🧂 Salt OS · 同心圆

同一个圆心：一台开机只有一个 AI 的手机。前三环已经把「文字闭环 → 真跑通 → 权重从内存加载」走完，本环要解决的是大模型最要命的瓶颈——内存带宽。

大模型推理，带宽比算力更稀缺。核心思路「内存带宽优先」落到硬件上，第一步就是把权重从 8bit 压到 4bit（INT4 量化），同样的内存能装下两倍的权重，带宽省一半。

给 min_bus.sv 加了 INT4 反量化逻辑（NPU.QUANT）：SRAM 里一个 32bit 字，装 8 个 4bit 权重；取前 4 个，符号扩展回 8bit 喂给 NPU 脉动阵列。

SRAM 32bit = 8 个 INT4 权重（每个 4bit）
w4_0 = data[3:0]   → 符号扩展 → w8_0（8bit）
w4_1 = data[7:4]   → 符号扩展 → w8_1
w4_2 = data[11:8]  → 符号扩展 → w8_2
w4_3 = data[15:12] → 符号扩展 → w8_3
→ 喂给 4×4 脉动阵列

权重在内存里占 4bit，喂进 NPU 时才变回 8bit——带宽减半，算力不变。

权重以 4bit 打包存储，反量化后 NPU 依然算出 2×3=6——证明 INT4 量化这条链通了，带宽省一半而结果不错。

本环走完一整圈：目标 → 内存带宽瓶颈 → INT4 量化落地 → 仿真跑通 → 回到目标（离「完整本地化」又近了一步——权重更省内存，越接近「手机里装下大模型」）。