Multiverse Computing 将其压缩 AI 模型推向主流市场
随着 AI 行业对计算效率的需求日益增长，西班牙初创公司 Multiverse Computing 正通过其压缩 AI 模型技术，为企业和开发者提供一种更高效、更私密的解决方案。在压缩了包括 OpenAI、Meta、DeepSeek 和 Mistral AI 在内的多家主流 AI 实验室的模型后，该公司推出了 CompactifAI 应用和 API 门户，旨在将压缩模型更广泛地推向市场。
背景：AI 供应链的财务不稳定性与本地化趋势
近期，风险投资公司 Lux Capital 警告称，由于私人公司违约率高达 9.2% 以上，AI 供应链正面临财务不稳定性。这促使依赖外部计算基础设施的企业重新评估其策略。一种可行的替代方案是转向更小的 AI 模型，这些模型可以直接在用户设备上运行，无需数据中心或云服务提供商，从而降低对手方风险。Multiverse Computing 正是抓住了这一趋势，通过其量子启发的压缩技术，将大型模型压缩为更小、更高效的版本，使其能够在本地设备上离线运行。
产品发布：CompactifAI 应用与 API 门户
Multiverse Computing 推出了 CompactifAI 应用，这是一款类似于 ChatGPT 或 Mistral 的 Le Chat 的 AI 聊天工具。该应用的核心优势在于嵌入了 Gilda 模型，这是一个极小的模型，据公司称，可以在本地和离线环境下运行。对于终端用户来说，这提供了边缘 AI 的体验，数据无需离开设备，也无需网络连接。然而，应用存在限制：移动设备需要足够的 RAM 和存储空间。如果设备不满足要求（例如许多旧款 iPhone），应用会自动通过 API 切换回基于云的模型。这种本地与云处理之间的路由由名为 Ash Nazg 的系统自动处理，但切换到云模式会失去主要的隐私优势。
尽管 CompactifAI 应用目前下载量较低（过去一个月少于 5,000 次），但 Multiverse Computing 的真正目标是企业市场。公司同时推出了 自服务 API 门户，让开发者和企业能够直接访问其压缩模型，无需通过 AWS Marketplace 等平台。这简化了集成过程，并可能降低成本和延迟。
行业意义：压缩模型在 AI 效率竞赛中的角色
在 AI 行业，模型压缩技术正变得越来越重要，因为它有助于解决计算资源紧张和隐私问题。Multiverse Computing 的举措反映了行业向更轻量级、本地化 AI 解决方案的转变。通过压缩主流模型，该公司不仅展示了技术能力，还为开发者提供了更多选择，特别是在需要数据隐私和低延迟的场景中。
挑战与前景
尽管压缩模型带来了优势，但 CompactifAI 应用在普及方面仍面临挑战，如设备兼容性和隐私权衡。然而，随着 AI 效率需求的增长，Multiverse Computing 的 API 门户可能成为企业采用压缩模型的关键入口。未来，如果公司能进一步优化技术并扩大合作伙伴网络，其压缩模型有望在主流 AI 应用中占据一席之地。
总的来说，Multiverse Computing 的发布是 AI 行业向高效、本地化解决方案演进的一个缩影，为应对供应链风险和隐私关切提供了新思路。