在全球金融稳定性波动的大背景下，AI行业的供应链也受到了波及。近期，VC公司Lux Capital发出警示，随着企业违约率攀升至9.2%的近年高位，依赖AI技术的企业需将算力承诺落实到书面协议，握手约定已无法规避风险。而在这种不确定性中，另一种思路正在兴起：摆脱对外部算力基础设施的依赖，转向可在本地设备运行的小型AI模型。西班牙初创公司Multiverse Computing正是这一赛道的探索者，如今它正将其压缩AI模型推向更广阔的市场。
一直以来，Multiverse Computing在行业内保持着相对低调的姿态，但随着市场对AI效率的需求日益增长，这家公司开始进入更多视野。其核心技术是量子启发的模型压缩技术CompactifAI，借助这一技术，他们成功对OpenAI、Meta、DeepSeek和Mistral AI等头部AI实验室的模型进行了压缩，并推出了两款核心产品——CompactifAI应用程序和API门户，让这些轻量化模型获得更广泛的应用场景。
CompactifAI应用程序是一款类ChatGPT的AI聊天工具，但其最大的特色在于嵌入了名为Gilda的超小型模型。根据公司介绍，Gilda足够小巧，可在用户设备本地离线运行，这意味着用户的数据无需离开设备，也不需要网络连接，充分保障了数据隐私。不过，这一体验存在硬件门槛：用户的移动设备需要具备足够的内存和存储空间，部分旧款iPhone可能无法满足要求。当设备硬件不达标时，应用会自动通过API切换到云端模型，这一自动切换系统被命名为Ash Nazg——一个托尔金粉丝熟悉的名字，源自《指环王》中至尊魔戒的铭文。但切换到云端后，本地运行带来的隐私优势也就不复存在了。
从用户数据来看，CompactifAI应用目前的普及度还不高，Sensor Tower的数据显示，过去一个月其下载量不足5000次。这或许并非意外，因为Multiverse的核心目标用户并非普通消费者，而是企业客户。就在近期，公司正式推出了自助式API门户，让开发者和企业无需通过AWS Marketplace，就能直接访问其压缩AI模型。Multiverse Computing首席执行官Enrique Lizaso表示，这个API门户为开发者提供了透明可控的途径，让他们能够将压缩模型投入生产环境，而实时使用监控是其核心功能之一。
企业对小型压缩模型的兴趣，背后有着明确的商业逻辑。相较于大语言模型（LLMs），轻量化模型的算力成本更低，这在当前算力资源紧张、成本高企的环境下是极具吸引力的优势。同时，小型模型的能力边界也在不断拓展，不再是早期只能处理简单任务的“玩具”。就在不久前，Mistral AI更新了其小型模型家族，推出的Mistral Small 4同时优化了通用聊天、编码、智能体任务和推理能力，还发布了Forge系统，允许企业根据自身需求定制小型模型，在性能和成本间找到最优平衡。
Multiverse Computing的技术进展也印证了小型模型的潜力。其最新的压缩模型HyperNova 60B 2602基于OpenAI的开源模型gpt-oss-120b打造，公司称该模型相比原始模型响应速度更快、成本更低，在AI自主完成复杂多步骤编程任务的智能体编码工作流中优势尤为明显。
将模型压缩到能在移动设备上运行，同时保持足够的实用性，是一项巨大的技术挑战。苹果的Apple Intelligence采用了本地模型与云端模型结合的方式来规避这一问题，而Multiverse的CompactifAI应用也支持通过API调用gpt-oss-120b云端模型，但公司的核心目标始终是展示Gilda这类本地模型的独特价值——除了成本优势，在关键领域工作的人员能获得更高的隐私保障和系统韧性，更重要的是，这种技术能解锁更多特殊场景的AI应用，比如在无人机、卫星等无法保障稳定网络连接的设备中嵌入AI功能。
目前，Multiverse Computing已经服务了包括加拿大银行、博世和伊维尔德罗拉在内的100多家全球客户。在去年完成2.15亿美元B轮融资后，有传闻称公司正筹备新一轮5亿欧元的融资，估值将超过15亿欧元。随着AI行业从追求模型规模转向兼顾效率与实用性，Multiverse Computing这类专注于模型压缩和边缘AI的玩家，或许会在未来的AI生态中占据越来越重要的位置。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/multiverse-computing-fa-li-ya-suo-ai-mo-xing-tui-dong-bian
