grok给的结论：RTX PRO 6000D 在 FP4/FP8/FP16/FP32 等精度下的官方/可靠规格数据确实远低于完整 PRO 6000，基本符合你说的“约 15%”水平（具体 14-15% 左右）。 以下是基于 NVIDIA 官方文档、HPE QuickSpecs 等可靠来源的准确数据（非推算），重点对比三款卡。
官方 Tensor 性能对比（峰值，含 sparsity 等优化时）
RTX PRO 6000 Blackwell（完整版，96GB，工作站/服务器版）：
FP4 Tensor：~4 PFLOPS（4000 TOPS/AI TOPS）
FP8 Tensor：~2 PFLOPS（2000 TOPS）
FP16 / BF16 Tensor：~1 PFLOP（1000+ TFLOPS 范围，不同来源略有 1001 等）
FP32：125 TFLOPS（单精度）
RTX PRO 6000D（中国特供/84GB 版）：
FP4 Tensor：593 TFLOPS（约完整 6000 的 14.8%）
FP8 Tensor：296 TFLOPS（约 14.8%）
FP16 / BF16 Tensor：148 TFLOPS（约 14.8%）
TF32：~74 TFLOPS
FP32：约 110 TFLOPS 或更低（Max-Q 版类似，完整版 125 TFLOPS 对应砍幅一致）
RTX PRO 5000 Blackwell（72GB 版典型）：
Tensor 核心数 ~440（完整 6000 的 ~58%）
FP32：~65-74 TFLOPS
FP4/FP8/FP16 等低精度：大致按核心/规格比例 ~50-60% 于完整 6000（具体 FP4 预计 2000+ TOPS 级别，但无 6000D 那么极端砍削）。实际推理中 5000 72GB 在中型负载下接近或略优于 6000D 的低精度算力。
数据来源说明：完整 6000 来自 NVIDIA 官方 datasheet（FP4 4 PFLOPS 等）；6000D 来自 HPE 等 OEM QuickSpecs 的明确列出性能值；5000 来自 Exxact/NVIDIA 系列对比。Blackwell Tensor Core 低精度高度依赖核心数、时钟和带宽，6000D 的砍削主要体现在这些硬件规格上（CUDA/Tensor 核心 -17%，带宽/时钟下调，导致整体低精度算力大幅缩水）。