PTO IR 三级模型（深度）

主文档：PTOAS docs/PTO_IR_manual.md。

1. 为什么要三级

编译器同时解决：

1. 算什么（op 图）
2. 数据放哪（buffer 分配/复用）
3. 何时执行（pipeline 调度/同步）

1+2+3 耦合会爆炸。PTO IR 选择 显式分层：

Level	抽象	buffer	sync
L1	SSA pto.tile 值	编译器后期规划	可后置
L2	DPS tile_buf	显式 alloc / 复用	可自动插
L3	调度 IR	显式	显式 pipeline/event

2. Level-2 为什么是当前重点

手册明确：公开 API 聚焦 L2/L3；L1 仍在演进。

L2 核心思想：

tile_buf 是 有生命周期的存储对象，不是纯值。
用户/上层决定复用；PTOAS 专注调度。

%a0 = pto.alloc_tile : !pto.tile_buf<loc=vec, dtype=f16, rows=16, cols=16, v_row=16, v_col=16, blayout=row_major, slayout=none_box, fractal=512, pad=0>
pto.tload ins(%pv0 : !pto.partition_tensor_view<16x16xf16>)
          outs(%a0 : !pto.tile_buf<...>)

3. 类型系统精讲

3.1 元素类型

• 整数：i1/i8/i16/i32 及有符号变体（视 op）
• 浮点：f16/f32/bf16
• 低精度：f8E4M3FN、f8E5M2、hif8、打包 f4…

定义了类型 ≠ 所有 op 都支持，要以 op 约束为准。

3.2 指针与视图

类型	含义
!pto.ptr<T[, space]>	类型化指针，space=gm/ub
!pto.tensor_view<...>	GM 张量描述符
!pto.partition_tensor_view	分片视图（tile 大小区域）

3.3 tile_buf 字段清单

字段	含义
loc	vec/mat/left/right/acc/bias
dtype	元素类型
rows/cols	物理容量
v_row/v_col	有效区，可为 ?
blayout/slayout	布局
fractal	分形大小
pad	padding 策略

3.4 multi_tile_buf

N 个同构 slot（2..16），表达双缓冲/多缓冲物理扇出。
相关 op：alloc_multi_tile、multi_tile_get。
设计见 ptoas-multi-buffer-explicit-design.md。

3.5 local_array

C++ 栈数组语义，不参与 PTO 内存规划——与 tile 世界隔离。

4. DPS 对编程的影响

SSA 思维：每次运算产生新值。
DPS 思维：运算写入已有 buffer。

影响：

• 原地更新自然
• 生命周期分析不同
• 与硬件 buffer 复用一致

5. Level-3 什么时候用

• 手写极致流水线
• 调试 InsertSync 是否过粗
• 研究同步算法本身

代价：你要自己保证依赖完备。

6. 与 codegen 的衔接

PyPTO 生成的 .pto 最终会落到这些类型与 op 上。
读 IR 是回答「框架为何生成了两个 kernel / 为何多了一次 tmov」的最佳方式。

7. 检验标准

• [ ] 解释 L1/L2/L3 一句话差异
• [ ] 默写 tile_buf 至少 6 个关键字段
• [ ] 说明 multi_tile_buf 解决什么问题
• [ ] 看一段 IR 指出哪是视图、哪是片上缓冲