今日国家机构披露行业新成果,揭秘萨满卡组：炉石传说中的神秘力量

今日行业协会传达最新政策,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。智能化工单系统，自动派发维修任务

内蒙古兴安盟阿尔山市、天水市麦积区 ，遵义市湄潭县、大连市瓦房店市、滁州市凤阳县、广元市苍溪县、万宁市龙滚镇、成都市新津区、汉中市佛坪县、昆明市安宁市、新乡市长垣市、阜阳市颍州区、泉州市鲤城区、成都市邛崃市、扬州市江都区、东莞市道滘镇、三亚市吉阳区 、荆州市松滋市、镇江市扬中市、潮州市饶平县、漳州市漳浦县、连云港市连云区、四平市铁西区、湘潭市韶山市、铜川市耀州区、哈尔滨市木兰县、周口市项城市、广西河池市天峨县、广西河池市天峨县

本周数据平台最新相关部门透露权威通报,本月研究机构发布最新报告,揭秘萨满卡组：炉石传说中的神秘力量，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

儋州市南丰镇、宁波市海曙区 ，黔东南丹寨县、黔西南安龙县、大兴安岭地区呼中区、江门市恩平市、辽阳市辽阳县、鞍山市铁东区、平顶山市宝丰县、内蒙古通辽市科尔沁区、济宁市邹城市、锦州市义县、武汉市洪山区、儋州市那大镇、保亭黎族苗族自治县什玲、怀化市麻阳苗族自治县、内蒙古巴彦淖尔市杭锦后旗 、丹东市宽甸满族自治县、北京市延庆区、镇江市丹阳市、直辖县潜江市、菏泽市郓城县、天水市清水县、葫芦岛市南票区、万宁市东澳镇、江门市开平市、济南市平阴县、上海市徐汇区、厦门市集美区、广西防城港市港口区、成都市邛崃市

全球服务区域: 广西百色市那坡县、上海市宝山区 、中山市南头镇、襄阳市襄城区、遂宁市安居区、岳阳市岳阳楼区、平凉市华亭县、广西河池市都安瑶族自治县、凉山布拖县、宁夏银川市西夏区、迪庆德钦县、黄冈市英山县、广州市花都区、武汉市汉阳区、湘潭市湘乡市、天津市红桥区、焦作市武陟县 、东莞市大朗镇、广西钦州市钦南区、成都市都江堰市、吉林市丰满区、锦州市太和区

24小时维修咨询热线，智能语音导航,本月行业协会公开行业研究成果,揭秘萨满卡组：炉石传说中的神秘力量，很高兴为您解答这个问题，让我来帮您详细说明一下：产品升级服务中心，全流程专业指导

全国服务区域: 琼海市大路镇、雅安市石棉县 、襄阳市樊城区、忻州市定襄县、内蒙古巴彦淖尔市杭锦后旗、长春市九台区、黔南平塘县、大同市云州区、玉溪市通海县、本溪市本溪满族自治县、北京市通州区、遂宁市安居区、广西南宁市上林县、哈尔滨市阿城区、温州市文成县、毕节市黔西市、玉树治多县 、七台河市茄子河区、鹤岗市向阳区、潍坊市高密市、重庆市铜梁区、阜新市太平区、郴州市嘉禾县、东营市河口区、中山市横栏镇、成都市蒲江县、海东市循化撒拉族自治县、商洛市丹凤县、台州市路桥区、苏州市姑苏区、黄冈市蕲春县、南昌市进贤县、平顶山市宝丰县、白山市浑江区、哈尔滨市松北区、延安市吴起县、金华市武义县、内蒙古阿拉善盟额济纳旗、金华市义乌市、广西百色市西林县、安阳市汤阴县

本周数据平台本月监管部门通报最新动态:本周官方更新行业研究成果,揭秘萨满卡组：炉石传说中的神秘力量

在《炉石传说》这款卡牌游戏中，萨满祭司作为三大基础职业之一，以其独特的元素和强大的群体治疗能力而备受玩家喜爱。萨满卡组，作为萨满祭司的核心玩法，更是以其独特的策略和变化多端的战术而成为游戏中的神秘力量。本文将带您深入了解萨满卡组，揭示其背后的奥秘。 ### 萨满卡组的起源与发展 萨满祭司的卡组起源于《炉石传说》的早期版本，当时的萨满祭司以自然元素和群体治疗为主。随着游戏版本的更新，萨满卡组逐渐发展出了多种流派，如元素萨、治疗萨、控制萨等，各具特色，让玩家在游戏中有了更多的选择。 ### 元素萨：以元素之力，掌控战场 元素萨是萨满卡组中最经典的流派之一，以强大的元素技能和群体治疗能力著称。在元素萨的卡组中，玩家需要合理运用元素技能，如“风暴之眼”和“烈焰之眼”，来激活元素牌，从而发挥出强大的群体伤害和控制能力。 元素萨的战术核心在于对元素牌的合理运用，以及与群体治疗牌的配合。在游戏中，玩家需要时刻关注元素牌的激活条件，并在合适的时机释放元素技能，以达到出奇制胜的效果。 ### 治疗萨：以生命之力，守护队友 治疗萨是萨满卡组中另一个重要的流派，以强大的群体治疗能力而闻名。治疗萨的卡组中，玩家需要充分利用萨满祭司的治疗技能，如“治疗波”和“治疗之雨”，来保证队友的生存，从而在游戏中占据优势。 治疗萨的战术核心在于对治疗牌的运用，以及与控制牌的配合。在游戏中，玩家需要根据战局的变化，灵活调整治疗策略，确保队友在关键时刻能够得到有效的治疗。 ### 控制萨：以节奏之力，掌控战局 控制萨是萨满卡组中的一种新兴流派，以节奏控制著称。在控制萨的卡组中，玩家需要充分利用萨满祭司的控制技能，如“冰封”和“风暴之眼”，来限制对手的行动，从而在游戏中占据主动。 控制萨的战术核心在于对节奏的把握，以及与解牌的配合。在游戏中，玩家需要根据战局的变化，合理运用控制技能，确保对手在关键时刻无法发动攻击。 ### 萨满卡组的策略与技巧 1. 合理搭配卡牌：在构建萨满卡组时，玩家需要根据不同的流派，合理搭配卡牌，确保卡牌之间的协同作用。 2. 灵活运用技能：在游戏中，玩家需要根据战局的变化，灵活运用萨满祭司的技能，以达到出奇制胜的效果。 3. 注意节奏控制：在游戏中，玩家需要时刻关注战局节奏，合理运用控制技能，确保自己在游戏中占据优势。 4. 善于应对对手：在游戏中，玩家需要根据对手的卡组，灵活调整自己的策略，以应对各种突发情况。 总之，萨满卡组作为《炉石传说》中的一种神秘力量，以其独特的元素和强大的群体治疗能力而备受玩家喜爱。通过深入了解萨满卡组，玩家可以在游戏中发挥出更大的潜力，赢得更多的胜利。

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。