不追求更大模型，Multiverse Computing 獲 5.7 億美元 C 輪融資，用量子物理讓 AI 變得更小、更省錢

逆向操作：讓 AI 瘦身

不同於其他 AI 公司募集巨資以建造更大規模的模型，Multiverse Computing 押注 AI 的未來在於讓現有模型變得極度高效且便宜。其核心技術 CompactifAI 使用一種被稱為「量子啟發張量網絡」的數學結構——這套結構最初由物理學家用來模擬量子系統——來壓縮大型語言模型。根據該公司於 2024 年 1 月發表在 arXiv 上的同儕審查論文，該技術能將模型壓縮最多 93%，同時保留約 97% 的原始準確度 。

CompactifAI 如何運作？

CompactifAI 透過一種特定的張量網絡，將 Transformer 模型中的「自注意力層」與「多層感知器層」進行「張量化」。這個過程能有效地截斷模型內部的相關性，壓縮的程度可由張量網絡的「鍵維度」來控制。經過短暫的分布式再訓練後，壓縮後的模型可以恢復大部分原始準確度 。

在一項基準測試中，該團隊展示，將 CompactifAI 與量化技術結合，可以將 Meta 的 LLaMA-2 7B 模型的記憶體大小減少 93%，參數數量減少 70%，訓練時間加速 50%，推理速度提升 25%，而準確度僅下降 2-3% 。歐盟的 EuroHPC Joint Undertaking 也獨立驗證，僅使用 CompactifAI 就能將 LLaMA-2 7B 模型壓縮至原始大小的 30%，並在再訓練後恢復超過 90% 的準確度 。

該公司後續還推出了更多壓縮版本，包括 Llama 3.1-8B 與 Llama 3.3-70B 的 80% 壓縮版，號稱能實現參數減少 60%、能源效率提升 84%、推理速度加快 40%，以及成本降低 50%，且不犧牲準確度 。2026 年 2 月，Multiverse 更在 Hugging Face 上開源釋出了 HyperNova 60B，這是 OpenAI 的 gpt-oss-120B 模型壓縮 50% 後的版本 。

從量子演算法到 AI 壓縮

Multiverse Computing 最初是一家量子演算法公司，在創辦人兼執行長 Enrique Lizaso Olmos 的帶領下，後來轉型投入 AI 模型壓縮 。該公司將其在量子物理領域的核心專業——特別是張量網絡數學——應用於開發 CompactifAI，因為他們發現，原本用來近似複雜量子系統的數學工具，同樣能有效地壓縮神經網路的權重 。

驚人的成長軌跡

本輪 C 輪融資背後是爆炸性的成長。該公司報告指出，自 2025 年 6 月的 B 輪融資以來，其年化營收增長超過 10 倍 。一份引用的報告更指出，其 2026 年第一季的銷售額年增率達到了驚人的 96 倍 。

根據分析，相較於其年化營收，其 17 億美元的估值上限大約是 17 倍，顯示投資人正以溢價買入能讓 AI 更省錢的軟體基礎設施 。

資金用途與市場佈局

Multiverse Computing 表示，本輪資金將用於擴充其高效模型庫、持續研發、投入主權 AI 基礎建設與軟體，以及在東亞、東南亞、中東和加拿大建立營運據點 。該公司目標是將部署擴展到製造、金融、能源、航太、網路安全、國防與醫療保健等產業 。