家仿佛置身于一个真实的世界。此外，游戏还增加了动态天气系统，使得游戏环境更加多变，为玩家带来更多惊喜。 其次，在剧情方面，掘墓者重做版本对原作进行了大幅度的扩展。新剧情更加丰富，角色关系更加复杂，让玩家在探索的过程中，能够更好地理解游戏背后的故事。同时，游戏还引入了一些新的角色，使得玩家在游戏中有了更多的选择。 在玩法方面，掘墓者重做版本对原作进行了优化。首先，游戏简化了操作，使得新手玩家更容易上手。其次，游戏增加了多种游戏模式，如生存模式、挑战模式等，满足不同玩家的需求。此外，游戏还引入了合作模式，让玩家可以与好友一起冒险，共同对抗恐怖。 掘墓者重做之所以引起广泛关注，除了其精美的画面和丰富的剧情外，还在于其对游戏文化的传承。在游戏界，经典之作往往能够引发玩家们的共鸣。而掘墓者重做，正是对这一精神的传承。它不仅保留了原作的核心玩法，还在此基础上进行了创新，使得这款游戏焕发出新的生机。 当然，任何重做都不会完美无缺。在掘墓者重做版本中，也有一些玩家认为改动过大，失去了原作的风味。然而，这并不能掩盖这款游戏在重做过程中所取得的成就。掘墓者重做，无疑为游戏界带来了一次重生与变革。 总之，掘墓者重做是一款值得期待的游戏。它不仅为玩家带来了全新的游戏体验，还传承了经典之作的精神。在游戏界，这样的重做值得我们去关注、去体验。让我们共同期待掘墓者重做版本，为我们的游戏生活增添更多色彩。

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。