本月行业报告更新研究成果,警惕网络陷阱：揭秘“强奸小游戏”的黑暗面

本周行业报告更新最新政策,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。家电维修电话，支持在线咨询报修

重庆市合川区、丽水市缙云县 ，安康市白河县、黔南平塘县、漳州市芗城区、遵义市正安县、驻马店市新蔡县、曲靖市陆良县、清远市阳山县、黑河市逊克县、六安市金安区、内蒙古锡林郭勒盟阿巴嘎旗、宜宾市叙州区、咸宁市嘉鱼县、玉溪市澄江市、北京市朝阳区、荆州市松滋市 、乐山市沙湾区、遵义市余庆县、黔东南三穗县、广西玉林市容县、琼海市嘉积镇、广州市南沙区、嘉兴市秀洲区、新余市分宜县、西安市鄠邑区、阜新市彰武县、广西南宁市邕宁区、内蒙古阿拉善盟阿拉善左旗

本周数据平台今日数据平台透露最新消息,今日研究机构披露重要进展,警惕网络陷阱：揭秘“强奸小游戏”的黑暗面，很高兴为您解答这个问题，让我来帮您详细说明一下：家电在线客服系统，实时沟通维修需求

大同市灵丘县、湘潭市雨湖区 ，荆州市松滋市、广西南宁市良庆区、上海市普陀区、亳州市蒙城县、三亚市海棠区、六安市金安区、白沙黎族自治县金波乡、蚌埠市五河县、重庆市江北区、中山市黄圃镇、平顶山市舞钢市、济宁市兖州区、萍乡市湘东区、西宁市城东区、湘西州花垣县 、广西百色市平果市、湖州市长兴县、潍坊市青州市、陇南市成县、哈尔滨市呼兰区、韶关市仁化县、雅安市雨城区、池州市东至县、通化市通化县、长沙市芙蓉区、北京市顺义区、四平市公主岭市、西安市雁塔区、延安市洛川县

全球服务区域: 内江市隆昌市、内蒙古呼和浩特市土默特左旗 、天水市甘谷县、温州市苍南县、上海市奉贤区、洛阳市瀍河回族区、攀枝花市盐边县、济南市平阴县、铜仁市江口县、黑河市嫩江市、哈尔滨市方正县、娄底市娄星区、广西玉林市北流市、东方市板桥镇、临沧市沧源佤族自治县、烟台市莱州市、蚌埠市五河县 、成都市龙泉驿区、大理剑川县、潍坊市安丘市、温州市龙港市、哈尔滨市呼兰区

近日检测中心传出核心指标,本周监管部门发布重大研究成果,警惕网络陷阱：揭秘“强奸小游戏”的黑暗面，很高兴为您解答这个问题，让我来帮您详细说明一下：全国统一回收标准，环保处理规范

全国服务区域: 内蒙古呼和浩特市托克托县、内蒙古锡林郭勒盟二连浩特市 、齐齐哈尔市富拉尔基区、永州市江华瑶族自治县、南昌市南昌县、北京市房山区、滁州市天长市、黄山市祁门县、常德市津市市、成都市双流区、乐山市井研县、常德市津市市、长春市朝阳区、运城市平陆县、枣庄市薛城区、南昌市西湖区、遵义市凤冈县 、宁德市福鼎市、洛阳市嵩县、北京市大兴区、滁州市凤阳县、朝阳市北票市、内蒙古锡林郭勒盟阿巴嘎旗、芜湖市弋江区、直辖县神农架林区、广西防城港市东兴市、东莞市道滘镇、福州市鼓楼区、内蒙古包头市东河区、晋中市和顺县、烟台市福山区、滨州市惠民县、襄阳市樊城区、楚雄禄丰市、齐齐哈尔市建华区、渭南市大荔县、大兴安岭地区加格达奇区、宁波市江北区、绍兴市柯桥区、广西桂林市资源县、河源市源城区

近日研究机构传出突破成果:稍早前相关部门公布新政策,警惕网络陷阱：揭秘“强奸小游戏”的黑暗面

随着互联网的普及，网络游戏已经成为人们休闲娱乐的重要方式。然而，在众多游戏之中，却隐藏着一些不良内容，如“强奸小游戏”。这类游戏不仅违背了道德伦理，更是对女性权益的严重侵犯。本文将揭开“强奸小游戏”的黑暗面，呼吁大家共同抵制这种恶劣现象。 一、什么是“强奸小游戏”？ “强奸小游戏”是一种以暴力、色情为主题的游戏，玩家在游戏中扮演施暴者，对女性角色进行侮辱、伤害甚至强奸。这类游戏不仅内容低俗，而且严重违背了社会主义核心价值观，对青少年的身心健康造成了极大的危害。 二、“强奸小游戏”的危害 1. 传播低俗文化，污染网络环境。这类游戏的存在，使得网络环境变得乌烟瘴气，对广大网民的身心健康造成了负面影响。 2. 侵犯女性权益，助长性别歧视。游戏中对女性的侮辱和伤害，不仅是对女性权益的侵犯，更是对性别平等的践踏。 3. 损害青少年身心健康。青少年好奇心强，容易受到不良游戏的影响，长期接触这类游戏，可能导致心理扭曲，甚至走上犯罪道路。 4. 破坏家庭和谐。家庭成员之间若沉迷于这类游戏，容易导致家庭矛盾，影响家庭和谐。 三、如何抵制“强奸小游戏”？ 1. 提高自我防范意识。广大网民要自觉抵制不良游戏，增强辨别能力，避免沉迷于低俗内容。 2. 加强家庭教育。家长要关注孩子的游戏行为，引导孩子树立正确的价值观，远离不良游戏。 3. 完善法律法规。政府相关部门要加大对网络游戏的监管力度，严厉打击制作、传播“强奸小游戏”等违法行为。 4. 提高游戏企业社会责任。游戏企业要树立正确的价值观，自觉抵制低俗内容，为用户提供健康、有益的游戏产品。 总之，“强奸小游戏”是一种恶劣的网络现象，我们必须共同努力，抵制这种不良游戏，还网络一片清朗的天空。让我们携手共建文明、健康的网络环境，为青少年营造一个健康成长的空间。

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。