NIM将Nemotron吞吐提升至1997 tok/s

4张B200上，NIM优化使吞吐由718升至1997 tok/s，并支撑约2.78倍并发。

推荐理由：提升来自固定每用户50 tok/s延迟目标下的全栈协同，而非单项算子跑分；其收益依赖64K输入与76% KV复用的特定负载。