我使用4块海光k100-ai 部署Qwen3-30B-A3B模型，速度只能达到20 tokens/s，为什么这么慢，我的启动参数如下：

docker run -d

--name qwen3_30b_a3b_vllm

--privileged

--shm-size=256G

--device=/dev/kfd

--device=/dev/dri/

--cap-add=SYS_PTRACE

--security-opt seccomp=unconfined

--ulimit memlock=-1:-1

--ipc=host

--network host

--group-add video

-v /opt/hyhal:/opt/hyhal

-v /opt/models/:/models:ro

--env HIP_VISIBLE_DEVICES=0,1,2,3

--restart=unless-stopped

harbor.sourcefind.cn:5443/dcu/admin/base/vllm:0.11.0-ubuntu22.04-dtk25.04.2-1226-das1.7-py3.10-20251226

/bin/bash -c "source /opt/dtk/env.sh && python -m vllm.entrypoints.openai.api_server

--model /models/Qwen3-30B-A3B-Instruct-2507/

--dtype bfloat16

--served-model-name Qwen3-30B-A3B

--trust-remote-code

--gpu-memory-utilization 0.9

--max-model-len 200000

--tensor-parallel-size 4

--enable-prefix-caching

--max-num-batched-tokens 131072

--max-num-seqs 32

--cpu-offload-gb 0

--port 8000"