本月行业报告公开重要信息,秋日水果盛宴：丝瓜、秋葵、草莓、香蕉与榴莲的绿色大全

今日国家机构披露行业新动向,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。全国标准化热线，维修过程透明可查

黄山市黄山区、荆州市监利市 ，凉山木里藏族自治县、雅安市汉源县、乐山市市中区、广西桂林市雁山区、杭州市拱墅区、韶关市新丰县、广州市越秀区、滁州市南谯区、眉山市彭山区、吕梁市临县、重庆市渝北区、宜昌市秭归县、临高县皇桐镇、昆明市官渡区、内蒙古巴彦淖尔市杭锦后旗 、广安市岳池县、内蒙古乌海市海勃湾区、西安市长安区、哈尔滨市木兰县、永州市江华瑶族自治县、昭通市镇雄县、中山市三乡镇、哈尔滨市呼兰区、芜湖市镜湖区、澄迈县加乐镇、内蒙古巴彦淖尔市五原县、滨州市无棣县

统一维修资源中心,本月行业报告披露新成果,秋日水果盛宴：丝瓜、秋葵、草莓、香蕉与榴莲的绿色大全，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务中心热线，电话网络全渠道

黔东南黎平县、合肥市肥东县 ，佛山市三水区、潍坊市寒亭区、大理洱源县、连云港市灌南县、黄冈市蕲春县、吕梁市离石区、岳阳市岳阳楼区、内蒙古鄂尔多斯市鄂托克旗、青岛市即墨区、广西柳州市融水苗族自治县、宜宾市筠连县、揭阳市榕城区、营口市站前区、株洲市天元区、鹤岗市东山区 、惠州市惠东县、昌江黎族自治县乌烈镇、九江市柴桑区、淮安市淮阴区、文昌市文城镇、萍乡市芦溪县、临汾市侯马市、抚州市宜黄县、青岛市胶州市、红河元阳县、内蒙古赤峰市翁牛特旗、芜湖市繁昌区、松原市乾安县、西双版纳景洪市

全球服务区域: 佳木斯市富锦市、黄冈市黄州区 、德阳市旌阳区、亳州市谯城区、苏州市吴中区、潍坊市诸城市、扬州市仪征市、滨州市无棣县、大连市西岗区、黔西南普安县、万宁市三更罗镇、保山市昌宁县、重庆市黔江区、衢州市龙游县、达州市达川区、新乡市卫辉市、哈尔滨市南岗区 、成都市崇州市、天津市津南区、内蒙古赤峰市阿鲁科尔沁旗、济南市平阴县、咸阳市三原县

在线维修进度查询,本月行业协会公开重大研究成果,秋日水果盛宴：丝瓜、秋葵、草莓、香蕉与榴莲的绿色大全，很高兴为您解答这个问题，让我来帮您详细说明一下：售后服务热线，专业团队保障质量

全国服务区域: 西安市莲湖区、定西市通渭县 、杭州市江干区、广西来宾市忻城县、台州市临海市、衢州市柯城区、巴中市南江县、玉溪市红塔区、襄阳市樊城区、泸州市泸县、九江市武宁县、信阳市淮滨县、滨州市阳信县、乐山市沙湾区、济宁市汶上县、周口市项城市、大庆市红岗区 、昭通市彝良县、曲靖市宣威市、烟台市栖霞市、北京市通州区、自贡市荣县、绵阳市游仙区、天津市西青区、广西柳州市鱼峰区、黔西南兴仁市、河源市和平县、安庆市潜山市、江门市江海区、内蒙古鄂尔多斯市鄂托克前旗、宁德市周宁县、陵水黎族自治县本号镇、昭通市绥江县、本溪市溪湖区、武汉市新洲区、开封市祥符区、东莞市清溪镇、宜昌市当阳市、盐城市大丰区、嘉兴市桐乡市、马鞍山市雨山区

全天候服务支持热线:刚刚研究机构公开最新成果,秋日水果盛宴：丝瓜、秋葵、草莓、香蕉与榴莲的绿色大全

秋天，是一个丰收的季节，大自然的恩赐让我们的餐桌变得更加丰富多彩。在这个季节里，不仅有金黄的稻谷、硕果累累的果实，更有那色彩斑斓、营养丰富的绿色蔬菜和水果。今天，就让我们一起来探索丝瓜、秋葵、草莓、香蕉与榴莲这五种绿色美食，感受秋天的独特魅力。 ### 丝瓜：清热解毒的绿色佳品 丝瓜，又称天丝瓜，是秋季餐桌上的常客。它口感清脆，营养丰富，具有清热解毒、润肺止咳的功效。丝瓜中含有丰富的维生素C、维生素B1、维生素B2以及矿物质钙、钾等，对于调节身体机能、增强免疫力都有很好的作用。 ### 秋葵：绿色蔬菜中的营养冠军 秋葵，又名羊角豆，是一种营养价值极高的绿色蔬菜。它含有丰富的蛋白质、维生素、矿物质和膳食纤维，具有降血糖、降血脂、增强免疫力等保健作用。秋葵的口感独特，口感滑嫩，既可以炒食，也可以凉拌，是秋季餐桌上的佳品。 ### 草莓：酸甜可口的水果皇后 草莓，被誉为“水果皇后”，是秋季最受欢迎的水果之一。草莓含有丰富的维生素C、维生素E、胡萝卜素以及多种微量元素，具有抗氧化、抗衰老、提高免疫力等功效。草莓的口感酸甜可口，既可以鲜食，也可以制作成果汁、果酱等美食。 ### 香蕉：能量满满的水果之王 香蕉，是一种营养价值极高的热带水果，被誉为“能量满满的水果之王”。香蕉含有丰富的碳水化合物、维生素、矿物质和膳食纤维，具有润肠通便、缓解疲劳、提高免疫力等作用。香蕉的口感软糯，既可以鲜食，也可以制作成香蕉饼、香蕉冰沙等美食。 ### 榴莲：香浓独特的热带果王 榴莲，被誉为“热带果王”，是一种极具特色的热带水果。榴莲的香味独特，口感浓郁，含有丰富的蛋白质、脂肪、维生素和矿物质，具有滋补身体、增强免疫力等功效。虽然榴莲的香味让人爱恨交加，但它的美味却是无可替代的。 在这五种绿色美食中，丝瓜、秋葵、草莓、香蕉和榴莲各具特色，既满足了我们的味蕾，又为我们的身体提供了丰富的营养。在这个收获的季节里，让我们尽情享受这五款绿色美食带来的美味与健康吧！

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。