Multiverse Computing获5.7亿美元C轮融资：大模型压缩技术突破80-95%，边缘AI迈入高效时代

一家汽车工厂的质检摄像头正试图识别微小的零件瑕疵。过去，这需要把高清图像发上云端，等待数百毫秒后返回结果——在实时产线上，这个时差可能意味着几十件残次品已经流过工位。更大的痛点在于，维持这种云端智能的算力账单和能源消耗，正以远超良率改善的速度吞噬着工厂的利润。当“大模型等同于大算力”这条铁律从实验室写入每一个数据中心的预算表时，整个行业其实正在被一种基础假设绑架：强大的 AI 能力，必然以昂贵且集中的基础设施为前提。

这个假设在 2026 年的夏天，被一家来自西班牙巴斯克地区的公司撕开了一道裂口。Multiverse Computing，一家在量子物理与 AI 交叉地带潜伏了七年的软件公司，带着一项名为 CompactifAI 的模型压缩技术，正面挑战了这条行业共识。它的核心主张简单而反直觉：在不牺牲性能的前提下，将大语言模型的体积削减 80% 到 95%，并直接在手机、摄像头、卫星和工厂终端上流畅运行。这意味着，那些被云端束缚的智能，正在被成批量地释放到每一个边缘节点。

这种能力在今天获得了重量级资本的盖章确认。Multiverse Computing 宣布目标上限为 5.7 亿美元（约合 5 亿欧元）的 C 轮融资，投前估值达到 17 亿美元。这个数字较其 2025 年 6 月完成的 B 轮估值跃升了五倍。在这个 AI 行业大额融资逐渐趋于理性、投资者开始苛刻审视商业落地的阶段，一轮由产业资本和国家主权基金联合下注的超级融资，反向宣告了一个新效率周期的开始。

一副来自量子物理的数学框架，意外成了大模型瘦身的关键

Multiverse Computing 的诞生，源自一场跨越学科的嫁接。联合创始人兼首席科学官 Román Orús 博士在量子物理领域深耕多年，他的武器库中有一项名为“张量网络”的数学工具。这套框架最初被设计用来描述量子多体系统中指数级复杂度的关联，其核心思路是，用结构化的低维数组网络，去逼近一个高维空间中庞大且稀疏的信息矩阵。当 AI 产业在 2023 年前后一头扎进大模型的参数军备竞赛时，Orús 和他的团队从另一个方向看到了机会：这些巨型神经网络的权重矩阵，本质上也是一个高维张量，而张量网络正是对这类结构进行极限压缩的天然工具。

这项技术后来被封装成了 CompactifAI。它的工作模式并非传统的剪枝或量化，而是将训练好的大模型视为一个整体张量，用张量网络对其进行重新表达和压缩。根据公司公布的数据，这种压缩可以将模型体积削减 80% 至 95%，而精度损失被描述为“不显著”。这种性能的保持能力，是 CompactifAI 区别于传统压缩方案的核心壁垒。更关键的是，根据公司介绍，压缩后的模型不再只是一个需要 GPU 服务器宿主的文件，而是一个可以在边缘设备上直接推理的轻量化实体。

为了不让压缩后的模型变成孤岛，Multiverse 在产品架构中引入了一个智能路由层 CompactifAI Router。这个路由器负责在云端、本地服务器和边缘设备之间动态调度推理任务，隔离敏感数据，并将复杂的 AI 工作流编排成一个可插拔的软件层。这种设计使得企业的 AI 基础设施不必在公有云和本地化之间二选一，而是可以形成一个混合的、主权可控的算力网。这也是为什么投资方之一 Forgepoint Capital International 的管理合伙人 Damien Henault 会将 Multiverse 定位为“从下游 LLM 压缩技术，演进为完整的 AI 代工厂和操作系统”。

企业客户正在为极致的模型效率开出支票

即便拥有前卫的量子物理学背景，Multiverse Computing 的商业回报依然需要遵循企业级软件最古老的法则：要么大幅削减成本，要么开启此前无法达成的收入流。CompactifAI 恰好同时踩中了两条线。

从成本侧看，一个未经压缩的千亿参数大模型在云端进行一次推理，其算力与电力开销足以让任何大规模部署的经济模型崩溃。这在金融、制造、电信等正在大规模铺开 AI 应用的行业中，具有直接且可量化的吸引力。公司公布的客户名单——安联、加拿大央行、博世、Iberdrola、Indra、普华永道、西班牙电信——均来自对成本敏感且数据主权诉求强烈的领域，这暗示其商业谈判的切入点，更多是关于 AI 总拥有成本的重构，而非单纯的模型能力比拼。

从收入增量看，当大模型能够离线运行在卫星、无人机、汽车或工厂机器人上时，它所创造的价值已不仅是替代旧有云端服务，而是打开了此前因连接延迟或隐私限制而无法触碰的市场。公司披露，其模型已被部署到数百万台设备和系统中，包括无人机、摄像头、卫星、车辆以及电信基础设施，并且即将嵌入 AI PC。这种部署规模的增长是超出软件行业常规 SaaS 线性增速的，它更接近于一种基础设施层面的渗透。

