图片由Multiverse Computing提供

西班牙科技公司Multiverse Computing近期取得重大突破，其自主研发的"CompactifAI"技术成功获得1.89亿欧元融资，这项突破性成果引发业界广泛关注。这项技术的核心价值在于将大型语言模型的体积压缩至原有规模的5%，同时保持模型的推理能力不打折，为AI应用的落地提供了全新解决方案。

这项技术背后有着深厚的科研积淀，其研发团队由多位在量子计算领域深耕多年的专家组成。其中，联合创始人Román Orús教授曾主导多项张量网络研究，这项技术被广泛应用于深度学习模型的压缩领域。另一位创始人Enrique Lizaso Olmos则拥有丰富的金融行业经验，曾担任西班牙知名银行高管，为技术商业化提供了重要支撑。

技术亮点

CompactifAI的核心优势在于其独特的压缩算法，这项技术源自量子计算理论，通过张量网络构建模型压缩框架。与传统压缩技术相比，Multiverse的方案能将主流LLMs的体积缩减95%以上，同时保持推理性能稳定。以Llama 4 Scout为例，压缩后的版本在亚马逊云服务上每百万token的推理成本仅为10美分，相比原版14美分的成本大幅降低。

这种轻量化方案带来的应用场景更加广泛，不仅适用于云端计算，还能在个人电脑、手机、汽车、无人机等设备上运行。特别值得一提的是，连树莓派这样的微型电脑也能搭载这些压缩模型，为DIY爱好者提供了更多创新可能。这种技术突破让AI应用从数据中心走向终端设备，为边缘计算开辟了新路径。

市场价值

当前AI模型的存储和计算成本是制约其普及的关键因素，而Multiverse的解决方案正好击中这个痛点。通过将模型体积压缩至原有规模的5%，不仅降低了存储需求，还显著提升了计算效率。据测算，使用压缩模型的推理速度可达原版4-12倍，成本降低50%-80%，这对需要实时响应的场景具有重要价值。

这种技术优势在多个行业展现出应用潜力。在制造业，压缩模型可快速部署在生产线终端设备；在医疗领域，轻量级模型能支持移动设备上的实时诊断；在教育行业，小体积模型更利于在资源有限的地区推广。这些应用场景的拓展，为技术商业化提供了广阔空间。

行业影响

Multiverse的突破性技术正在改变AI模型的部署方式。传统模式下，大型模型需要专用服务器支持，而压缩技术让模型能在普通设备上运行，这种转变将推动AI应用从云端向边缘设备延伸。据业内人士分析，这项技术可能会催生新的商业模式，如模型即服务（MaaS），让用户按需获取压缩模型。

同时，这项技术也为AI行业带来了新的竞争格局。相比OpenAI等公司的专有模型，Multiverse的开源方案更具灵活性，开发者可根据需求定制模型规模。这种开放性让技术更具普惠性，有助于降低AI应用门槛，让更多企业享受到AI带来的效率提升。

技术细节

CompactifAI的压缩技术基于张量网络理论，这种计算工具最初用于模拟量子计算机，如今被成功应用于深度学习模型压缩。通过构建张量网络，Multiverse实现了对模型参数的高效编码，既保留了关键信息，又大幅减少存储空间。这种技术突破不仅解决了模型体积问题，还为模型优化提供了新思路。

在具体实施中，Multiverse提供了多种压缩版本选择，包括Llama 4 Scout、Llama 3.3 70B等主流模型。这些压缩版在保持性能的同时，显著降低了计算资源需求，使AI应用更具可扩展性。这种灵活的解决方案满足了不同场景下的需求，为技术落地提供了更多可能性。

团队实力

强大的技术团队是这项突破性技术的重要保障。Román Orús教授在张量网络领域的开创性研究，为技术奠定了坚实的理论基础。Enrique Lizaso Olmos的金融背景则为技术商业化提供了关键支持，这种产学研结合的模式，让技术成果更快速地转化为市场价值。

团队成员的跨领域背景，使得Multiverse能够在技术研发和商业应用之间找到平衡点。这种复合型团队结构，不仅提升了技术研发效率，也增强了市场适应能力，为技术的持续创新提供了保障。

未来展望

<，这项技术的突破为AI行业带来了新的发展契机。随着更多应用场景的拓展，压缩模型技术有望成为AI普及的重要推动力。Multiverse的创新方案，正在重新定义AI模型的部署方式，让智能技术更贴近普通用户，为行业发展开辟了新方向。