2020年下半年，国泰集团决定断臂求生，关停港龙航空的同时裁员约8500人，并启动390亿港元的资本重组计划，勉强稳住了局面。

一直撑到2022年底2023年初，旅行限制及检疫措施陆续放开，国泰终于迎来复苏的曙光。与此同时，2023年的第一天，曾任国泰航空顾客及商务总裁的林绍波接过“一把手”的接力棒，正式出任国泰集团行政总裁。

“救火队长”林绍波肩负着将跌倒的老牌航空集团拉出泥潭的艰难任务。他曾放出豪言：“我们努力将国泰航空与香港重新联结，并致力令香港与全世界重新接轨。为此，我们不仅要回到疫情前的状态，还要重建国泰航空，使其表现更胜从前。”

但谁也没料到，重建计划刚起步，又跌了一跤。

2023年5月份，因空乘歧视内地旅客的“毛毯事件”，国泰航空卷入舆论漩涡，批评声、质疑声铺天盖地而来，公司品牌形象和口碑遭遇严峻考验。

一面是业务和财务的重建，一面是必须挽回的口碑和形象，林绍波面临前所未有的巨大挑战。在一次媒体采访中，林绍波透露，每天都在跟团队一起解决问题，慢慢心态也有改变。“我经常跟团队说，我们能控制的只有怎样去应对，把精力放在解决问题上、做好当天事，控制不了的就不想太多。”

2024年底，为期两年的重建计划正式宣告完成，2025年1月份开始，国泰集团的航班数量已经恢复到疫情前100%的水平。财务上，继2023年盈利创十余年新高后，2024年国泰集团继续稳定发挥，实现营收、净利双增长，连续第二年赚近百亿港元。

这证明了亮眼业绩不仅仅是受益外部环境好转，内部的一系列“底层逻辑”改革开始发挥效益。

对林绍波而言，紧绷的弦终于能够有所放松。

3月13日，国泰航空专门在深圳为内地媒体举办了一场业绩沟通会，林绍波向界面新闻表示，回忆重建过程，初期时压力很大，因为要从一个非常低的点迎头追赶。但这些问题甚至是危机，成为推动国泰进步的关键动力。

“我把自己比喻成一个运动员，要保持好的身体、好的心态。国泰的管理团队、前线同事都非常团结，压力是有，但其实还是觉得开心，整体而言很享受过去两年的工作。”林绍波以轻快的口吻总结了心路历程。

业务重建

国泰是香港规模最大、历史最悠久的航空集团，占据香港航空市场超一半的市场份额。由于没有本土航线，国泰完全依赖跨境旅行，吸纳旅客进出香港以及经停香港飞往全球各地，是一家名副其实做中转生意的枢纽航司。

巅峰时期，国泰航空连同旗下附属航司共运营239架飞机，联结香港至全球35个国家共119个目的地（加上代码共享联结54个国家共255个目的地），包括中国内地26个目的地，位列全球第八大国际客运航空公司。

但在大范围旅行限制下，国泰集团全球航线网络迅速收缩，可载客量一度维持在10%以下，客运收益削减至2019年的2%-3%。航班无法正常运营，也意味着飞机要长时间停场。因香港气候湿润，不利于长期停放，国泰只能将飞机一架一架地转移至澳洲中部沙漠爱丽斯泉长期封存，被封存机队数量高达85架。

停摆的不只是飞机，还有国泰集团成千上万名员工。

由于难以负担巨大人力成本，国泰被迫大裁员。财报数据披露，2020年至2022年，国泰集团全球员工总数逐年递减，降幅分别达到-25.15%、-15.63%和-1.85%，数量从34200人骤跌至21200人。

张奇告诉记者，对行业来说，DeepSeek在最新的文章中提到的56.3%缓存命中率（原文称，在 24 小时统计时段内，DeepSeek V3 和 R1都能实现输入 token 总数为 608B，其中 342B tokens（56.3%）命中 KVCache 硬盘缓存）是一项具有重要意义数据。

“虽然各家没有公布过相关数据，但超过一半的命中率在业内应该已是很高的水平。”张奇认为，像在DeepSeek所开发的6710亿参数超大模型上，几亿用户提问时所写的文本多多少少存在差异，在这种前提下能够实现高中率，说明团队在模型整体优化上做了很多工作。

据DeepSeek团队介绍，V3、R1推理系统的优化目标就是追求“更大的吞吐，更低的延迟。”

基于DeepSeek采取的混合专家模型核心架构（MOE），超大模型由众多规模较小的专家模型组成，并承担不同的分工。通俗用人类世界的团队合作来解释其中所需要的调度工作，如果一个团队要将各个领域的专家集合到一起来攻克某项任务，就需要事先把整体任务拆分成多个流程环节的任务，再按照分配给不同领域的专家，让他们每个人都发挥专业技能解决问题，最后汇总结论。

DeepSeek在文中写道，由于DeepSeek-V3 / R1的专家数量众多，并且按照最初的设计规则，每层256个专家在实际运行中仅激活其中8个。要实现团队的“大吞吐，低延迟”的优化目标，就需要做到短时间处理大量任务时“高效调用”每个专家，也就是DeepSeek在文中提到的“大规模跨节点专家并行（Expert Parallelism / EP）”。

“这是一项难度极大的平衡工作，如果模型优化分配上做不好，就会使得一个6000多亿参数的超大模型，每次可能只有8个或几个专家在实际运行，而且如果某一个没有运行完，剩下的所有专家可能在等待。等待则通常又意味着计算资源的浪费。”张奇认为，在DeepSeek开源前，混合专家模型的平衡设计对许多AI模型大厂都是尚未攻克的难题。

此外，据DeepSeek介绍，另外，由于白天用户访问量大、服务负荷高，晚上的服务负荷低，团队实现了一套机制，在白天负荷高的时候，利用所有模型节点部署推理服务。晚上负荷低的时候，减少推理节点，以用来做研究和训练。