ascend-ai-coding Ascend C 算子 Tiling 设计指南
算子分类体系
| 类别 | 特征 | 典型算子 | 设计指南 |
|---|---|---|---|
| Reduction 归约类 | 沿轴归约（含索引跟踪变体） | ReduceSum, Softmax, LayerNorm, ArgMax | ✅ 场景路由（⚠️ 必须先读） / 算法 |
| Elementwise 逐元素类 | 输入输出Shape相同，逐元素独立计算 | Sin, Cos, Abs, Exp | ✅ 场景路由（⚠️ 必须先读） |
| Broadcast 广播类 | 输入Shape不同，需广播对齐 | Add, Mul, Sub | ✅ 场景路由（⚠️ 必须先读） |
| Conversion 数据转换类 | 改变布局/形状，合并/拆分张量 | Transpose, Concat, Split | ⚠️ 场景路由（当前仅 Transpose 部分支持） |
| Random 随机类 | 生成随机数，需种子管理 | RandomUniform, Dropout | 📋 规划中 |
| MatMul 矩阵乘类 | 矩阵乘法，高计算密度，用Cube单元 | MatMul, BatchMatMul | ✅ 场景路由（mxfp8 + eltwise 融合；其它 matmul 形态规划中） |
| Convolution 卷积类 | 空间卷积，滑动窗口计算 | Conv2D, DepthwiseConv | 📋 规划中 |
| NN 神经网络类 | 神经网络专用，多种操作组合 | FlashAttention, GroupNorm | 📋 规划中 |
通用设计要素（所有类别必须）
以下设计要素是所有算子类别都必须考虑和完成的：
1. 多核切分策略
核心问题：任务如何分配给多个 AI Core？
设计要点：
- 负载均衡：每个核处理的任务量尽量相等
- 数据局部性：相邻数据尽量分配给同一核
- 粒度适中：tile 不能太小（调度开销大），不能太大（并行度低）
输出：
- 总任务切分方式（按哪个维度切）
- 每个 AI Core 处理的任务量
- 使用的 AI Core 数量
2. UB 切分策略
核心问题：单次能处理多少数据？
设计要点：
- UB 容量限制（DAV_2201: 192KB, DAV_3510: 248KB）
- 单次处理数据量
- 是否需要分 chunk 处理
输出：
- 单次处理的数据量
- 是否需要分 chunk
- chunk 大小计算公式
3. Buffer 规划
核心问题：需要哪些 buffer？各多大？
设计要点：
- 输入 buffer（inQueue）
- 输出 buffer（outQueue）
- 中间计算 buffer（tmpBuf, workBuf 等）
- Double Buffer 优化
输出：
- Buffer 列表及用途
- 各 Buffer 大小计算公式
- 总 UB 使用量
4. 分支场景覆盖
核心问题：需要处理哪些不同场景？
常见分支维度：
- 数据类型：FP32 / FP16 / BF16 / INT8
- Shape 大小：大 shape / 小 shape
- 数据对齐：32字节对齐 / 非对齐
- 边界情况：最小值 / 最大值 / 特殊值
输出：
- 分支决策条件
- 各分支的处理策略
- 边界测试用例