MoE 的关键不是专家多，而是路由稳

MoE 想拆开的就是这根绑带。它不让每个 token 都访问全部 FFN 参数，而是准备一组专家 FFN，再用
Router 给每个 token 选择少数几个专家。总参数可以很大，单次激活的参数仍然保持较小。