在 components/omni-npu/src/omni_npu/layers/fused_moe/fused_moe.py 的 fused_moe 函数末尾（约第 107 行）：

return torch_npu.npu_moe_finalize_routing(out, None, None, None, topk_weights,
                                          expanded_src_to_dst_row, topk_ids).to(torch.bfloat16)

这里直接对 npu_moe_finalize_routing 的输出做了 .to(torch.bfloat16)，但函数输入 x 的 dtype 并不一定是 bfloat16。如果模型使用 float16 作为计算精度，这里会强制把输出转成 bfloat16，导致：

1. 后续算子收到的 tensor dtype 与预期不一致，可能触发隐式类型转换，影响数值精度
2. 多了一次额外的 dtype 转换开销（虽然单次开销不大，但在 MoE 层频繁调用的场景下累积可观）
3. 如果上层调用者已经按输入 dtype 分配了输出 buffer，dtype 不匹配会导致报错

建议改为保持与输入一致的 dtype：

return torch_npu.npu_moe_finalize_routing(out, None, None, None, topk_weights,
                                          expanded_src_to_dst_row, topk_ids).to(x.dtype)

或者如果 npu_moe_finalize_routing 本身支持 dtype 保持，直接去掉 .to() 调用。