华为在AI模型和硬件领域取得新进展，推出了新的MoGE架构和Pangu Pro MoE模型，旨在解决MoE模型在分布式推理中的负载不均衡问题。该模型针对华为昇腾芯片进行了深度优化，实验显示在昇腾NPU上实现了更好的负载均衡和更高的执行效率。这体现了华为软硬件结合构建AI生态的战略，为国内AI发展提供了新的可能性。
MoE模型的挑战与华为的解决方案
当前流行的大语言模型中，MoE（Mixture of Experts，专家混合）架构因其能以较低的计算成本利用庞大参数量而受到青睐。然而，MoE架构存在负载不均衡的问题，即部分“专家”被频繁调用，而另一些则很少，这在分布式部署时会影响效率。
为了解决这一问题，华为提出了MoGE（Mixture of Grouped Experts，分组专家混合）架构。MoGE的核心思想是在选择专家时进行分组，并确保在每个预定义的分组内激活相同数量的专家。这种设计天然地带来了更好的负载均衡，尤其是在推理阶段，能显著提升吞吐量。
Pangu Pro MoE模型与昇腾优化
基于MoGE架构，华为构建了Pangu Pro MoE模型。该模型总参数量达720亿，每次处理输入时激活160亿参数。华为对Pangu Pro MoE模型在自家的昇腾300I Duo和800I A2 NPUs上进行了深度优化。
实验结果表明，MoGE架构确实在昇腾NPUs上带来了更好的专家负载均衡和更高的执行效率，无论是训练还是推理。Pangu Pro MoE在单卡上的推理速度能达到1148 tokens/s，通过加速技术甚至可达1528 tokens/s，性能优于同等参数量或更小的密集模型。论文还指出，昇腾NPUs能够通过大规模并行化训练Pangu Pro MoE，使其在千亿参数以下的模型中具有竞争力，甚至超越了一些知名的开源模型。
软硬件结合构建AI生态
华为此次发布的新模型架构和优化成果，展示了其在AI领域的软硬件结合能力。通过推出新的模型架构MoGE并将其深度优化到自家的昇腾硬件上，华为正在构建一个从底层硬件到上层模型的完整AI生态。
这表明华为正试图在AI算力领域占据一席之地。对于开发者而言，这意味着未来可能会有更多基于昇腾硬件的、性能优异的开源模型出现，为国内的AI发展提供了新的选择和可能性。
帮助用户识别虚假产品评论的工具Fakespot在运营九年后正式关停，原因是其母公司Mozilla未能找到可持续的商业模式。Fakespot曾利用AI技术分析评论可信度，揭示了大量电商平台上的不可靠评论。这一关停决定引发了用户失望和社区对Mozilla战略以及假评论检测挑战的广泛讨论。
Fakespot：识别虚假评论的利器
Fakespot最初由创始人因自身被亚马逊假评论误导而创建，旨在帮助用户识别电商平台上的虚假产品评论。该服务利用AI技术分析评论模式、评论者资料等，判断评论的可信度。
Fakespot的技术能力不俗，曾有研究显示，亚马逊畅销商品的评论中约有43%不可靠，服装珠宝类商品甚至高达88%。这些数据凸显了假评论问题的严重性，以及Fakespot这类工具的价值。Fakespot后来获得融资，并于2023年被Mozilla收购，其技术被整合进Firefox浏览器，方便用户直接查看评论可信度。
Mozilla的关停决定与原因
尽管受到用户欢迎，Mozilla最近宣布关停Fakespot（以及另一服务Pocket），理由是未能找到一个可持续的商业模式，决定将资源重新聚焦于Firefox的核心功能和AI创新。
这一决定让许多依赖Fakespot的用户感到失望。在社区讨论中，不少人质疑Mozilla的战略，认为关掉一个解决实际痛点、有用户基础的服务似乎不太明智，可能是在整合或商业化方面出现了问题。
社区讨论与未来展望
关于Fakespot关停的讨论非常活跃。大家探讨了检测假评论的技术难度，认为这是一场永无止境的“猫鼠游戏”。同时，用户也在积极寻找Fakespot的替代品。
社区还在思考像Fakespot这样的服务如何才能持续运营下去，是应该采用订阅模式，还是有其他可能的商业路径。Fakespot的案例再次提醒人们，即使是解决实际问题的有用工具，也必须找到可行的商业模式才能长期生存。
一篇来自arXiv的论文声称在解决希尔伯特第六问题的一个