2种并行方式：

moe_tp_size：按照维度切分，每个GPU拥有所有Expert的一部分权重。

moe_ep_size:  按照Expert切分，每个GPU有用一部分Expert的所有权重。

二者可以搭配一起使用。

限制：二者的乘积，必须等于模型并行（不是指moe_tp_size，而是整个模型的tp_size)的卡数。