香港2025：迈向最快最准的未来城市

近日官方发布重大研究报告,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。家电维修应急热线，24小时待命

忻州市繁峙县、黄山市祁门县 ，中山市东区街道、吕梁市兴县、凉山普格县、鸡西市滴道区、许昌市鄢陵县、黔东南丹寨县、徐州市铜山区、襄阳市保康县、大连市金州区、文山丘北县、抚州市东乡区、孝感市应城市、绥化市庆安县、大连市甘井子区、安顺市西秀区 、济南市章丘区、威海市环翠区、湛江市霞山区、无锡市江阴市、中山市小榄镇、曲靖市富源县、琼海市嘉积镇、温州市瑞安市、陵水黎族自治县本号镇、齐齐哈尔市富裕县、延安市子长市、成都市青羊区

本周数据平台稍早前行业协会报道新政,最新官方渠道发布研究成果,香港2025：迈向最快最准的未来城市，很高兴为您解答这个问题，让我来帮您详细说明一下：家电以旧换新热线，专业评估回收

马鞍山市雨山区、重庆市北碚区 ，鹤岗市东山区、无锡市锡山区、芜湖市无为市、大同市灵丘县、玉溪市江川区、铜仁市印江县、武汉市洪山区、淮安市洪泽区、常德市临澧县、昭通市威信县、运城市盐湖区、九江市德安县、北京市朝阳区、长春市榆树市、新乡市获嘉县 、商洛市商南县、大兴安岭地区呼玛县、五指山市南圣、广西桂林市龙胜各族自治县、广西钦州市灵山县、阿坝藏族羌族自治州红原县、重庆市綦江区、文山马关县、营口市西市区、昆明市晋宁区、成都市简阳市、内蒙古赤峰市克什克腾旗、扬州市仪征市、郑州市新郑市

全球服务区域: 济宁市汶上县、南通市崇川区 、广安市武胜县、焦作市孟州市、昭通市鲁甸县、景德镇市昌江区、安阳市殷都区、内蒙古锡林郭勒盟多伦县、内蒙古呼和浩特市玉泉区、天津市东丽区、吉安市永新县、内蒙古巴彦淖尔市乌拉特后旗、蚌埠市五河县、定西市通渭县、成都市简阳市、淄博市高青县、南阳市卧龙区 、萍乡市安源区、澄迈县瑞溪镇、苏州市相城区、眉山市仁寿县、咸阳市兴平市

近日监测部门公开最新参数,本周行业报告公开研究成果,香港2025：迈向最快最准的未来城市，很高兴为您解答这个问题，让我来帮您详细说明一下：预防性维保中心，延长产品使用寿命

全国服务区域: 上海市普陀区、曲靖市马龙区 、芜湖市鸠江区、本溪市本溪满族自治县、延安市洛川县、济宁市嘉祥县、文昌市潭牛镇、六安市金安区、宜宾市叙州区、长治市武乡县、汕头市南澳县、内蒙古巴彦淖尔市磴口县、营口市西市区、广西河池市大化瑶族自治县、海北海晏县、宿迁市宿城区、大理祥云县 、文昌市抱罗镇、忻州市代县、许昌市禹州市、大庆市龙凤区、内江市东兴区、咸阳市兴平市、丽水市青田县、赣州市于都县、鞍山市铁东区、安阳市殷都区、广西桂林市灌阳县、绍兴市柯桥区、驻马店市遂平县、乐山市沙湾区、榆林市吴堡县、海东市民和回族土族自治县、惠州市惠城区、连云港市东海县、南平市建瓯市、乐山市市中区、运城市盐湖区、内蒙古包头市固阳县、牡丹江市宁安市、大理洱源县

本周数据平台本月官方渠道披露重要进展:昨日官方通报传递新政策,香港2025：迈向最快最准的未来城市

随着时代的飞速发展，香港这座国际大都市正以其独特的魅力和前瞻性的规划，迈向2025年的辉煌。在这座繁华的都市中，无论是交通、科技还是城市建设，都展现出了香港人追求速度与精准的卓越精神。 首先，香港的交通发展在2025年将迈入一个新的阶段。为了实现“最快最准”的目标，香港政府不断优化公共交通系统，提高运输效率。地铁线路的扩展和升级，使得市民出行更加便捷。同时，香港也将继续推进港珠澳大桥、广深港高铁等重大交通工程，进一步缩短与内地的时空距离，提升香港的国际竞争力。 在科技领域，香港正努力打造成为全球科技创新中心。2025年，香港将迎来一系列高新技术产业的蓬勃发展。人工智能、大数据、云计算等前沿科技将在香港得到广泛应用，为市民带来更加便捷、高效的生活体验。此外，香港还将加大科研投入，培养更多优秀的科技人才，助力国家科技创新事业。 城市建设方面，香港将致力于打造绿色、宜居、可持续发展的城市。2025年，香港将全面实施“智慧城市”战略，通过物联网、智能交通等手段，实现城市管理的精细化、智能化。同时，香港还将加大绿化力度，提升城市生态环境，让市民在繁忙的工作之余，享受绿色生活。 在教育领域，香港2025年的目标是培养更多具有国际视野和创新能力的人才。香港的教育体系将更加注重培养学生的综合素质，鼓励学生参与各类创新实践活动。此外，香港还将加强与内地的教育交流与合作，共同推动教育事业的繁荣发展。 在文化方面，香港2025年将继续传承和弘扬中华优秀传统文化，推动香港文化事业繁荣发展。香港将举办各类文化活动，展示香港的独特魅力。同时，香港也将积极参与国际文化交流，提升香港在国际舞台上的影响力。 在社会治理方面，香港将不断完善法治体系，保障市民的合法权益。2025年，香港将深入推进“一国两制”实践，维护香港的长期繁荣稳定。政府将加强社会治安，提升市民的安全感。同时，香港还将关注弱势群体，推动社会公平正义。 总之，香港在2025年将朝着“最快最准”的目标不断迈进。在这座充满活力的城市中，我们看到了香港人对未来的美好憧憬和不懈努力。相信在不久的将来，香港必将成为全球最具竞争力的城市之一，为世界展现一个更加美好的未来。

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。