香港豪仔马会最新消息：精彩赛事不断，马迷狂欢盛宴来袭！

本周行业报告披露政策新动向,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。智能回收评估系统，自动生成报价

自贡市大安区、济南市济阳区 ，温州市永嘉县、武汉市江岸区、晋中市榆社县、咸阳市淳化县、济宁市邹城市、池州市东至县、万宁市礼纪镇、龙岩市漳平市、东莞市樟木头镇、营口市站前区、文昌市昌洒镇、合肥市庐阳区、汕头市澄海区、梅州市大埔县、宣城市旌德县 、澄迈县永发镇、鹤壁市浚县、盘锦市大洼区、锦州市古塔区、榆林市府谷县、达州市宣汉县、吉安市永丰县、营口市老边区、北京市延庆区、贵阳市云岩区、东莞市横沥镇、达州市渠县

可视化故障排除专线，实时监测数据,今日监管部门披露新进展,香港豪仔马会最新消息：精彩赛事不断，马迷狂欢盛宴来袭！，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

渭南市华阴市、南平市建瓯市 ，儋州市雅星镇、江门市新会区、十堰市丹江口市、广西桂林市灌阳县、汕尾市陆丰市、长治市潞城区、海口市秀英区、澄迈县金江镇、德州市禹城市、内蒙古巴彦淖尔市乌拉特后旗、南京市浦口区、东莞市厚街镇、焦作市解放区、长春市绿园区、南昌市湾里区 、临沂市莒南县、南阳市内乡县、宜昌市五峰土家族自治县、太原市万柏林区、临沂市蒙阴县、新乡市延津县、黔东南榕江县、上饶市余干县、临沂市兰山区、贵阳市白云区、大同市平城区、乐东黎族自治县黄流镇、广西贺州市富川瑶族自治县、上海市静安区

全球服务区域: 大连市西岗区、咸阳市三原县 、内蒙古包头市白云鄂博矿区、南昌市西湖区、甘南舟曲县、铜川市王益区、文昌市会文镇、金华市东阳市、白沙黎族自治县阜龙乡、东莞市长安镇、广西百色市平果市、上饶市鄱阳县、广西钦州市灵山县、上海市嘉定区、昌江黎族自治县海尾镇、许昌市鄢陵县、云浮市新兴县 、内蒙古呼伦贝尔市陈巴尔虎旗、嘉兴市桐乡市、武汉市洪山区、衢州市柯城区、淮北市杜集区

在线维修进度查询,昨日业内人士传出行业新变化,香港豪仔马会最新消息：精彩赛事不断，马迷狂欢盛宴来袭！，很高兴为您解答这个问题，让我来帮您详细说明一下：家电问题反馈专线，多渠道受理投诉

全国服务区域: 重庆市城口县、曲靖市师宗县 、赣州市上犹县、海西蒙古族天峻县、洛阳市西工区、攀枝花市仁和区、广西桂林市全州县、温州市泰顺县、台州市天台县、天津市西青区、荆州市洪湖市、广西南宁市隆安县、临高县南宝镇、铜川市王益区、临高县临城镇、菏泽市鄄城县、佛山市高明区 、韶关市南雄市、延安市吴起县、万宁市三更罗镇、阿坝藏族羌族自治州小金县、吉安市庐陵新区、铜川市王益区、酒泉市阿克塞哈萨克族自治县、平顶山市宝丰县、遵义市绥阳县、内蒙古通辽市扎鲁特旗、惠州市博罗县、万宁市三更罗镇、赣州市赣县区、龙岩市漳平市、临汾市侯马市、商丘市睢阳区、达州市宣汉县、宁波市象山县、济南市平阴县、丹东市宽甸满族自治县、本溪市明山区、安顺市西秀区、凉山西昌市、蚌埠市蚌山区

刚刚应急团队公布处置方案:今日行业报告传递政策变化,香港豪仔马会最新消息：精彩赛事不断，马迷狂欢盛宴来袭！

近年来，香港马会一直以其精彩的赛事和丰富的活动吸引着无数马迷的目光。近日，香港豪仔马会传来最新消息，一系列精彩赛事即将展开，马迷狂欢盛宴即将来袭！ 首先，备受瞩目的香港国际马匹拍卖会将于本月举行。本次拍卖会汇集了来自世界各地的顶级赛马，为香港马会注入了新的活力。据悉，本次拍卖会的马匹品质极高，备受买家关注。此次拍卖会不仅为香港马会带来了新的血液，也为香港马术运动的发展注入了新的动力。 其次，香港马会将于本周末举办一场盛大的赛事——香港国际赛马日。届时，来自世界各地的顶级骑手将齐聚香港，展开一场激烈的角逐。据悉，本次赛事共有20场精彩赛事，包括香港国际一级赛、二级赛等。此外，还有多项趣味活动，如马术表演、儿童马术体验等，让马迷们尽情享受马术运动的魅力。 值得一提的是，香港马会为了回馈广大马迷，特别推出了优惠购票活动。马迷们只需提前购买赛事门票，即可享受折扣优惠。此外，香港马会还推出了会员积分制度，会员可通过参加赛事、购物等方式累积积分，兑换礼品或享受更多优惠。 此外，香港马会还关注社会公益，积极投身于慈善事业。近期，香港马会携手香港赛马会慈善信托基金，为香港的弱势群体提供帮助。此次慈善活动旨在传递爱心，让更多人感受到马术运动的正能量。 值得一提的是，香港马会一直致力于推广马术运动，让更多人了解和喜爱这项运动。为此，香港马会定期举办马术培训班，让市民有机会接触马术，感受马术的魅力。同时，香港马会还与学校合作，开展马术进校园活动，让青少年了解马术，培养他们的团队协作精神。 总之，香港豪仔马会最新消息传来，一系列精彩赛事和活动即将展开。作为香港马术运动的领军者，香港马会将继续为广大马迷带来更多惊喜。让我们共同期待这场马迷狂欢盛宴的到来，感受香港马术运动的独特魅力！

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。