探秘“老奇人玄机资料中心”：揭秘神秘文化传承的宝库

今日官方渠道发布行业信息,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。家电深度清洁专线，彻底解决卫生问题

咸阳市彬州市、三门峡市卢氏县 ，池州市贵池区、晋中市祁县、宜春市万载县、临汾市安泽县、金华市永康市、眉山市东坡区、重庆市垫江县、汉中市勉县、大同市浑源县、淮安市洪泽区、文山西畴县、乐东黎族自治县利国镇、中山市南区街道、温州市永嘉县、南阳市方城县 、绵阳市游仙区、茂名市茂南区、武汉市江岸区、潍坊市临朐县、淮北市相山区、益阳市安化县、葫芦岛市连山区、无锡市锡山区、咸阳市杨陵区、扬州市宝应县、驻马店市西平县、汕头市澄海区

本周数据平台今日数据平台透露最新消息,今日官方通报新研究成果,探秘“老奇人玄机资料中心”：揭秘神秘文化传承的宝库，很高兴为您解答这个问题，让我来帮您详细说明一下：数字化回收平台，智能优化资源利用

宜宾市江安县、常州市新北区 ，双鸭山市集贤县、大兴安岭地区呼中区、哈尔滨市道里区、昌江黎族自治县石碌镇、茂名市化州市、安康市石泉县、酒泉市玉门市、丹东市振安区、鞍山市铁东区、牡丹江市穆棱市、通化市集安市、甘孜道孚县、昭通市昭阳区、内蒙古呼和浩特市和林格尔县、广西桂林市阳朔县 、广西柳州市鱼峰区、中山市东升镇、海北海晏县、杭州市上城区、焦作市孟州市、孝感市大悟县、锦州市古塔区、东莞市长安镇、乐东黎族自治县万冲镇、湛江市徐闻县、扬州市宝应县、内蒙古阿拉善盟阿拉善左旗、锦州市凌河区、广元市苍溪县

全球服务区域: 梅州市丰顺县、南充市蓬安县 、内蒙古赤峰市克什克腾旗、威海市环翠区、郴州市桂阳县、临沧市沧源佤族自治县、陇南市徽县、六盘水市六枝特区、万宁市山根镇、上海市普陀区、大庆市龙凤区、牡丹江市西安区、云浮市云安区、周口市项城市、临沧市镇康县、郑州市中牟县、九江市武宁县 、商丘市睢县、南昌市西湖区、鞍山市台安县、延安市黄陵县、内蒙古呼伦贝尔市扎兰屯市

专家远程指导热线，多终端,本月行业协会传达新研究成果,探秘“老奇人玄机资料中心”：揭秘神秘文化传承的宝库，很高兴为您解答这个问题，让我来帮您详细说明一下：家电深度清洁专线，彻底解决卫生问题

全国服务区域: 本溪市平山区、忻州市河曲县 、铜仁市沿河土家族自治县、内蒙古通辽市开鲁县、果洛久治县、邵阳市大祥区、苏州市常熟市、长治市襄垣县、吕梁市汾阳市、武汉市洪山区、周口市沈丘县、清远市连南瑶族自治县、怀化市溆浦县、澄迈县金江镇、中山市小榄镇、泸州市泸县、漯河市召陵区 、随州市随县、衡阳市耒阳市、渭南市临渭区、宁夏石嘴山市大武口区、朔州市平鲁区、韶关市乳源瑶族自治县、周口市太康县、宁夏固原市彭阳县、果洛久治县、宿州市泗县、湘西州古丈县、杭州市临安区、白沙黎族自治县金波乡、肇庆市广宁县、广西贺州市钟山县、昭通市巧家县、福州市永泰县、杭州市建德市、嘉峪关市峪泉镇、德阳市旌阳区、焦作市解放区、清远市阳山县、盐城市东台市、儋州市峨蔓镇

统一服务管理平台，智能监控质量:今日官方通报研究成果,探秘“老奇人玄机资料中心”：揭秘神秘文化传承的宝库

在繁华都市的某个角落，隐藏着一个神秘的地方——“老奇人玄机资料中心”。这里不仅收藏了大量的古籍秘籍，更是汇聚了众多神秘文化爱好者的聚集地。今天，就让我们揭开这神秘面纱，一探究竟。 “老奇人玄机资料中心”的创始人是一位年逾古稀的老人，他自幼酷爱研究神秘文化，历经半个多世纪，收集了无数珍稀资料。这位老奇人曾言：“我愿将一生所学，传承给有缘人，让神秘文化发扬光大。”正是这份执着与信念，让“老奇人玄机资料中心”成为了神秘文化爱好者的圣地。 资料中心占地面积不大，却别有洞天。一进门，便可见到琳琅满目的古籍、画卷、玉器等文物。这些文物见证了我国悠久的历史，也承载着神秘文化的精髓。资料中心分为多个区域，每个区域都有其独特的主题。 首先是“古籍区”，这里收藏了大量的古籍秘籍，包括道藏、佛经、易经、风水等。这些古籍中，不乏珍品，如《黄帝内经》、《道德经》、《易经》等。资料中心的工作人员会定期对这些古籍进行整理、修复，以确保其完好无损。 其次是“书画区”，这里收藏了众多古代书画作品，其中不乏名家的真迹。这些作品不仅具有较高的艺术价值，更是研究古代神秘文化的宝贵资料。资料中心定期举办书画展览，让更多爱好者有机会欣赏这些珍品。 “玉器区”则是资料中心的另一大亮点。这里收藏了大量的古代玉器，包括玉璧、玉琮、玉佩等。这些玉器造型精美，寓意丰富，是研究古代礼仪、宗教信仰的重要实物资料。 资料中心还设有“民俗区”，这里展示了我国各地的民俗风情，包括民间传说、民间艺术、民间信仰等。这些民俗资料为研究我国传统文化提供了丰富的素材。 在“老奇人玄机资料中心”，不仅有丰富的实物资料，还有一群热衷于神秘文化研究的专家学者。他们在这里交流心得，探讨学术，共同推动神秘文化的传承与发展。 资料中心还定期举办各类讲座、研讨会，邀请专家学者分享研究成果，让更多爱好者了解神秘文化的魅力。此外，资料中心还开展青少年教育项目，培养下一代的神秘文化传承者。 “老奇人玄机资料中心”虽不及大型博物馆那样富丽堂皇，却以其独特的魅力吸引着无数神秘文化爱好者。这里不仅是一个知识的宝库，更是一个心灵的港湾。在这里，人们可以找到心灵的慰藉，感受到神秘文化的博大精深。 总之，“老奇人玄机资料中心”是我国神秘文化传承的重要基地。在这里，我们看到了一位老奇人执着于神秘文化传承的信念，也看到了神秘文化在新时代焕发出的勃勃生机。让我们共同期待，在这片神秘文化的沃土上，绽放出更加绚丽的花朵。

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。