Multiverse Computing NABS 2.15億美元:新的AI壓縮技術的尺寸為95％，精度為97％

西班牙啟動Multiverse Computing已獲得具有里程碑意義的1.89億歐元（約2.15億美元）的B系列資金回合，以擴展可以從根本上改變人工智能經濟學的技術。該公司的量子啟發的軟件Compactifai旨在壓縮強大的大語言模型（LLMS）的大小高達95％，此舉旨在削減AI的巨大運營成本，並使高級模型能夠在遠離雲的日常設備上運行。

href=“ https://multiversecomputing.com/resources/multiverse-computing-raises-usd215m-to-scale-scale-coundroble-break-wrabswarlogy-technology-technology-that-c​​ompresses-that-tak-llms-by-“ target=“ _ blank”>宣布來自多個參與者的競選者，包括大量參與者，包括大量參與，包括大會的參與者，包括牛市的大量參與者， VC。 Multiverse擁有包括Bosch和Canada Bank在內的全球160份專利和100個客戶的投資組合，正在解決AI行業中最大的障礙之一:運行模型的驚人成本，這一過程稱為推理。該公司的技術有望使這些型號更快4倍至12倍，這可以轉化為推理成本降低50％至80％。

這種資本的注入直接針對Polaris Market Research估計是。通過巨大的縮小模型，例如駱駝和米斯特拉爾（Llama）和米斯特拉爾（Mistral），多宇宙打算使不僅在數據中心，而且在PC，智能手機，汽車，甚至像Raspberry Pi這樣的微型計算機上運行精緻的AI。該公司首席執行官Enrique Lizaso Olmos說:“普遍的智慧是縮水llms是有代價的。 src=“ https://winbuzzer.com/wp-content/uploads/2025/06/multiverse-computing-compactif-compactif-compactif-ai-ai-ai-model-compressor.jpg”>

技術:量子物理學:量子物理學符合神經網絡 壓縮技術。 Compactifai不用使用量化或修剪等標準方法，而是採用張量網絡，這是一個受量子物理學啟發的數學框架，以重建神經網絡的複雜體系結構。這種方法是由Multiverse聯合創意者和首席科學官RománOrús在其的中 ，該公司可以在

神經網絡的工作，以消除數十億個虛假相關性，以真正優化各種AI模型。 “結果，如A 公司論文 是ARXIV上發布的，是壓縮比，是一種遠遠超過傳統方法的壓縮比。對行業標準技術的顯著改善，可能會導致較小尺寸的降低少得多的精度損失。

這種“有損”但高效的方法與諸如DFLOAT11技術之類的“無損”方法相反。如其研究論文，dfloat11的創建者認為，對於敏感應用，對於敏感的應用而言，要確保損失的方法是至關重要的。 Multiverse敢打賭，對於大多數應用，其尺寸的一小部分是一個成功的公式。

$ 2.15億美元的AI效率下注

大規模融資回合不僅是對Multiverse Technology的信心投票，而且是對歐洲技術的重要活動的投票。根據 Quantum 2025’報告的最新報告歐洲量子啟動的最新雜誌，歐洲量子啟動量不足，這是一定數量的全球範圍。 Eutier。 A 最近的市場報告來自SNS Insider on Edge AI芯片芯片中的target=“推理細分市場大約佔2024年市場總收入的75％。通過使該過程更便宜，更有效的多元宇宙位置本身作為其AI IS基金會堆棧中的基礎層，並在其AI INSTACK堆棧中提供其 compactifai產品頁面。

擁擠的競賽縮水ai

多元cerse的公司與各種公司的效率不同。 While Multiverse focuses on compressing the static model for inference, other innovations target different parts of the AI lifecycle.

For instance, Alibaba’s ZeroSearch framework was developed to slash the costs of training an AI by simulating search engine interactions, as detailed in a 科學論文 arxiv上。同時，Sakana AI的內存優化系統通過動態管理模型的主動內存或KV緩存來提高長篇小說任務的效率。

朝向邊緣的推動也正在看到新的協作。 In a new collaboration, Nota AI and Wind River are working to deploy generative AI models directly on edge devices in the automotive and IoT部門。 Avijit Sinha of Wind River affirmed the importance of this trend, noting that “AI model optimization and software-defined automation will be key”to unlocking new applications at the edge.

Unleashing AI from the Data Center

The ultimate goal of these efficiency gains is to power an “AI on the Edge”revolution, moving intelligence from centralized cloud servers onto local devices.這種轉變是由幾個關鍵好處驅動的，包括對低延遲響應的需求，通過保持數據設備的數據來增強用戶隱私以及降低運營成本。

這是HP Tech Ventures這樣的投資者正在依靠的未來。惠普技術與創新總裁Tuan Tran解釋說，Multiverse的方法通過使AI更容易在邊緣訪問，可以為任何規模的公司帶來增強的績效和隱私等收益。

商業機會是巨大的，而Edge AI市場的預計到2224億美元，超過2032億美元，將Edge AI的貨幣從2032美元中付出了222億美元。 Multiverse不僅削減成本，還旨在重新定義在哪里以及如何使用人工智能。