《全年免费资科大全：您的知识宝库，一网打尽！》

本周行业报告传递新动态,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。全国统一配件标准，质量保证无忧

昌江黎族自治县王下乡、重庆市武隆区 ，文山富宁县、内蒙古兴安盟扎赉特旗、漯河市舞阳县、平凉市华亭县、汉中市汉台区、东莞市万江街道、中山市神湾镇、太原市清徐县、广西百色市田林县、海西蒙古族都兰县、十堰市郧西县、漳州市芗城区、吕梁市兴县、广元市利州区、天水市武山县 、成都市蒲江县、新余市渝水区、重庆市合川区、长治市沁县、韶关市始兴县、苏州市常熟市、白沙黎族自治县元门乡、濮阳市清丰县、直辖县潜江市、齐齐哈尔市泰来县、大兴安岭地区呼中区、漳州市龙文区

本周数据平台近期数据平台透露新政策,近日行业报告披露重要信息,《全年免费资科大全：您的知识宝库，一网打尽！》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电售后专属热线，节假日无休服务

铜川市印台区、青岛市平度市 ，杭州市临安区、成都市崇州市、内蒙古阿拉善盟阿拉善左旗、内蒙古兴安盟突泉县、怀化市会同县、嘉兴市南湖区、达州市开江县、成都市崇州市、内蒙古锡林郭勒盟阿巴嘎旗、绍兴市柯桥区、新余市分宜县、果洛久治县、鸡西市城子河区、大同市云州区、乐山市沙湾区 、广西河池市天峨县、营口市老边区、南京市栖霞区、厦门市同安区、广西桂林市龙胜各族自治县、昭通市鲁甸县、赣州市会昌县、邵阳市洞口县、定西市漳县、辽源市龙山区、西宁市湟中区、保山市昌宁县、江门市新会区、岳阳市岳阳楼区

全球服务区域: 大同市浑源县、清远市连州市 、中山市民众镇、连云港市海州区、广西柳州市城中区、齐齐哈尔市铁锋区、宜宾市兴文县、广西贺州市八步区、驻马店市汝南县、合肥市肥东县、武汉市江岸区、玉溪市易门县、淮安市清江浦区、大连市西岗区、大连市普兰店区、成都市大邑县、烟台市龙口市 、内蒙古兴安盟突泉县、广西河池市东兰县、儋州市和庆镇、上饶市婺源县、伊春市铁力市

可视化故障排除专线,今日行业报告发布新政策变化,《全年免费资科大全：您的知识宝库，一网打尽！》，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障不用愁，客服热线帮您忙

全国服务区域: 南昌市安义县、泰安市肥城市 、信阳市息县、武汉市黄陂区、邵阳市大祥区、昆明市东川区、中山市坦洲镇、平凉市华亭县、汕头市南澳县、铜仁市思南县、威海市乳山市、阳江市江城区、保山市施甸县、绍兴市越城区、通化市梅河口市、汉中市南郑区、襄阳市樊城区 、安阳市滑县、东莞市中堂镇、深圳市盐田区、泰州市海陵区、张掖市肃南裕固族自治县、洛阳市汝阳县、扬州市广陵区、攀枝花市米易县、南京市溧水区、上饶市玉山县、曲靖市马龙区、云浮市罗定市、中山市民众镇、泰安市东平县、万宁市后安镇、北京市怀柔区、福州市闽清县、内蒙古鄂尔多斯市乌审旗、广西防城港市防城区、楚雄南华县、达州市万源市、本溪市溪湖区、茂名市茂南区、果洛玛沁县

专家在线诊断专线:本月官方发布行业新政策,《全年免费资科大全：您的知识宝库，一网打尽！》

在信息爆炸的时代，获取知识的方式多种多样，而免费资源更是让知识普及变得更加便捷。今天，就让我们来盘点一下那些全年免费资科大全，让您轻松拥有一座知识宝库。 ### 1. 在线图书馆 在线图书馆是全年免费资科大全中的佼佼者。如国家图书馆、上海图书馆等，都提供了丰富的电子图书资源。您可以通过网络免费阅读各类书籍，包括文学、历史、科技、艺术等各个领域。此外，许多在线图书馆还提供有声读物，让您在通勤、健身等碎片化时间也能享受阅读的乐趣。 ### 2. 在线课程平台 在线课程平台是学习新知识的好去处。如网易云课堂、慕课网、学堂在线等，这些平台提供了海量的免费课程，涵盖编程、外语、设计、营销等多个领域。您可以根据自己的兴趣和需求，选择合适的课程进行学习，全面提升自己的技能。 ### 3. 学术资源网站 学术资源网站是科研工作者和学生的必备工具。如中国知网、万方数据等，这些网站提供了大量的学术论文、研究报告、专利等资源。虽然部分资源需要付费，但仍有大量免费资源可供查阅，让您在学术研究过程中如虎添翼。 ### 4. 在线教育平台 在线教育平台为全民提供了学习的机会。如腾讯课堂、网易云课堂等，这些平台汇聚了众多知名讲师，提供了丰富的免费课程。您可以通过在线教育平台学习各类知识，如职场技能、生活技巧、兴趣爱好等，让自己在各个领域都能有所收获。 ### 5. 在线视频网站 在线视频网站是获取知识的重要途径。如优酷、爱奇艺、腾讯视频等，这些网站汇聚了大量的免费视频资源，包括纪录片、教育视频、娱乐节目等。您可以在这些平台上找到自己感兴趣的内容，丰富自己的业余生活。 ### 6. 在线论坛和社区 在线论坛和社区是知识交流的重要平台。如知乎、豆瓣等，这些平台汇聚了众多领域的专家和爱好者，您可以在这些平台上提问、回答问题，与其他人分享自己的知识和经验。 ### 7. 在线工具和软件 在线工具和软件为我们的生活和工作提供了便利。如在线翻译、在线计算器、在线办公软件等，这些工具和软件都是免费的，可以帮助您提高工作效率，解决实际问题。 总之，全年免费资科大全为我们提供了丰富的知识资源，让我们在轻松愉悦的氛围中不断学习、成长。只要善于利用这些资源，相信您一定能成为一个知识渊博的人。让我们一起开启这场知识之旅，探索无限可能吧！

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。