当量子计算遇上 AI 压缩：1.89 亿欧融资背后的算力效率革命
西班牙量子启发 AI 公司 Multiverse Computing 宣布完成 1.89 亿欧元 B 轮融资，本轮由 Bullhound Capital 领投，HP Tech Ventures、东芝、CDP Venture Capital 等全球战略投资者跟投。这家成立于 2017 年的初创公司，凭借量子物理启发的张量网络（Tensor Networks）技术，将大语言模型（LLMs）压缩率提升至 95%，同时保持原始模型精度，彻底改写了 AI 部署的硬件成本逻辑。
「业界普遍认为模型压缩必然伴随性能损失，但 Multiverse 正在颠覆这一认知。」创始人 Enrique Lizaso Olmos 指出，其核心产品 CompactifAI 通过解析神经网络内部数十亿虚假关联，实现对 Llama、DeepSeek、Mistral 等主流开源模型的深度优化。测试数据显示，压缩后模型推理速度提升 4-12 倍，数据中心算力成本降低 50-80%，而在极端压缩场景下，GPT-4 级模型可直接运行于消费级设备。
从实验室到产业化：张量网络如何破解大模型「部署困局」？
传统模型压缩技术（量化、剪枝）虽能缩小模型体积，但往往导致 10-30% 的精度损失，这也是企业级 LLM 部署依赖 GPU 集群的核心原因。Multiverse 联合创始人、量子物理专家 Román Orús 另辟蹊径，将量子多体物理中的张量网络理论引入神经网络优化 —— 通过矩阵分解技术识别模型中的冗余参数，在数学层面实现「无损压缩」。
这种跨学科创新带来的产业价值立竿见影：某自动驾驶公司采用 CompactifAI 后，车载视觉模型体积从 80GB 压缩至 4GB，却保持 99.2% 的障碍物识别准确率，直接推动端侧 AI 计算平台成本下降 60%。「我们不是在做简单的模型减肥，而是重构 AI 的计算底层。」Orús 强调，该技术已支持超 20 种主流模型架构，客户覆盖汽车、金融、医疗等关键行业。
科技巨头押注欧洲 AI 主权：HP、东芝为何重金入局？
本轮融资阵容堪称「全球科技联盟」：Bullhound Capital 合伙人 Per Roman 直言，Multiverse 的技术「正在加速欧洲 AI 主权进程」；HP 技术创新总裁 Tuan Tran 则表示，该投资旨在解决「大模型高成本部署的行业痛点」，其与 HP 边缘计算设备的整合已进入测试阶段。值得注意的是，东芝、Santander Climate VC 的加入，暗示压缩技术在低碳算力、绿色数据中心领域的潜在价值。
