通俗解释
每台设备放一部分专家，token 通过 all-to-all 通信被送到对应专家所在设备，再送回。它确立了 MoE 的“专家并行”训练方式和容量因子等工程做法。
用在哪里：大规模 MoE 训练框架
01原始论文
GShard: Scaling Giant Models with Conditional Computation and Automatic Sharding
Dmitry Lepikhin, HyoukJoong Lee, Yuanzhong Xu, et al. · 2020
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
相关：Switch TransformerZeRO / FSDP 数据并行
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
gshard)