一项最具说服力的数字来自增长本身：自 2025 年 6 月关闭 B 轮融资以来，公司年化收入增长了超过 10 倍，而 2026 年第一季度的销售额同比增长了 96 倍。尽管其绝对基数并未公开，但这种斜率表明，在 AI 价值链条最丰厚的效率层，愿意付费的需求已经从早期尝鲜者向主流企业蔓延。

没有硝烟的效率战场，巨头和对手都在加速涌入

Multiverse Computing 并非唯一看到 AI 效率危机的玩家。在广义的模型压缩与推理优化领域，一场争夺正在多个技术流派的参与下升温。

从全球科技巨头到创业公司，众多玩家正在推进模型压缩与推理优化技术。不过，许多解决方案深度绑定自身芯片或云服务生态。对于需要跨基础设施部署的行业客户而言，一个中立、多平台的软件层仍然是一个结构性空白。

在创业公司一侧，不同技术路径的玩家正在涌入模型优化赛道，但 Multiverse 基于张量网络的方法论，因其源自量子多体物理，提供了一种原理差异化的压缩拓扑结构。根据公司公布的数据，其技术可在 80% 至 95% 的压缩比下维持精度，形成了独特的技术护城河。不过，这种超常压缩比是否在所有模型架构和任务类型上都能稳定复现，仍然是一个需要持续验证的工程问题。目前披露的合作案例更多集中在语言模型和视觉模型领域，其在多模态、实时视频流分析等更复杂场景下的表现，可查证的公开数据还相当有限。

主权 AI 叙事正在重构资本流向

打量这轮 C 轮融资的投资者名单，会发现一个比技术路线更为深邃的信号。联合领投方中，Forgepoint Capital International 是专注数字基础设施的跨境基金，BNPP SIVF 背后是法国巴黎银行的气候与工业创新意志，Bullhound Capital 则是常年聚焦欧洲科技独角兽的精品投行。而在跟投名单里，HP Inc.、Orange Ventures、Scania Invest、卡塔尔开发银行、加拿大国民银行旗下风投 NAventures 等产业与主权资本呈现出了一种罕见的跨地域、跨行业聚集。

这套拼图的共同逻辑是“主权 AI”——即人工智能的算力与数据需要运行在受本地司法管辖、符合本国产业利益的基础设施之上。这在 2026 年的全球政治经济语境下，已不仅是口号，而是正在被欧洲、中东、东南亚等地政府写入预算的实际采购标准。当一个国家或大型企业集团决定搭建自主可控的 AI 基础设施时，耗电量和 GPU 采购成本便不再是单纯的财务问题，而是牵扯能源安全与供应链弹性的国策问题。Multiverse 的压缩技术，恰好能在不变的算力承载量上，将有效吞吐提升数倍，直接回应了这种地缘与技术交织的需求。

Damien Henault 的判断直白地指向了这一底层逻辑：“AI 行业在一个并非为此设计的基建模型上，建起了超凡的能力。这个数万亿美元市场的下一阶段赢家，将是那些能让每一个数据中心、每一颗 GPU、每一个企业部署都大幅提升效率的人。”这种言辞背后，是基础设施投资者对过往几年 AI 硬件过度投资的一次集体反思。毕竟，如果软件压缩能将单瓦电力产生的有效推理次数提升五倍，那么此前规划的半数数据中心可能变成冗余资产。这解释了为何主权基金和产业资本愿意在 C 轮以 17 亿美元估值入场——他们买的不仅仅是软件收入增长，更是一种对已经沉没的巨大硬件投资的保护。

从西班牙小镇生长出的平台野心

Multiverse Computing 的物理坐标在西班牙巴斯克自治区的圣塞巴斯蒂安，一座以美食和海滩闻名的海滨城市，而非传统意义上的全球科技中心。这种地理选择在创始人 Enrique Lizaso 的叙事中，被视为一种深思熟虑的战略。远离硅谷和伦敦的人才虹吸与过高运营成本，使得公司能够在相对稳定的环境中长期投入基础算法研究。Lizaso 本人拥有临床医学和数学复合背景，这种跨学科基因从创立之初就埋在公司的文化里。

但地理位置的边缘性，并不妨碍其商业版图的扩张。本轮融资的明确用途之一，是加强在东亚、东南亚、中东、加拿大和美国这些市场上已开始萌芽的区域存在。在 AI 基础设施的本土化浪潮中，一个来自中立小国的独立软件平台，有时反而比出身于超级大国的产品更容易被接受。不过，这种快速的地理扩张也暗含执行风险：当一家不到十年历史的公司试图同时进入文化、监管和商业习惯迥异的多个大陆时，其组织能力、本地化交付团队和管理带宽将承受巨大压力。目前公司尚未披露员工规模或各地区团队的具体配置，这是评估其扩张可持续性的一个关键缺位信息。

