性能模型与调优流程（深度）
1. 阶段流水线模型
几乎所有高性能 kernel 都是：
text
TLOAD → Transform(TEXTRACT/TMOV/…) → COMPUTE(CUBE|VEC) → TSTORE优化三目标：
- 重叠 load/transform/compute/store
- 提高算术强度（FLOP/Byte）
- 消灭虚假依赖
2. Bound 语言
| 画像 | 解释 | 优先动作 |
|---|---|---|
| TLOAD→100% | 供给极限 | 减流量、stepK、复用、重叠 |
| TEXTRACT 高 | 布局/提取税 | 改 base tile、减 extract、重叠 |
| TMATMUL 低 | Cube 饿或气泡 | 查依赖与供给 |
| VEC 长 | epilogue 重 | 融合、算法、专用指令 |
| AICPU 忙核闲 | 调度顶 | 合并 kernel |
3. 可重复实验协议
- 固定平台与 CANN/驱动版本
- 固定 shape 集合（小/中/大）
- warm-up + 多次计时
- 一次只改一个旋钮
- 同步记录精度
- 表格入库（README/CI）
4. 两级调优（框架场景）
L2 核间
工具：--enable-l2-swimlane → Perfetto
动作：parallel、合并 at、spmd、增大 kernel 粒度
L1/L0 核内
工具：msprof、PMU、kernel insight
动作：tile、双缓冲、指令序、布局
先 L2 后 L1：内核再快，喂不进去也白搭。
5. 与 CUDA Roofline 对照
Roofline 思想完全可迁移：
算力墙 vs 带宽墙。
达芬奇只是把墙拆成 CUBE 墙 / VEC 墙 / MTE 墙 / 调度墙。
6. 检验标准
- [ ] 独立解读一张「阶段占比表」
- [ ] 写出你自己的实验记录模板
- [ ] 说明为何禁止一次改三个参数