新硬件实测：BF16 矩阵乘法提速约 50%，本地 MoE 解码几乎无感

实测显示，新硬件的 BF16、FP16 和 TF32 矩阵乘法算力均提升约 50%，且输出一致。但本地 MoE 推理的 prefill 提速不足 10%，decode 速度基本不变，瓶颈仍是内存带宽而非算力。