PR body仅提及撤销PR #14162，具体原因未说明；推测是由于FP8通信优化引入了未预期的问题（如性能退化或兼容性问题），需要回退以避免不稳定性。
建议阅读此PR以了解为什么撤销FP8通信优化，并结合PR #14162分析设计权衡；关注变更对性能基准测试的影响，并检查相关Moe模块的代码稳定性。
review中没有评论，表明此revert可能未经深入讨论或由作者直接执行以紧急修复问题；无争议点或决策结论。
实现主要包括：
1) 在cutlass_w4a8_moe.py中，移除fp8_per_token_to_per_tensor_quant_triton调用，将cutlass_w4a8_moe_deepep_ll函数参数从a_states和a_scales简化为单一a参数，并改用per_tensor_quant_fp8进行量化。
2) 在ep_moe/kernels.py中，完全删除fp8_per_token_to_per_tensor_quant_triton函数及其Triton内核。
3) 在ep_moe/layer.py中，调整环境变量SGLANG_DEEPEP_BF16_DISPATCH的断言逻辑和错误信息。
4) 在token_dispatcher/deepep.py和quantization/w4afp8.py中更新通信模式选择和量化方法应用逻辑。
| 文件 | 模块 | 状态 | 重要度 |
|---|---|---|---|
python/sglang/srt/layers/moe/cutlass_w4a8_moe.py |
Moe Layer | modified | 8.0 |
python/sglang/srt/layers/moe/ep_moe/kernels.py |
Moe Kernels | modified | 7.0 |
python/sglang/srt/layers/moe/ep_moe/layer.py |
Moe Layer | modified | 5.0 |
python/sglang/srt/layers/moe/token_dispatcher/deepep.py |
Token Dispatcher | modified | 5.0 |
python/sglang/srt/layers/quantization/w4afp8.py |
Quantization | modified | 6.0 |
分析完成后，这里会展示 LLM 生成的相对完整源码片段和详细注释。
当前评论区没有形成足够清晰的争议点或结论，后续有更多讨论时会体现在这里。
风险包括：
1) 性能回归：撤销FP8优化可能增加通信带宽，导致推理延迟上升（影响cutlass_w4a8_moe_deepep_ll等核心路径）。
2) 兼容性风险：变更涉及多个Moe和量化模块，需确保与其他功能（如环境变量配置）兼容。
3) 测试覆盖不足：回滚后未添加新测试，可能遗漏边缘情况。
4) 代码稳定性：删除fp8_per_token_to_per_tensor_quant_triton内核可能影响依赖该函数的其他部分，但撤销旨在修复问题。
影响：
1) 对用户：DeepSeek-R1-W4AFP8模型的推理性能可能下降，但稳定性提高。
2) 对系统：Moe调度回退到BF16通信模式，减少FP8计算开销，但增加内存带宽使用。
3) 对团队：需关注变更原因，并可能在未来重新评估或调整FP8优化策略。
当前没有检测到明确关联的 Issue 链接，后续同步到相关引用后会出现在这里。
参与讨论