Triton 算子需求文档生成
工作流
- 需求分析 → 产出：功能定义、数学公式、竞品对比
- 原型设计 → 产出：API 接口定义
- 规格约束 → 产出：输入输出约束、硬件限制
- 特性实现 → 产出：Tiling 策略、Kernel 实现方案
参考资源加载
MANDATORY：阶段 4 前，完整阅读 tiling-strategies.md 和 triton-operator-template.md，不设行数限制。按模板格式输出文档。
关键术语
- GM：全局内存（DDR），UB：Vector Core 高速缓存（192KB），L1：Cube Core 缓存（~1MB）
- AI Core：A2/A3 有 24 个，含 1 Cube + 2 Vector
- 归约操作必须升精度到 FP32
绝对不要做的事
- ❌ 使用模糊术语（"适当切分"、"合理分配"）— 必须给出具体计算方法
- ❌ 忽略 UB 大小（192KB）和对齐要求（32B）
- ❌ 不区分 Vector Core（向量计算）和 Cube Core（矩阵计算）
- ❌ 不标注数据流图中的数据类型和 GM↔UB 传输
- ❌ 归约操作不说明升精度策略
常见陷阱
| 陷阱 | 症状 | 解决 |
|---|
| UB 超限 | 方案不可实现 | 计算缓冲区总大小 < 192KB |
| 内存未对齐 | 硬件报错 | UB 缓冲区 32B 对齐，单值缓冲区分配 32B |
| 精度损失 | FP16 结果不准 | 归约前升 FP32，完成后降精度 |
| Tiling 不合理 | 性能差/大 shape 不支持 | 按维度切分，避免跨 Core 数据依赖 |
