Multiverse Computing 推出了突破性的 AI 模型 SuperFly 和 ChickBrain，挑戰了 AI 開發中「越大越好」的典範。這些緊湊模型分別僅有 9400 萬和 32 億個參數，在大幅縮減規模的同時保持令人印象深刻的性能。這項成就解決了 AI 部署的關鍵問題：環境影響、資源限制和可及性。這些模型實現了邊緣運算，增強隱私並擴展 AI 在各行各業的應用。這項突破可能將 AI 研究重新導向以效率為重點的方法，有可能讓 AI 技術更加民主化。在最近獲得資金的情況下，Multiverse 旨在進一步推進其量子啟發壓縮技術，標誌著 AI 開發可能朝向更永續和可及解決方案的轉變。
在人工智慧快速演進的領域中，長期以來存在著一個不成文的規則：越大越好。朝向擁有數十億甚至數兆參數的大型模型競賽一直佔據著頭條新聞，OpenAI 的 GPT-4、Anthropic 的 Claude 和 Google 的 Gemini 都在引領這場競賽。然而，一家歐洲 AI 新創公司正以突破性的方法挑戰這個典範，這可能從根本上改變我們對模型效率和可及性的理解。Multiverse Computing 完成了許多人認為不可能的任務——創造出一些有史以來最小的高性能 AI 模型，同時保持令人印象深刻的能力。
這家西班牙新創公司推出了兩個極其緊湊的 AI 模型，它們如此微小，以至於被幽默地以小動物的大腦命名。SuperFly 和 ChickBrain 代表了與業界朝向更大模型趨勢的重大背離，證明了智慧不一定需要大量的運算資源。這項發展標誌著 AI 研究的關鍵時刻，效率和可及性可能變得與原始性能同樣重要。
SuperFly 是 Hugging Face 開源 SmolLM2 135 的壓縮版本，僅以 9400 萬個參數運作——相當於蒼蠅大腦的大小，明顯小於原始模型的 1.35 億個參數。儘管有如此劇烈的縮減，SuperFly 在各種任務中仍保持令人印象深刻的性能。它的對應模型 ChickBrain 更為強大，擁有 32 億個參數，從 Meta 的 Llama3.18B 模型壓縮而來，為更複雜的應用提供增強的推理能力。這些模型利用 Multiverse 專有的量子啟發壓縮技術 CompactifAI，可以將大型語言模型（LLM）的大小減少高達 95%，同時保持其性能。對於有興趣深入了解這些模型的讀者，Hugging Face AI Models: A comprehensive guide 提供了關於模型架構的優秀背景資訊。
這項成就的重要性遠超過技術里程碑。隨著 AI 系統規模呈指數級增長，部署和運行它們所需的資源也同樣增長。訓練像 GPT-4 這樣的最先進模型需要龐大的運算基礎設施，消耗大量能源並產生可觀的碳排放。根據《環境科學與技術》期刊的研究，開發和部署大型 AI 模型的碳足跡已成為科技業日益關注的問題。像 SuperFly 和 ChickBrain 這樣的模型代表了 AI 開發的截然不同方法——一個在追求能力的同時優先考慮效率的方法。
這種以效率為重點的方法對環境的影響不容小覷。傳統的雲端 AI 實作需要設備與集中式伺服器之間持續的資料傳輸，在過程的多個點消耗能源。相比之下，邊緣 AI——直接在設備上部署模型——可以透過消除大部分資料傳輸需求來顯著減少這種能源消耗。AzoCleanTech 上強調的最近研究指出，像 Multiverse 開發的緊湊模型可以透過在本地低功耗硬體上運作來最小化運算需求，有助於整個科技業的永續發展目標。事實上，一些報告表明，與雲端替代方案相比，邊緣運算可能將 AI 的碳足跡減少高達 1000 倍。對於從事永續發展倡議的人士，像《氣候不確定性與風險》這樣的資源提供了在技術進步與環境責任之間取得平衡的寶貴觀點。
此外，這些緊湊模型解決了 AI 採用的最重大障礙之一：運算資源限制。許多組織，特別是中小型企業，缺乏實施大規模 AI 解決方案的基礎設施和財務資源。Multiverse 的方法透過降低部署的硬體需求，讓先進的 AI 能力變得更加民主化。這種可及性可能大幅擴展能夠從 AI 技術中受益的應用和產業範圍。
