实验中：专家激活数量减少 62%，但是实际 latency减少的只有约4.9%。

论文测试中 aggressive MetaNet：

542.94ms → 516.52ms

仅降低约4.9%。

为什么？

因为 LLM 推理还有：

Attention

↓

Token dispatch

↓

Permutation

↓

GPU communication

↓

Synchronization

↓

Expert computation

减少专家，只减少其中一部分。

当前大模型的能力提升，很大程度上依赖参数规模的持续扩张。但参数量并非越多越好，在合适的位置增加参数，在冗余的位置减少参数，才是更高效的利用方式。MoE架构的稀疏激活特性，为这一思想提供了天然的技术载体。

MetaNet正是沿着这一思路的探索：在MoE模型中引入任务条件的逐层自适应调度，让专家资源根据实际需求动态流动。实验证明，这种“适得其所”的分配策略，能够在保持性能的前提下显著降低计算开销。

这一研究的价值不仅在于技术指标本身，更在于它所代表的解决思路，面对参数规模的指数级增长，我们不必总是“做加法”。在正确的位置做减法，同样是推动AI系统走向高效、经济、可持续的重要路径。