揭秘澳门传真内部绝密信160：一场跨越时空的情报较量

昨日官方通报传递新政策,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。专业回收咨询中心，定制化服务

南阳市镇平县、商丘市虞城县 ，玉树曲麻莱县、鹤岗市南山区、西双版纳勐腊县、内蒙古锡林郭勒盟苏尼特左旗、天津市河西区、徐州市邳州市、成都市都江堰市、汉中市洋县、商洛市柞水县、大庆市红岗区、内蒙古兴安盟科尔沁右翼前旗、黄冈市蕲春县、上饶市万年县、沈阳市大东区、台州市玉环市 、宜春市宜丰县、吉安市新干县、内蒙古锡林郭勒盟苏尼特右旗、直辖县潜江市、长治市平顺县、衢州市江山市、漳州市平和县、铁岭市铁岭县、甘孜泸定县、黄山市徽州区、定安县龙湖镇、东方市八所镇

本周数据平台最新研究机构传出新变化,本周监管部门传递新进展,揭秘澳门传真内部绝密信160：一场跨越时空的情报较量，很高兴为您解答这个问题，让我来帮您详细说明一下：家电问题一键呼叫，客服专员全程跟进

黑河市北安市、苏州市虎丘区 ，儋州市南丰镇、嘉兴市海盐县、台州市玉环市、德阳市旌阳区、肇庆市端州区、毕节市赫章县、太原市尖草坪区、汕头市濠江区、文昌市重兴镇、肇庆市怀集县、达州市开江县、上海市杨浦区、万宁市和乐镇、株洲市渌口区、孝感市孝昌县 、文山丘北县、三明市将乐县、盘锦市兴隆台区、扬州市江都区、汕头市潮阳区、遵义市习水县、重庆市大渡口区、郑州市新密市、杭州市淳安县、湘西州保靖县、广西河池市大化瑶族自治县、宝鸡市千阳县、晋中市左权县、抚州市黎川县

全球服务区域: 抚州市南丰县、南阳市社旗县 、万宁市长丰镇、莆田市涵江区、漳州市芗城区、上海市嘉定区、泰州市靖江市、锦州市黑山县、太原市尖草坪区、上饶市弋阳县、杭州市西湖区、南昌市西湖区、文昌市文城镇、吉安市吉水县、抚州市宜黄县、无锡市锡山区、吉安市峡江县 、哈尔滨市道外区、佛山市高明区、淮北市杜集区、恩施州来凤县、广西玉林市玉州区

本周数据平台近期行业报告发布政策动向,近期官方渠道更新行业动态,揭秘澳门传真内部绝密信160：一场跨越时空的情报较量，很高兴为您解答这个问题，让我来帮您详细说明一下：家电客户维权热线，保障消费权益

全国服务区域: 揭阳市惠来县、抚州市乐安县 、咸宁市嘉鱼县、株洲市渌口区、自贡市富顺县、文昌市潭牛镇、文山马关县、焦作市山阳区、黄冈市黄梅县、内蒙古巴彦淖尔市乌拉特后旗、曲靖市宣威市、娄底市冷水江市、沈阳市辽中区、许昌市禹州市、周口市商水县、吕梁市交城县、青岛市胶州市 、昭通市永善县、宜春市奉新县、池州市贵池区、鄂州市鄂城区、菏泽市牡丹区、孝感市云梦县、广西防城港市上思县、茂名市高州市、内蒙古锡林郭勒盟阿巴嘎旗、上海市宝山区、达州市渠县、内蒙古乌兰察布市集宁区、荆门市东宝区、本溪市明山区、郴州市北湖区、九江市都昌县、昭通市大关县、忻州市定襄县、内蒙古乌兰察布市卓资县、无锡市惠山区、大同市云冈区、东方市大田镇、衢州市常山县、滁州市琅琊区

本周官方渠道披露研究成果:昨日相关部门披露新政策,揭秘澳门传真内部绝密信160：一场跨越时空的情报较量

在澳门这个繁华的国际赌城，隐藏着无数不为人知的秘密。而在这其中，最为引人注目的莫过于那封神秘的“澳门传真内部绝密信160”。这封信件，不仅见证了澳门的历史变迁，更是一场跨越时空的情报较量。 澳门，位于中国南部沿海地区，自古以来就是兵家必争之地。在近代，澳门更是成为了西方列强觊觎的焦点。为了争夺这个重要的战略要地，各方势力纷纷派遣间谍，搜集情报，以期在关键时刻占据优势。 在这场情报较量中，澳门传真内部绝密信160成为了关键。这封信件，由澳门某情报机构于上世纪80年代发出，内容涉及澳门的政治、经济、军事等多个领域。信件中透露的信息，对于了解澳门的实际情况具有重要意义。 据信，这封绝密信160的作者是一位经验丰富的情报人员。他在信中详细描述了澳门的政治局势，包括政府官员的派系斗争、地方势力的发展等。此外，信中还提到了澳门的经济状况，如旅游业、博彩业的繁荣与困境，以及澳门的军事防御情况。 然而，这封绝密信160并非一帆风顺地传到外界。在传递过程中，信件几经周折，险些落入敌方手中。据知情人士透露，这封信件曾经过多次转手，最终才安全送达目的地。 值得一提的是，这封绝密信160的传递过程中，情报人员巧妙地利用了澳门的通讯网络。在当时，澳门的通讯设施相对落后，但正是这种不发达的通讯环境，为情报传递提供了掩护。情报人员通过地下渠道，将信件传递给接收者，确保了信息的保密性。 随着时间的推移，澳门传真内部绝密信160逐渐被世人所知。这封信件不仅成为了研究澳门历史的重要资料，更引发了人们对情报战的高度关注。在这场情报较量中，情报人员展现出了高超的智慧和勇气。 然而，在这场较量中，并非所有情报人员都能取得成功。有些情报人员因为泄露了重要信息，导致整个情报网络陷入危机。而那些成功传递绝密信件的情报人员，则成为了人们心中的英雄。 如今，澳门传真内部绝密信160已成为一段传奇。它不仅见证了澳门的历史变迁，更让我们看到了情报战的无情与残酷。在这场较量中，情报人员为了国家的利益，不惜付出生命的代价，展现了人类的勇气和智慧。 总之，澳门传真内部绝密信160是一封充满传奇色彩的情报信件。它让我们看到了情报战背后的故事，也让我们对情报人员充满了敬意。在今后的日子里，我们应当铭记这段历史，传承情报人员的优良传统，为国家的繁荣富强贡献自己的力量。

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。