Thanks for sending an requirement! Please fill in the following template to help quickly solve your problem.

一、背景信息 （必填）

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：cann/ops-nn#8545），需要 WeightQuantPreprocess 算子配套支持对应的预处理数据流。当前该算子仅支持 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。

二、价值/作用 （必填）

补齐 A16W4 紧凑排布 weight 的预处理通路，使 Ascend950 上 A16S4/A16F4 场景可以经 preprocess 完成 ND→NZ_C0_16 转换或 ND 直拷，支撑 wqbmmv2 的 4-bit 紧凑 weight 输入，降低 weight 显存占用与搬运带宽。

三、设计方案 （必填）

• 新增 A16S4 INT4（per-tensor / per-channel / per-group）与 A16F4 FP4（per-group / MX）数据流
• ND/NZ 内部路由：per-tensor 一律 ND 直拷（不支持 NZ）；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）
• 4-bit TransData dstFormat 统一为 NZ_C0_16；TransData GE proto 补充 DT_INT4
• registry 校验加固：outWeight 空指针防护、kGroupSize 校验、weightOffset 在 A16S4 数据流透传

3.1 使能方式（涉及哪些框架：如Aclnn直调、Pytorch训练等）

• Aclnn 直调：aclnnWeightQuantPreprocess
• PyTorch：torch_npu npu_weight_quant_preprocess（经 op-plugin，见 Ascend/op-plugin#5676，对应 issue Ascend/pytorch#4358）

3.2 总体设计

3.2.1 算子支持的数据类型

• weight：INT4 / FLOAT4_E2M1（4-bit 紧凑排布，uint8 载体）
• 激活侧：FLOAT16 / BF16

3.2.2 host侧设计

• judge 按 transpose 与输出 format 拆分；ND/NZ 不体现在数据流命名上，由 preprocess 内部分支处理
• A16S4 非转置 preprocess 输出限定 NZ_C0_16；INT4 紧凑 weight 直拷时按 uint8 view 处理

3.2.3 kernel侧设计

• 本需求仅涉及 host 侧 preprocess 与 registry 改动，无新增 kernel

3.3 支持硬件

Ascend950

对应 PR：https://gitcode.com/cann/ops-math/pulls/4495