今日监管部门披露行业最新进展,军训中的意外邂逅：那段无人知晓的浪漫时光

本月行业报告更新重大研究成果,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。家电功能演示热线，专业展示使用技巧

锦州市凌海市、南通市崇川区 ，淮南市田家庵区、吕梁市孝义市、芜湖市南陵县、南京市江宁区、东莞市高埗镇、楚雄大姚县、内蒙古鄂尔多斯市康巴什区、陵水黎族自治县光坡镇、重庆市彭水苗族土家族自治县、广安市岳池县、马鞍山市和县、琼海市潭门镇、青岛市市南区、广西玉林市玉州区、内蒙古鄂尔多斯市康巴什区 、黄冈市团风县、安康市石泉县、洛阳市嵩县、滁州市凤阳县、阳泉市平定县、济宁市嘉祥县、甘孜新龙县、信阳市淮滨县、宜宾市翠屏区、滨州市惠民县、济南市长清区、内蒙古呼和浩特市清水河县

近日调查组公开关键证据,本月官方发布行业新变化,军训中的意外邂逅：那段无人知晓的浪漫时光，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

岳阳市平江县、温州市永嘉县 ，长治市襄垣县、新乡市卫辉市、洛阳市西工区、岳阳市平江县、十堰市郧西县、陇南市两当县、洛阳市偃师区、海口市秀英区、湖州市长兴县、肇庆市端州区、马鞍山市雨山区、佳木斯市东风区、玉溪市红塔区、东莞市道滘镇、乐山市五通桥区 、成都市蒲江县、大兴安岭地区塔河县、大理剑川县、无锡市锡山区、济南市章丘区、衢州市江山市、万宁市后安镇、福州市永泰县、襄阳市樊城区、金昌市金川区、辽阳市文圣区、定西市漳县、资阳市雁江区、黑河市爱辉区

全球服务区域: 儋州市峨蔓镇、郴州市资兴市 、宁波市北仑区、郑州市新郑市、岳阳市临湘市、鹤岗市绥滨县、驻马店市平舆县、德阳市什邡市、金华市义乌市、东方市东河镇、阳泉市平定县、郴州市临武县、汉中市镇巴县、延安市黄陵县、临夏康乐县、徐州市铜山区、珠海市斗门区 、金昌市金川区、新乡市卫辉市、金昌市永昌县、宁波市鄞州区、上饶市万年县

本周数据平台最新官方渠道传来研究成果,昨日行业报告传递新政策变化,军训中的意外邂逅：那段无人知晓的浪漫时光，很高兴为您解答这个问题，让我来帮您详细说明一下：家电配件订购专线，原厂正品保障

全国服务区域: 江门市开平市、宝鸡市陈仓区 、白银市平川区、滨州市无棣县、重庆市大足区、平凉市崆峒区、儋州市海头镇、乐山市市中区、保山市隆阳区、鹰潭市月湖区、淮安市清江浦区、咸阳市秦都区、甘南夏河县、安庆市桐城市、黔东南施秉县、宁夏中卫市中宁县、南阳市桐柏县 、上海市虹口区、黄冈市红安县、肇庆市端州区、平顶山市卫东区、齐齐哈尔市铁锋区、云浮市郁南县、海东市循化撒拉族自治县、内蒙古阿拉善盟阿拉善右旗、信阳市商城县、广西梧州市岑溪市、内蒙古鄂尔多斯市伊金霍洛旗、南平市邵武市、广西梧州市长洲区、陵水黎族自治县提蒙乡、朔州市山阴县、甘孜九龙县、酒泉市肃北蒙古族自治县、东莞市桥头镇、广州市从化区、锦州市凌海市、运城市盐湖区、中山市南区街道、池州市石台县、广西桂林市龙胜各族自治县

本周数据平台本月相关部门通报重要进展:今日行业协会发布重要通报,军训中的意外邂逅：那段无人知晓的浪漫时光

阳光明媚的夏日，我国某军事院校的操场上，一群身着迷彩服的年轻学子正在进行着紧张而有序的军训。他们挥汗如雨，口号声此起彼伏，展现出青春的活力与朝气。然而，在这场军训的喧嚣背后，却隐藏着一段不为人知的浪漫故事。 那是一个午后，阳光透过树叶洒在操场上，空气中弥漫着泥土和汗水的味道。同学们在休息时间纷纷找地方坐下，补充能量。李明（化名）坐在操场的一角，静静地望着远方。他是一名来自南方的小伙子，皮肤白皙，性格内向。自从来到这所军事院校，他一直默默地努力，希望能在这里找到属于自己的舞台。 就在这时，一个身影闯入了李明的视线。她叫小芳（化名），是李明所在连队的女兵。她皮肤黝黑，身材高挑，眼神中透露出坚定与勇敢。小芳在连队中是个佼佼者，无论是军事技能还是文化课，她都表现出色。然而，在众人眼中，她总是保持着那份神秘感。 或许是缘分使然，小芳在休息时走到了李明身边。她看着李明，微笑着说：“你叫李明吧？我看你一直都很努力，是不是有什么心事？”李明愣了一下，没想到会有人主动关心自己。他犹豫了一下，最终还是决定向小芳倾诉：“其实，我一直都想在军训中找到自己的价值，但我总是觉得自己不够出色。” 小芳认真地看着李明，轻声说：“每个人都有自己的闪光点，重要的是要相信自己。你看，我虽然是个女兵，但我也在努力成为最好的自己。你也要相信自己，勇敢地去追求自己的梦想。” 那一刻，李明仿佛看到了希望的曙光。他感激地看着小芳，心中涌起一股暖流。而小芳也感受到了李明的信任，她微笑着拍了拍李明的肩膀，鼓励道：“加油，我相信你一定能行！” 接下来的日子里，李明和小芳成了无话不谈的好朋友。他们在训练场上互相鼓励，在生活中互相照顾。那段时光，仿佛成了他们心中最美好的回忆。 然而，好景不长。随着军训的结束，李明和小芳各自回到了自己的家乡。他们虽然心中充满了不舍，但彼此都明白，生活还要继续。在分别的那一天，小芳紧紧地握住李明的手，说：“无论你走到哪里，都要记得，我曾经陪伴过你。相信自己，你一定能创造属于自己的辉煌。” 李明含泪点头，心中暗暗发誓，一定要让小芳为他骄傲。 时光荏苒，岁月如梭。多年以后，李明已经成为了一名优秀的军官，而小芳也成了一名出色的女兵。他们在各自的岗位上努力拼搏，为实现祖国的繁荣昌盛贡献着自己的力量。而那段无人知晓的浪漫时光，早已成为了他们心中永恒的回忆。 军训在没人的时候要了我，这句话或许可以形容那段美好的时光。在那个阳光明媚的夏日，两个年轻的心灵在军训的喧嚣中找到了彼此，共同成长，共同进步。这段经历，无疑成为了他们人生中最宝贵的财富。

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。