此外，值得注意的是，官方新闻稿将这轮融资的措辞表述为“目标上限为 5.7 亿美元”，暗示该轮次仍在募集中，相关承诺金未必已全部到账。在此前部分媒体表述中，这轮融资的状态存在从“已结束”到“正在要约”的差异。从已有报道看，核心条款可能已锁定，联合领投方可能已做出硬性承诺，但仍有部分额度处于对特定地域战略投资者的开放状态。这种结构可能是为了在不同市场寻找能够带来政策资源或渠道杠杆的本土资金，而非资金端存在缺口。

热钱散去之后，待验证的假设和真实风险

任何一笔 5 亿美元级别的融资，都会将公司置于严苛的聚光灯下。在 AI 泡沫讨论甚嚣尘上的 2026 年，Multiverse Computing 必须用接下来 12 到 18 个月的行动，回应几个无法回避的质疑。

第一个问题关乎收入质量。公司宣布的 10 倍年化收入增长和 96 倍 Q1 同比增长，其基数并未披露。如果去年的基数极小，那么这种增长倍率的含金量将大打折扣。目前能从公开信息确认的只有，收入增长的驱动力主要来自数百万台设备上的模型部署，这些部署是一次性授权费、按设备收费，还是持续性订阅，公司未作说明。对于一家立志成为“AI 代工厂和操作系统”的平台公司，持续性订阅收入的比例，是判断其商业护城河是否建成的最核心指标。

第二个待验证假设隐藏在技术优势的背后。张量网络在 80% 甚至 95% 压缩率下维持精度无损的说法，更接近一种在特定基准下的最优表现，而非对所有模型、所有任务的通用承诺。在实际企业部署中，压缩后模型可能在某些边缘场景下出现不可预知的性能退化。目前公开的客户列表中缺少对技术细节最为苛刻的互联网原生科技公司，这或许暗示，CompactifAI 在开发者生态和前沿模型架构上的适配广度仍需拓展。如果未来 OpenAI 等基础模型厂商在自身训练流程中内化了类似压缩技术，Multiverse 作为外部压缩层的价值空间就可能被纵向挤压。

第三个变量来自竞争者的逼近速度。虽然张量网络技术本身有深厚的数学壁垒，但 AI 领域的顶尖人才正在以空前速度向效率优化课题渗透。硬件厂商如 NVIDIA 正在通过系统级优化（如 TensorRT）将其 GPU 的推理效率不断推高，这类垂直整合方案对需要极致性能的客户有着天然吸引力。与此同时，隐身于大厂内部的量子计算团队也可能正在研究类似的张量网络压缩方案。Multiverse 的时间窗口并不宽松。

最后一个不容忽视的维度是估值。C 轮 17 亿美元投前估值，对应其未披露的绝对收入，市销率难以计算。但在当前欧洲 B2B 软件公司公开市场估值普遍回调的环境下，这个数字已经将未来 18 到 24 个月的高速增长预期全部内化。如果宏观经济再次震荡，企业 AI 支出出现周期性收缩，又或者某个关键的产品交付节点推迟，高估值本身就会成为后续融资和人才保留的沉重包袱。

资本在赌的，是一个更深层的基础设施变迁

退一步看，Multiverse Computing 这轮融资的真正标杆意义，并不只在其自身的成败。它折射出了整个 AI 产业在经历第一轮资本狂潮后，共识和资金的流向正在发生深刻偏移。如果说 2023 到 2025 年的主题是“谁能训练出最大的模型”，那么从现在开始，主导叙事的将变成“谁能用最小的代价、最灵活的方式，把智能塞进每一个需要它的地方”。

在这个新叙事下，效率不再是附属品，而是价值链条的核心。张量网络、稀疏化、蒸馏、新型芯片架构——所有通往更低功耗、更高吞吐、更广部署半径的技术路径，都将持续吸引资本和人才。这是一场关于 AI 基础设施产权和能耗总账的争夺，它不像上一个阶段的模型竞赛那般星光熠熠，但其产生的经济价值和社会影响，却可能更为根本。毕竟，只有当 AI 推理的边际成本降到足够低，它才有可能像电力和互联网一样，成为一种悄无声息渗透进每一寸工业肌体的通用背景能力。

RecodeX 极客视点：Multiverse Computing 的本质赌注，是用一种诞生于量子物理的数学工具，重新定义 AI 的经济适用边界。当对手还在试图让 GPU 集群跑得更快时，它让模型变轻了 80%，轻到能住进卫星和摄像头里。17 亿美元估值是对这个方向的认可，但真正的考验在于：压缩技术是否会从一种稀缺的外部服务，快速转变为所有云平台和芯片厂商的内部标配？在那天到来之前，Multiverse 需要用每一季的合同增长，证明自己所在的价值层足够独立、足够深厚。