本周监管部门发布重大研究成果,跳D放在里面逛超市的独特体验

近日行业报告公布新成果,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。专业技术指导中心，远程视频协助安装

阳江市阳西县、绵阳市安州区 ，白沙黎族自治县荣邦乡、西安市莲湖区、酒泉市玉门市、邵阳市武冈市、黔南福泉市、怀化市靖州苗族侗族自治县、白山市靖宇县、太原市古交市、铜川市宜君县、龙岩市武平县、文昌市昌洒镇、金昌市金川区、平顶山市汝州市、梅州市平远县、吉安市安福县 、合肥市肥西县、宁德市周宁县、安阳市龙安区、永州市双牌县、凉山昭觉县、洛阳市西工区、昭通市绥江县、漳州市华安县、内蒙古通辽市奈曼旗、眉山市洪雅县、内蒙古鄂尔多斯市达拉特旗、安康市紫阳县

近日监测部门公开,本月行业报告更新重大研究成果,跳D放在里面逛超市的独特体验，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

乐东黎族自治县万冲镇、恩施州巴东县 ，十堰市茅箭区、铁岭市铁岭县、枣庄市滕州市、定安县岭口镇、西安市新城区、定安县富文镇、凉山布拖县、德州市庆云县、衢州市衢江区、绥化市肇东市、福州市福清市、琼海市长坡镇、海西蒙古族乌兰县、松原市宁江区、儋州市光村镇 、黄南泽库县、甘孜道孚县、营口市大石桥市、成都市龙泉驿区、长治市潞州区、长春市宽城区、琼海市阳江镇、舟山市普陀区、韶关市翁源县、广西北海市铁山港区、黄冈市黄梅县、佛山市顺德区、珠海市斗门区、温州市平阳县

全球服务区域: 哈尔滨市依兰县、重庆市北碚区 、双鸭山市集贤县、忻州市岢岚县、衢州市开化县、晋中市榆次区、重庆市合川区、白城市通榆县、鹤岗市萝北县、扬州市邗江区、鹰潭市贵溪市、朝阳市龙城区、牡丹江市绥芬河市、丽江市宁蒗彝族自治县、哈尔滨市松北区、深圳市光明区、乐山市五通桥区 、哈尔滨市依兰县、太原市尖草坪区、吉安市峡江县、荆州市洪湖市、哈尔滨市方正县

本周数据平台本月业内人士公开最新动态,今日行业报告传达政策变化,跳D放在里面逛超市的独特体验，很高兴为您解答这个问题，让我来帮您详细说明一下：全国标准化服务热线，维修质量有保证

全国服务区域: 杭州市临安区、洛阳市汝阳县 、凉山德昌县、吉林市船营区、丹东市元宝区、芜湖市南陵县、绥化市兰西县、丽江市玉龙纳西族自治县、芜湖市镜湖区、萍乡市芦溪县、海西蒙古族都兰县、荆州市公安县、哈尔滨市依兰县、成都市崇州市、佳木斯市抚远市、达州市开江县、洛阳市偃师区 、陵水黎族自治县新村镇、内蒙古乌海市海勃湾区、东莞市横沥镇、忻州市宁武县、楚雄大姚县、成都市龙泉驿区、晋中市左权县、宁夏银川市贺兰县、陵水黎族自治县隆广镇、赣州市全南县、萍乡市湘东区、昌江黎族自治县石碌镇、恩施州巴东县、内蒙古巴彦淖尔市乌拉特前旗、资阳市雁江区、伊春市南岔县、临沧市永德县、宜春市铜鼓县、苏州市吴江区、屯昌县坡心镇、商丘市宁陵县、德州市禹城市、大理南涧彝族自治县、雅安市天全县

刚刚决策小组公开重大调整:本月行业协会披露重大成果,跳D放在里面逛超市的独特体验

在这个快节奏的时代，人们的生活节奏不断加快，工作、学习、家庭等各方面的压力也日益增大。在这样的背景下，逛超市已经不仅仅是一种购物行为，更成了一种放松心情、享受生活的方式。而我，最近就有一次跳D放在里面逛超市的独特体验。 那天，阳光明媚，微风拂面。我决定给自己放个小假，去超市采购一些生活必需品。走进超市，映入眼帘的是琳琅满目的商品，各式各样的货架整齐地排列着，让人眼花缭乱。我随手拿起一个购物篮，开始了我的超市之旅。 刚一进门，就闻到了一股浓郁的食品香气。我忍不住被吸引，来到了食品区。这里的商品种类繁多，从新鲜的蔬菜水果到各式各样的零食，应有尽有。我一边挑选着新鲜的食材，一边想象着回家后如何烹饪出美味佳肴。在这个充满生活气息的空间里，我感受到了家的温暖。 逛着逛着，我来到了服装区。这里色彩斑斓，各式各样的服装让人目不暇接。我随意挑选了几件衣服，试穿了一下，发现它们都非常合身。这种被衣服包裹的感觉，让我仿佛置身于一个时尚的派对中，尽情享受着购物的乐趣。 接着，我来到了家居用品区。这里陈列着各种家居用品，从锅碗瓢盆到床上用品，一应俱全。我仔细挑选了一些实用的家居用品，心中暗自庆幸自己提前做好了购物计划。在这个充满生活气息的地方，我仿佛找到了家的感觉。 在逛超市的过程中，我还发现了一个有趣的现象。不少顾客都选择了跳D购物。他们或手舞足蹈，或欢声笑语，仿佛在超市里举办了一场盛大的派对。我好奇地加入了他们，跟着节奏跳起了舞。在欢快的音乐中，我感受到了前所未有的快乐。 逛完超市，我满载而归。购物篮里装满了新鲜食材、时尚服装和实用的家居用品。走在回家的路上，我回想起在超市里的点点滴滴，心中充满了满足感。这次跳D放在里面逛超市的独特体验，让我感受到了购物的乐趣，也让我更加珍惜生活中的每一个美好瞬间。 总的来说，跳D放在里面逛超市是一种独特的购物体验。它不仅让我在购物的同时放松心情，还让我感受到了生活的美好。在这个充满生活气息的超市里，我找到了属于自己的快乐。我相信，在未来的日子里，我还会带着这份快乐，继续在超市里畅游，享受生活。

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。