本月行业报告披露新动态,日本文化中的“边添边摸边做边爱边”：传统与现代的完美融合

今日行业协会更新行业报告,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。家电问题一键呼叫，客服专员全程跟进

南平市武夷山市、九江市武宁县 ，内蒙古赤峰市克什克腾旗、东莞市常平镇、临沂市沂南县、襄阳市樊城区、广西贵港市桂平市、内蒙古乌兰察布市四子王旗、宿迁市宿城区、许昌市鄢陵县、广西崇左市宁明县、商丘市虞城县、衡阳市南岳区、蚌埠市龙子湖区、驻马店市遂平县、衢州市龙游县、自贡市沿滩区 、西安市长安区、黄山市屯溪区、直辖县神农架林区、上海市黄浦区、阳江市阳春市、潮州市饶平县、西宁市湟源县、昭通市威信县、大庆市龙凤区、大兴安岭地区塔河县、淄博市张店区、淮北市濉溪县

本周数据平台本月官方渠道公布权威通报,昨日官方渠道披露新政策,日本文化中的“边添边摸边做边爱边”：传统与现代的完美融合，很高兴为您解答这个问题，让我来帮您详细说明一下：家电维修应急热线，24小时待命

海西蒙古族茫崖市、伊春市伊美区 ，无锡市惠山区、自贡市贡井区、内蒙古赤峰市阿鲁科尔沁旗、上饶市余干县、广州市花都区、广州市花都区、绥化市安达市、重庆市武隆区、郴州市宜章县、黔东南天柱县、烟台市招远市、太原市万柏林区、长沙市长沙县、榆林市绥德县、重庆市九龙坡区 、蚌埠市淮上区、怀化市鹤城区、哈尔滨市香坊区、延安市黄陵县、内蒙古锡林郭勒盟正蓝旗、延安市志丹县、六盘水市盘州市、运城市河津市、泰州市靖江市、洛阳市老城区、金华市东阳市、清远市佛冈县、杭州市江干区、绥化市肇东市

全球服务区域: 绥化市兰西县、安庆市大观区 、黔西南兴义市、遵义市正安县、大理剑川县、吉安市万安县、南京市秦淮区、黔西南望谟县、抚州市资溪县、内蒙古巴彦淖尔市杭锦后旗、广安市广安区、黔东南镇远县、广西柳州市柳江区、南阳市卧龙区、遵义市播州区、铜仁市沿河土家族自治县、广西百色市平果市 、长治市平顺县、岳阳市岳阳县、厦门市集美区、吉安市吉安县、六盘水市钟山区

专业维修服务电话,本月行业报告公开新政策,日本文化中的“边添边摸边做边爱边”：传统与现代的完美融合，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化回收平台，智能优化资源利用

全国服务区域: 黔东南剑河县、安阳市林州市 、松原市乾安县、张家界市桑植县、南平市建阳区、莆田市秀屿区、济宁市兖州区、广西百色市田林县、深圳市坪山区、延安市志丹县、屯昌县枫木镇、阿坝藏族羌族自治州松潘县、平顶山市石龙区、朝阳市建平县、温州市鹿城区、苏州市吴中区、深圳市光明区 、内蒙古包头市九原区、遵义市余庆县、宿州市砀山县、雅安市宝兴县、潍坊市诸城市、衡阳市祁东县、咸阳市三原县、楚雄禄丰市、十堰市竹山县、滨州市博兴县、咸阳市淳化县、海南贵德县、淮南市潘集区、大兴安岭地区新林区、铁岭市铁岭县、内蒙古赤峰市克什克腾旗、德州市临邑县、重庆市九龙坡区、宝鸡市千阳县、内蒙古呼伦贝尔市扎兰屯市、大连市西岗区、天水市张家川回族自治县、天津市和平区、安阳市殷都区

本周数据平台稍早前行业报告:昨日官方渠道传递重大研究成果,日本文化中的“边添边摸边做边爱边”：传统与现代的完美融合

日本，这个东方岛国，以其独特的文化魅力和传统习俗吸引着世界的目光。在日本的日常生活中，我们常常可以看到一种被称为“边添边摸边做边爱边”的行为模式。这种模式不仅体现了日本人的勤劳与智慧，更是传统与现代的完美融合。 首先，“边添边摸边做边爱边”中的“边添边摸”反映了日本人在生活中注重细节、精益求精的态度。在日本，无论是烹饪、手工艺还是日常用品，都要求做到尽善尽美。例如，在烹饪过程中，日本厨师会一边添调料，一边摸锅铲，以确保食物的味道和口感达到最佳。这种做法不仅保证了食物的品质，也体现了日本人对生活的热爱和尊重。 “边做边爱”则展现了日本人在工作中追求和谐、团结的精神。在日本，团队合作至关重要，无论是企业还是家庭，成员之间都要相互关心、相互支持。在工作中，日本员工会一边完成自己的任务，一边关心同事，共同进步。这种“边做边爱”的精神，使得日本社会充满活力，各项工作都能顺利进行。 而“边做边爱”中的“边爱边”则揭示了日本人对家庭、亲情的重视。在日本，家庭观念非常浓厚，人们把家庭视为生活的港湾。在日常生活中，日本家庭成员会一边照顾彼此，一边享受天伦之乐。这种“边爱边”的生活方式，使得日本社会充满温暖，人与人之间的关系更加和谐。 这种“边添边摸边做边爱边”的行为模式，在日本传统文化中有着深厚的底蕴。日本古代的武士道精神、茶道、花道等传统文化，都强调了对细节的关注、对和谐的追求和对亲情的珍视。在现代，这种传统精神依然影响着日本人的日常生活。 当然，随着时代的变迁，这种“边添边摸边做边爱边”的行为模式也在不断地发展和演变。在现代社会，日本人在追求细节和和谐的同时，更加注重创新和效率。例如，在科技领域，日本企业不断推出创新产品，为全球消费者带来便利；在教育领域，日本学校注重培养学生的创新思维和团队协作能力。 总之，“边添边摸边做边爱边”这种日本文化中的行为模式，既体现了传统美德，又融合了现代精神。这种独特的文化魅力，使得日本成为世界关注的焦点。在我国，我们也应该借鉴这种精神，注重细节、追求和谐、珍视亲情，为构建和谐社会贡献自己的力量。 总之，日本文化中的“边添边摸边做边爱边”是一种传统与现代的完美融合，它不仅展现了日本人的勤劳与智慧，更体现了他们对生活的热爱和尊重。这种独特的文化魅力，值得我们学习和借鉴。在我国，我们也应该倡导这种精神，让我们的生活更加美好。

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。