文章以Qwen3-Coder-FP8模型为例，详细分析了其62层Transformer结构，包括Attention和MoE-FFN两部分。计算显示，Attention部分仅占参数量的2%，而MoE-FFN部分占比97.5%。通过分析GQA和MoE架构，文章指出FFN部分的高效并行实现是多卡部署的关键。当序列长度超过8.7K时，Attention计算开销将超过FFN。
模型介绍
为具体说明，本文以 Qwen3-Coder-FP8 模型为例进行估算。模型主体由62层transformer decoder组成，每层有 Attention 与 FFN 两部分串行。因为Qwen3-Coder-FP8 是一个MoE模型，这里要将图1中 MLP Layers 替换为图2的 MoE-FFN 结构。（图1右上的超参数与Qwen3-Coder-FP8无关，Qwen3-Coder-FP8模型信息见https://www.modelscope.cn/models/Qwen/Qwen3-Coder-480B-A35B-Instruct-FP8/file/view/master/config.json?status=1）。
图1 transformer内部计算细节
图2 moe FFN layer由多个小矩阵（experts）组成
此外需要注意，Qwen3-Coder-FP8在Attention模块中采用了Grouped-query Attention（GQA），以优化KV Cache的显存占用。GQA与原始的多头注意力（MHA）的核心区别在于：GQA将查询头（q heads）分组并共享同一组键值头（kv heads），大大减少kv heads的数量。
图3 GQA通过共享KV优化KV cache大小
整个模型由62个Transformer层串行堆叠。因此，我们只需剖析清楚其中一层的结构即可。以下是Qwen-Coder-FP8的部分模型信息（model config），将为后续的定量计算提供依据。
"head_dim": 128, "hidden_size": 6144, "model_type": "qwen3_moe", "moe_intermediate_size": 2560, "norm_topk_prob": true, "num_attention_heads": 96, "num_experts": 160, "num_experts_per_tok": 8, "num_hidden_layers": 62, "num_key_value_heads": 8,我们在kv cache一文[1]中介绍过大模型推理分为prefill和decode的两个阶段，可作为背景知识进行阅读。
MoE模型参数量
首先进行参数量计算：Qwen3-Coder模型总参数量为480B（4.8×10¹¹），这些参数主要来自于Attention和FFN两大模块。
Attention部分
Attention部分的参数量来自Q、K、V、O四个矩阵（对应图1中左下的四个Linear块），四个矩阵所包含的参数量计算如下：
- Q：输入维度是hidden_size = 6144，输出维度是num_attention_heads × head_dim = 96 × 128 = 12288；
- K、V：输入维度是hidden_size = 6144，输出维度是num_key_value_heads × head_dim = 8 × 128 = 1024；
- O：输入维度是num_attention_heads × head_dim = 96 × 128 = 12288，输出维度是6144（进行维度还原）。
每层transformer中Q、K、V、O四个矩阵的参数量之和是6144 × 12288 + 6144 × 1024 × 2 + 12288 × 6144 = 163577856，总共62层layers，共计163577856 × 62 ≈ 10B。
FFN部分：专家参数量
每层Transformer包含160个专家，每个专家由两个矩阵构成，形状分别为(6144, 5120)和(2560, 6144)。其中，中间状态的维度从5120变为2560，是经过act\_and\_mul\_kernel激活函数处理的结果。由此，单个专家参数量为：(6144 × 5120) + (2560 × 6144) = 47185920。模型62层所有专家的总参数量则为：47185920 × 160 × 62 ≈ 468B。
Attention和FFN两部分参数量之和为478B，与模型公布的480B总参数量相吻合，验证了计算的准确性。计算参数量占比可知，Attention部分仅占约2%，而MoE-FFN部分则占比97.5%。因此，将模型多卡分布部署的关键之一在于高效实现FFN部分的专家并行（EP）或张量并行（TP），并行策略后续再结合当前开源框架进行讨论。
MoE模型推理计算量估算
在以下计算量分析中，简单起见，我们主要考虑占主导地位的矩阵运算，而忽略LayerNorm、Softmax等逐元素操作的计算量。以下只计算一层transformer中的计算量。
Attention部分的计算量
Attention部分计算量（假设当前正在处理第N个token，bs=1）如下：QKV投影计算量为 (6144×12288 + 6144×1024×2) × 2 = 176947200 FLOPs（最后乘以2是因为统计了乘法运算次数和加法运算次数总和）。
QK相关性计算量为 128×2×96×N = 24576N FLOPs，这里128是head的维度，每个q head和N个k head分别进行点积运算，每次点积运算的计算量是128×2 FLOPs，因为有96个key heads，序列长度为N，所以QK相关性计算量为128×2×96×N；加权求和计算量同样为 128×2×96×N = 24576N FLOPs。
最后输出投影还原维度的计算量为 12288×6144×2 = 150994944 FLOPs。
以上几部分计算量之和为327155712 + 49152N FLOPs。
FFN的计算开销
FFN的计算量主要来自两次GEMV：[1, 6144]×[6144, 5120] 与 [1, 2560]×[2560, 6144]，对应 (6144×5120×2 + 2560×6144×2) FLOPs。因采用Top-8路由，故每层FFN总计算量需乘以8，即为 (6144×5120×2 + 2560×6144×2) × 8 = 754974720。
单层总计算量可近似为 (327155712 + 49152N) + 754974720 FLOPs。经计算，当序列长度N > 8.7K时，Attention的计算开销将超过FFN。以上分析仅聚焦于计算量，未考虑访存瓶颈。针对KV Cache的显存与计算优化（如MQA、GQA、MLA及Linear Attention等技术），我们将在后续文章中单独进行探讨。
最后
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。
我整理出这套 AI 大模型突围资料包：
- ✅AI大模型学习路线图
- ✅Agent行业报告
- ✅100集大模型视频教程
- ✅大模型书籍PDF
- ✅DeepSeek教程
- ✅AI产品经理入门资料
完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
为什么说现在普通人就业/升职加薪的首选是AI大模型？
人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。
智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200%，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。
AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。
资料包有什么？
①从入门到精通的全套视频教程⑤⑥
包含提示词工程、RAG、Agent等技术点
② AI大模型学习路线图（还有视频解说）
全过程AI大模型学习路线
③学习电子书籍和技术文档
市面上的大模型书籍确实太多了，这些是我精选出来的
④各大厂大模型面试题目详解
⑤ 这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势，构建起"前沿课程+智能实训+精准就业"的高效培养体系。
课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！
如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**
