一句话定义：共享专家（Shared Expert）是混合专家模型（Mixture-of-Experts, MoE）中那部分“每个 token 都会经过”的专家，不依赖路由器（router）挑选，专门处理通用、公共的知识。
先看普通 MoE 怎么工作。一个 Transformer 层里，原本的 Feed-Forward Network（FFN）被拆成很多个“专家”。每个 token 进来，路由器会打分，只选 top-k 个专家参与计算。这样总参数量可以很大，但每个 token 实际激活的参数量较小，既省算力，又能让不同专家学不同模式。
问题是：如果所有专家都只被“偶尔选中”，那么像语法、常见搭配、基础常识这类公共知识，就可能被很多专家重复学习，浪费容量；同时路由一波动，输出容易不稳定。共享专家的思路很直接：留一个或几个专家永远激活，所有 token 都过一遍。它像一个公司的公共支持部门——财务、法务、行政永远在岗，项目组则按需调用后端、算法、设计等专家。公共部门处理大家都要用的基础事务，项目专家就能更专注细分能力。
它和路由专家（Routed Expert）的区别可以这样看：
| 维度 | 共享专家 | 路由专家 |
|---|---|---|
| 是否总是激活 | 是，每个 token 都过 | 否，由路由器按 token 选 |
| 主要职责 | 通用知识、稳定表征 | 细分模式、专业能力 |
| 计算特征 | 固定开销，构成延迟下限 | 稀疏激活，随路由变化 |
| 训练作用 | 减少重复学习，稳住输出 | 提供容量和 specialization |
它也不是“稠密 FFN”的简单回归。共享专家通常只是 MoE 中的一小部分，整体仍然是稀疏激活；它更像是给稀疏系统加了一根“公共底座”。另外，不同 MoE 设计差异很大：有的模型有共享专家，有的没有；共享专家放在哪些层、有几个，也各不相同，具体以官方页面或论文为准。
对从业者来说，理解共享专家有两个实际意义。第一，读 MoE 论文时，要区分“总参数量”和“每 token 激活参数量”；共享专家会增加固定激活开销，但可能换来更好的通用能力和训练稳定性。第二，做部署估算时，共享专家是每次前向都要算的，因此会影响延迟下限和显存占用，不能只按路由专家的稀疏比例来估。
对普通职场人，可以把它记成一句话：共享专家就是团队里那个永远在岗的“公共底座”，让按需出场的专家们不必重复造轮子，能更专注自己的绝活。