为了在 Atlas 300I 上部署 Qwen-7B，按文档启用了 4-bit AWQ 量化，期望降低显存、提升吞吐。结果压测发现：单请求延迟从 280ms 涨到 410ms，吞吐还下降了 30%！日志里全是 dequantize 相关的 kernel 调用。难道量化在国产 NPU 上不 work？