這些緊湊模型的實際應用眾多且具有潛在的變革性。邊緣運算——在資料來源附近處理資料，而非將其發送到集中式雲端伺服器——在這種規模的模型下變得更加可行。SuperFly 和 ChickBrain 可以直接在智慧型手機、物聯網設備和其他資源受限的硬體上運行，無需持續的網路連接。這實現了即時處理、透過本地資料處理增強隱私，以及在連接有限或無連接環境中的功能。開發者可以使用像 Arduino Giga R1 WiFi 這樣的設備來探索這些能力，它提供了適合邊緣運算應用的高性能微控制器。
對於行動設備而言，其影響特別重大。使用者可以擁有直接在設備上運行的先進 AI 能力，而不是依賴耗盡電池壽命並損害隱私的雲端處理。這可以實現更精密的語音助理、即時語言翻譯和內容生成工具，這些工具無需將敏感資料發送到外部伺服器即可運作。Multiverse Computing 創辦人 Román Orús 在最近的討論中強調了這一點，他表示：「我們可以將模型壓縮到如此程度，使它們能夠適配在設備上。」物聯網開發者已經可以開始使用像 M5Stack M5StickC PLUS2 這樣的開發套件來實驗這些方法，它為測試邊緣 AI 應用提供了優秀的平台。
在企業環境中，這些模型在部署靈活性、降低營運成本和增強資料安全方面提供優勢。組織可以實施 AI 解決方案，無需投資昂貴的雲端運算資源，也不用擔心對外傳輸敏感資料的安全影響。此外，這些模型的低能源消耗與日益增長的企業永續發展倡議相符。
Multiverse 成就的產業影響超越了直接應用。這項突破挑戰了將模型擴展到更大規模是改善 AI 性能主要途徑的普遍智慧。它表明，架構設計和壓縮技術的創新可能是同樣重要的進步途徑。這可能將研究努力和投資重新導向以效率為重點的方法，而不是單純增加模型大小。對於希望深入了解這些替代方法的讀者，《量子運算入門》提供了對支撐 Multiverse 壓縮技術的量子啟發技術的易懂見解。
高效 AI 模型的競爭格局正在因應這些發展而快速演進。數家科技公司已開始探索類似方法，認識到能夠在邊緣設備上有效運行的模型的市場潛力。這種競爭可能會加速該領域的創新，在不久的將來可能導致更高效和更有能力的模型。
Multiverse Computing 並未因此而自滿。該公司最近獲得了 2.15 億美元的資金來擴展其量子啟發壓縮技術。如其公司網站所述，這項投資將使他們能夠「進一步推進我們專注於提供壓縮 AI 模型的交付，這些模型以最少的基礎設施提供卓越性能」。在 Bullhound Capital 作為主要投資者的情況下，這筆資金反映了業界對模型效率重要性以及緊湊高性能 AI 系統潛在市場的日益認可。
根據 SiliconAngle 的報導，Multiverse 的技術承諾在不影響性能的情況下大幅降低 AI 推理成本。該公司聲稱其模型比同等的非壓縮版本快 4-12 倍，這轉化為推理成本降低 50-80%——在成本敏感的企業環境中這是一個重大優勢。
展望未來，AI 開發中規模與能力之間的平衡可能會顯著演進。雖然最大的模型將繼續推動可能性的邊界，但像 SuperFly 和 ChickBrain 這樣的高效模型可能成為實際 AI 實施的主力。在不需要大量基礎設施需求的情況下部署先進能力的能力，可能會大幅加速 AI 在各行各業和用例中的採用。
AI 的民主化——讓這些技術對組織和個人變得可及，無論其資源如何——最終可能證明是這項發展最重要的成果。隨著 AI 能力變得更加廣泛和可及，我們可以期待看到創新在意想不到的地方和應用中蓬勃發展。AI 的未來可能不會僅由擁有大量運算資源的科技巨頭主導，而是在使用高效、可及工具的創作者和實施者的多元生態系統中共享。
Multiverse Computing 的成就不僅僅代表一個技術里程碑——它標誌著我們如何處理 AI 開發和部署的潛在典範轉移。透過證明小確實可以是強大的，他們開啟了創造不僅有能力而且永續、可及和實用的 AI 系統的新可能性。隨著我們向前邁進，以更少資源做更多事情的能力可能成為人工智慧研究和實施中最受重視的能力之一。
