wenyi-li Double Kernel（双内核调用）— Triton Ascend 示例
当一个算子需要分两步计算（如先做变换再做归约），可在 forward 中依次启动两个 kernel：
class ModelNew(torch.nn.Module):
def __init__(self):
super().__init__()
try:
self.VEC_CORE_NUM = torch_npu.npu.npu_config.get_device_limit(0).get("vector_core_num", 40)
except:
self.VEC_CORE_NUM = 40
def forward(self, x):
intermediate = torch.empty_like(x)
output = torch.empty(out_shape, dtype=x.dtype, device=x.device)
grid = (self.VEC_CORE_NUM,)
kernel_stage1[grid](x, intermediate, ..., CORE_NUM=self.VEC_CORE_NUM)
kernel_stage2[grid](intermediate, output, ..., CORE_NUM=self.VEC_CORE_NUM)
return output
要点：
- 中间缓冲区用
torch.empty_like或指定 shape 分配 - 确保 stage1 写完后 stage2 再读（Triton Ascend 默认隐式同步）