AI的万亿大脑里，每次只有3%的神经元会醒来——混合专家模型（MoE）如何悄悄统治了2026年的AI前沿

Sat, 10 Oct 2026 02:30:00 +0800

引言

想象你走进一家拥有200位专科医生的超级医院。

你因为感冒去看诊，结果200位医生——心脏外科、神经外科、骨科、产科、皮肤科——全部放下手中的工作，一起跑过来围着你转。每个人都认真地看了你一眼，给出了自己的判断，最后综合出一个结论。

这听起来很荒唐对吧？但你每天用的大语言模型，过去就是这么干的。

在传统的大模型（我们叫它"稠密模型"）里，你输入的每一个字，都要经过模型的全部参数。问一句"今天天气怎么样"，上千亿个参数全部启动；写一篇量子物理论文，同样上千亿个参数全部启动。没有区分，没有选择，一视同仁。

这就像一个永远把所有医生都叫上的医院——效率极低，但别无选择。

直到2026年，一种叫混合专家模型（Mixture of Experts，简称MoE）的架构，彻底改变了游戏规则。

MoE的想法其实特别简单：给医院配一个分诊护士。

你进来之后，分诊护士先看你的症状，然后只把你送到最相关的两三个专科医生那里。心脏外科、骨科、产科的医生继续忙自己的事，不用为你的感冒浪费时间。

在MoE模型里，这个分诊护士叫做路由器（Router）。而那些专科医生，叫做专家（Experts）。

具体来说，一个MoE模型长这样：

每一层网络里，不再只有一个巨大的处理模块，而是有很多个小的"专家网络"——通常是8个、64个、128个，甚至256个。前面站着一个路由器，它会"看"一眼你输入的每个词，然后决定：这个词应该送给哪几个专家处理？

路由器打分，选出得分最高的前k个专家（通常k=2到8），把词送过去。被选中的专家认真处理，没被选中的继续休息。最后把选中的专家的输出加权合并，送给下一层。

整个过程反复进行，一层又一层，直到生成最终的回复。

关键洞察：虽然模型总共有上千亿参数，但每个词只激活其中一小部分。这就意味着——AI可以用一个巨大的脑子思考，但每次只花一小部分的计算费用。

让我用数据说话。

截至2026年10月，全球最受关注的几个前沿开源模型：

模型	总参数	每次激活参数	激活比例
Mistral Large 4	1.05万亿	490亿	4.7%
小米 MiMo-V2.6 Pro	1.02万亿	420亿	4.1%
DeepSeek V4.1 Flash	5520亿	160亿	2.9%
Reflection AI Beam	5010亿	230亿	4.6%
Aleph Alpha Kolibri	781亿	34.6亿	4.4%

没有看错。Mistral那个1.05万亿参数的庞然大物，每次思考只用到4.7%的大脑。DeepSeek V4.1更极端——5520亿参数里只有160亿在工作，激活比例不到3%。

换句话说，这些AI每次思考时，97%的大脑都在沉睡。

但这恰恰是它们强大的秘密。

你可能会问：既然每次只用3%的参数，那为什么不直接造一个小模型？何必搞一个万亿参数的大家伙，然后只用其中一小部分？这不是浪费吗？

这个问题问得好。答案是：知识容量和计算成本是两回事。

想象一下：一个全科医生和一个有200个专科医生的医院，虽然你每次只看一个专科，但这家医院能治的病，远远多于那个全科医生。200个专科医生每人掌握的知识和技能，加起来构成了这家医院的总能力。你这次虽然只看了心内科，但下次你来看骨科的时候，骨科专家已经准备好了。

大模型也一样。1万亿参数的总容量意味着它"见过"和"记住"了海量的知识——不同语言、不同学科、不同领域的信息，分散存储在不同的专家网络里。路由器会根据你的问题，精确地找到最相关的那几个专家。

如果你只造一个490亿参数的稠密模型（相当于Mistral Large 4每次激活的量），它的知识容量就只限于490亿参数能装下的东西。但1.05万亿参数的MoE模型，知识容量是1.05万亿级别的，只是计算成本等同于490亿。

这就是MoE的魔法：用大模型的脑子，花小模型的钱。

一个更深层的问题来了：那些没被路由器选中的专家，它们在干什么？它们在"睡觉"吗？