Вычислительное ядро для fp8 становится до 150 Тфлопс быстрее на оборудовании Nvidia, если имеет аффикс cutlass (от одноименной библиотеки самой Nvidia для линейных алгебраических вычислений).

Это не совпадение: строка захардкожена в ptxas (ассемблер для PTX) в виде логики strstr(kernel_name, "cutlass").

А как вы хотели? Путь к капитализации в четыре триллиона вымощен множеством трюков.