我尝试在lmdeploy awq量化中接入ascend，有个关于量化性能的疑问：

在推理时，我看torch_npu.npu_weight_quant_batchmatmul是调用的aclnnWeightQuantBatchMatmulV2，于是直接采用torch_npu.npu_weight_quant_batchmatmul。我在800T上测试了量化前后的性能，发现w4a16的性能比fp16的性能低了10%~20%，请问这是正常的吗？

我分别拉取了internlm2-chat-7b和internlm2-chat-7b-4bit在prompt长度128，batch_size为16的情况下的timeline，发现aclnnWeightQuantBatchMatmulV2（w4a16）要比aclnnMatmul（fp16）慢的，timeline文件在附件里面。