本月行业报告披露新变化,差差差全过程：揭秘产品从设计到市场的完整旅程

近日监管部门发布重要信息,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。家电问题反馈专线，多渠道受理投诉

渭南市合阳县、广西崇左市扶绥县 ，鞍山市立山区、南昌市新建区、烟台市牟平区、赣州市章贡区、黔西南兴仁市、天津市津南区、荆州市松滋市、张家界市慈利县、铜仁市万山区、黄南河南蒙古族自治县、惠州市惠阳区、朝阳市建平县、福州市晋安区、嘉兴市海宁市、南昌市西湖区 、庆阳市庆城县、凉山木里藏族自治县、黄石市西塞山区、天津市宁河区、定西市漳县、贵阳市云岩区、中山市西区街道、六盘水市钟山区、潍坊市潍城区、鹤壁市鹤山区、张掖市民乐县、襄阳市襄城区

近日调查组公开关键证据本,本月行业报告更新新政策,差差差全过程：揭秘产品从设计到市场的完整旅程，很高兴为您解答这个问题，让我来帮您详细说明一下：专业维修团队，客服热线一键联系

毕节市七星关区、焦作市孟州市 ，常州市武进区、临沂市沂南县、西宁市大通回族土族自治县、绍兴市越城区、普洱市宁洱哈尼族彝族自治县、本溪市本溪满族自治县、天水市清水县、济南市历城区、亳州市利辛县、安阳市汤阴县、重庆市奉节县、内蒙古阿拉善盟额济纳旗、内蒙古赤峰市宁城县、海东市互助土族自治县、九江市德安县 、内蒙古乌海市海南区、郴州市嘉禾县、内蒙古锡林郭勒盟锡林浩特市、邵阳市绥宁县、天津市和平区、内蒙古乌海市海南区、龙岩市上杭县、天水市秦安县、安庆市迎江区、延安市安塞区、泰安市肥城市、成都市双流区、内蒙古呼伦贝尔市根河市、咸宁市嘉鱼县

全球服务区域: 汉中市宁强县、郑州市中牟县 、晋中市祁县、通化市二道江区、黄冈市浠水县、益阳市安化县、韶关市新丰县、内蒙古巴彦淖尔市杭锦后旗、清远市连南瑶族自治县、广西崇左市凭祥市、长治市襄垣县、泸州市江阳区、内蒙古通辽市科尔沁区、德宏傣族景颇族自治州盈江县、广元市苍溪县、随州市随县、宁德市柘荣县 、太原市迎泽区、襄阳市宜城市、伊春市南岔县、哈尔滨市依兰县、伊春市丰林县

本月官方渠道传达政策动向,本月行业报告公开重要成果,差差差全过程：揭秘产品从设计到市场的完整旅程，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修专线，快速响应故障报修

全国服务区域: 盐城市射阳县、铜仁市思南县 、广西防城港市防城区、宁波市江北区、烟台市海阳市、儋州市雅星镇、武汉市汉阳区、潍坊市奎文区、重庆市大渡口区、宁波市慈溪市、镇江市丹阳市、宁夏吴忠市青铜峡市、新乡市新乡县、青岛市即墨区、陵水黎族自治县光坡镇、武汉市东西湖区、南平市邵武市 、焦作市解放区、武汉市江岸区、宜宾市高县、湛江市徐闻县、南平市顺昌县、滁州市天长市、东莞市石碣镇、临沂市蒙阴县、吕梁市兴县、广西桂林市永福县、中山市神湾镇、杭州市下城区、白沙黎族自治县金波乡、青岛市平度市、福州市马尾区、周口市郸城县、直辖县仙桃市、晋中市太谷区、乐东黎族自治县佛罗镇、营口市西市区、广安市武胜县、晋中市左权县、宜宾市长宁县、定安县龙门镇

本周数据平台最新相关部门透露权威通报:刚刚研究机构公开最新成果,差差差全过程：揭秘产品从设计到市场的完整旅程

在当今这个快速发展的时代，一款产品的成功不仅仅取决于其本身的质量，更在于其从设计到市场的全过程。这个过程充满了挑战与机遇，需要各个环节的紧密配合。本文将为您揭秘产品从设计到市场的“差差差全过程”。 一、设计阶段 1. 需求分析 在产品设计的初期，首先要进行需求分析。这一阶段需要市场调研、用户访谈、竞品分析等，以确保产品能够满足市场需求，解决用户痛点。 2. 设计构思 根据需求分析的结果，设计师开始进行产品构思。这一阶段需要充分发挥创意，将用户需求转化为具体的产品设计方案。 3. 设计评审 设计构思完成后，需要进行评审。评审团由产品经理、设计师、研发人员等组成，共同讨论设计方案，提出改进意见。 4. 设计定稿 经过多轮评审，最终确定设计方案。这一阶段，设计师需要根据评审意见进行修改，确保设计方案的可行性和美观性。 二、研发阶段 1. 技术研发 在产品设计中，技术是实现产品功能的关键。研发团队需要根据设计方案，进行技术研发，确保产品功能稳定、可靠。 2. 硬件选型 硬件选型是研发阶段的重要环节。根据产品需求，选择合适的硬件设备，如芯片、传感器、显示屏等。 3. 软件开发 软件开发是产品研发的核心。研发团队需要根据硬件选型，进行软件编程，实现产品功能。 4. 系统集成 在硬件和软件研发完成后，需要进行系统集成。将硬件和软件整合在一起，确保产品能够正常运行。 三、测试阶段 1. 单元测试 单元测试是对产品各个模块进行测试，确保每个模块的功能正常。 2. 集成测试 集成测试是对产品各个模块进行组合测试，确保模块之间能够协同工作。 3. 系统测试 系统测试是对整个产品进行测试，确保产品在各个场景下都能正常运行。 4. 性能测试 性能测试是对产品性能进行测试，如响应速度、稳定性、功耗等。 四、市场推广阶段 1. 市场调研 在产品上市前，需要进行市场调研，了解目标用户、竞争对手、市场趋势等信息。 2. 品牌建设 品牌建设是提高产品知名度的关键。通过广告、公关、活动等方式，提升品牌形象。 3. 渠道拓展 渠道拓展是产品销售的重要环节。与各大电商平台、线下零售商等建立合作关系，拓宽销售渠道。 4. 营销推广 营销推广是提高产品销量的重要手段。通过线上线下活动、促销活动等方式，吸引消费者购买。 五、售后服务阶段 1. 售后服务体系建设 建立完善的售后服务体系，包括客服、维修、退换货等。 2. 售后服务优化 根据用户反馈，不断优化售后服务，提高用户满意度。 3. 用户关系维护 通过定期回访、活动邀请等方式，维护与用户的关系，提高用户忠诚度。 总之，产品从设计到市场的全过程是一个复杂而严谨的过程。只有各个环节紧密配合，才能确保产品的成功。在这个过程中，我们需要不断学习、创新，以应对市场的变化。

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。