提交提案之前，请先检索仓库内是否已有相同的提案，如已有请在同一提案中进行讨论。

💻 需求背景、当前现状、期望实现的功能内容、具体的设计方案、以及测试方案

需求背景：WeightQuantBatchMatmulV2 在 Ascend950 上新增 A16W4（INT4/FP4/MXFP4）4-bit 紧凑排布（uint8 载体）weight 支持（ops-nn 侧见 cann/ops-nn#8545），需要 PTA 侧 npu_weight_quant_preprocess 配套支持对应数据流。

当前现状：npu_weight_quant_preprocess 仅支持 MX A8W4 / int8 等存量流程，不支持 A16S4（INT4 per-tensor/per-channel/per-group）与 A16F4（FP4 per-group/MX）的 4-bit 紧凑 weight 预处理。

期望实现的功能：

• A16S4 INT4：per-tensor / per-channel / per-group 全场景支持
• A16F4 FP4：per-group / MX 支持
• torch 接口保持原 9 参形式，无新增参数

设计方案：

• 入口按 A16S4 + scale 形状分流：per-tensor（scale 单元素）/ per-channel（{N}/{1,N}）/ per-group（{G,N}，G>1）
• per-tensor：不支持 NZ，转置/非转置一律 ND 直拷
• per-channel / per-group：非转置 → NZ_C0_16 转换；转置 → ND 直拷；均不支持则报错
• FORMAT_FAKE_TO_REAL 映射扩展：NZ_C0_8→NZ_C0_16（A16 4-bit），保留 NZ_C0_16→NZ_C0_32（A8）
• npu_weight_quant_batchmatmul 支持 uint8 载体 4-bit ND weight 按打包方向还原逻辑 K/N；is_weight_nz_4bit_compact 识别 NZ_C0_8/NZ_C0_16
• meta 推导：uint8 载体 + 4-bit weight_dtype 时按 scale 末维推导逻辑 N

测试方案：

• eager：per-tensor/per-channel/per-group、转置自动 ND、负向用例，与 CPU golden bit-exact 比对
• 图模式（torchair 静态+动态）全数据流覆盖
• 存量 MX A8W4 / int8 流程回归不受影响

替代方案

补充说明

对应 PR：https://gitcode.com/Ascend/op-plugin/pulls/5676

欢迎加入社区，感谢您对社区的贡献 🎉!